智能控制技术知识点复习总结

智能控制技术,复习,2,本课程主要讲了哪些内容？,模糊控制 神经网络控制 遗传算法（具有良好的全局搜索能力，分布式并行计算，不依赖被优化函数的导数等）,3,智能系统有哪几个重要分支，分别是什么？,专家控制 模糊控制 神经网络控制 学习控制,4,（1）什么是隶属度函数，什么是特征函数，定义要了解。隶属度函数遵循的一些基本原则是什么？,（2）模糊集合满足交换律，结合率,5,例：设集合U由1到5的五个自然数组成，试分别用列举法，定义法，归纳法写出该集合的表达式。,解： 列举法 U=1,2,3,4,5 定义法 U=u|u为自然数，且1u5 归纳法 U=ui+1=ui+1, i=1,2,3,4, u1=1,6,例：集合F表示论域U中远大于0的数，论域U为5，10，20，50，100，分别用分别用三种方法表示模糊集合F。,7,例：设论域U=张三，李四，王五，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分。分别用三种方法表示模糊集合“学习好”。,若采用隶属度函数：,8,例：设论域U=张三，李四，王五，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分。分别用三种方法表示模糊集合“学习好”。,(1)计算属于“学习好”这个模糊集合的隶属度函数： 张三：0.95 李四：0.9 王五：0.85,9,例：设论域U=张三，李四，王五，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分。分别用三种方法表示模糊集合“学习好”。,(2) Zadeh表示法：,10,例：设论域U=张三，李四，王五，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分。分别用三种方法表示模糊集合“学习好”。,(3)序偶表示法：,11,例：设论域U=张三，李四，王五，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分。分别用三种方法表示模糊集合“学习好”。,(4)向量表示法：,12,例：设论域U=张三，李四，王五，评语为“学习好”。设三个人学习成绩总评分是张三得95分，李四得90分，王五得85分。分别用三种方法表示模糊集合“学习好”。,(5)思考： 如果评语是“学习不好”，那怎么表示这个模糊集合？,13,例：设论域U=u1，u2，u3，u4中两个模糊子集分别为,求 AB ， AB 和,14,例：设论域U=u1，u2，u3，u4中两个模糊子集分别为,15,例：设论域U=u1，u2，u3，u4中两个模糊子集分别为,16,例：设论域U=u1，u2，u3，u4中两个模糊子集分别为,17,分别列举出集合和模糊集合的三种表示方法。 假设年龄属于“年轻人”“老年人”集合的隶属度分别为： 用Zadeh表示法写出年龄U在50(含)到54(含)之间的属于年轻人的模糊集A，属于老年人的模糊集B。并计算AB，AB， AB ， A B, ()= 050 1+ 50 5 2 1 50100, you ()= 125 1+ 25 5 2 1 25100,18,计算AB，AB， AB ， A B （ Zadeh算子）,19,例：设张三，李四，王五对英语，日语，德语，法语的掌握关系可用如下模糊矩阵表示：,试用模糊图表示上述模糊关系。,20,张三,李四,0.3,0.9,王五,英语,日语,德语,法语,0.7,0.6,0.95,21,模糊矩阵的运算,例：已知 求AB，AB， A,22,模糊矩阵的合成,例：已知 求,23,24,25,模糊矩阵的合成所解决的问题,例：假设模糊关系R描述了子女与父亲、叔叔长相的“相像”关系；模糊关系S描述了父亲、叔叔与祖父、祖母长相的“相像”关系。 R和S分别描述为： 求子女与祖父、祖母长相的“相像”关系C。,26,已知模糊矩阵P，Q，R分别为：,求：,27,28,语气算子,29,语气算子,30,近似推理 if A then B,例：论域 XY 1，2，3，4，5 ，在X和Y上有三个模糊子集 “大”、 “小”、 “较小”，分别如下： “大” 0.4/3 + 0.7/4 + 1/5 “小” 1/1 + 0.7/2 + 0.3/3 “较小” 1/1 + 0.6/2 + 0.4/3 + 0.2/4 已知规则：为若x小，则y大， 那么当x较小时，y？,31,近似推理,“大” 0/1 + 0/2 +0.4/3 + 0.7/4 + 1/5 “小” 1/1 + 0.7/2 + 0.3/3 + 0/4 + 0/5 “较小” 1/1 + 0.6/2 + 0.4/3 + 0.2/4+ 0/5 已知规则：为若x小，则y大，,32,近似推理,“较小” 1/1 + 0.6/2 + 0.4/3 + 0.2/4+ 0/5 已知规则：为若x小，则y大，,最关键的步骤在于如何计算模糊关系矩阵R = x y,33,近似推理,34,近似推理,35,近似推理,36,近似推理,37,例：一个系统，当输入为A（温度高）时，输出为B（湿度小），否则输出C（湿度不小）。 已知 A1/x1 + 0.4/x2 + 0.1/x3 B=0.8/y1 + 0.5/y2 + 0.2/y3 C=0.5/y1 + 0.6/y2 + 0.7/y3 问题： 当输入 A= 0.2/x1 + 1/x2 + 0.4/x3 时，输出B？,模糊条件推理 if A then B else C,38,例：一个系统，当输入为A（温度高）时，输出为B（湿度小），否则输出C（湿度不小）。,模糊条件推理,39,模糊条件推理,40,模糊条件推理,41,设有论域X=u1, u2, u3，Y=v1,v2,v3, Z=w1,w2,已知： 试确定模糊条件语言“如果A和B，则C”所确定的模糊关系矩阵R，并计算当： 时模糊集合C。,多输入单规则推理 如果 x 是 A且 y 是B，那么z 是C,42,模糊控制系统的组成概述,模 糊 化,模糊推理 （推理决策逻辑）,精 确 化,知识库,输入,输出,43,精确化的方法：最大隶属度法，重心法,在输出的模糊集合中取隶属度最大的元素作为结果，如果同时出现几个元素具有最大隶属度，则取它们的平均值作为结果。,例：,精确量：,优点：计算简单。 缺点：概括的信息量少，适用于控制要求不高的场合。,44,45,典型的模糊控制器：二维模糊控制器 输入语言变量为被控量与给定值的偏差和偏差变化率，能够较全面严格地反映被控过程的动态待性，因此控制效果比一维模糊控制器好。它是目前被广泛采用的一种模糊控制器。,46,偏置（阈值）影响下，神经元输入加权求值结果：,神经元的响应（输出）：,习题1,（1）试绘出单个神经元结构的简化模型，并写出该神经元的输出表达式。,47,习题2,前向型神经网络 反馈神经网络 相互结合型神经网络 混合型神经网络,（2）根据神经网络的连接方式不同，神经网络可以分成哪几种结构形式？,48,习题3,有导师学习 无导师学习 再励学习,（3）神经网络常见的学习方式有哪三种？,49,（4）神经网络的激活函数主要有哪两种类型，试画出。,50,（5）已知一多层前向神经网络，假设对于期望输入1, 1对应的期望输出为1, 1，求在图示的权值和阈值情况下，网络的实际输出以及对应的评价误差。（激活函数为单极性阈值型函数）,y2,x1,x2,1,2,-2,0,3,-1,1,0,1,-2,-2,3,51,（6）下图所示为具有3个节点的离散型Hopfield神经网络模型, 假设网络初始状态为(0 0 1), 试推导该网络的经过一次变换后的状态。,