给学生总复习-精品文档资料.ppt

1.1 智能控制的概念及发展过程智能控制的概念及发展过程 1.2 智能控制研究的主要内容智能控制研究的主要内容 1.3 智能控制系统的构成原理智能控制系统的构成原理 1、了解控制理论的分类及发展过程。、了解控制理论的分类及发展过程。 2、 掌握智能控制的定义、研究内容；智能控制掌握智能控制的定义、研究内容；智能控制 系统的组成、主要功能特征及应用场合。系统的组成、主要功能特征及应用场合。 3、理解智能控制与传统控制的关系和差别理解智能控制与传统控制的关系和差别 第第1章章 绪论绪论第第1 1章章 复习复习1、控制理论的发展概况控制理论的发展概况2、智能控制的组成、定义与研究内容、智能控制的组成、定义与研究内容3、智能控制与传统控制的关系、差别和、智能控制与传统控制的关系、差别和应用场合应用场合4、智能控制的分类及特点、智能控制的分类及特点 5、智能控制系统的构成原理智能控制系统的构成原理传感器传感器 对象对象执行器执行器感知信息处理感知信息处理 规划与控制规划与控制 认知认知通讯接口通讯接口广义对象广义对象智能控制器智能控制器智能控制系统的结构智能控制系统的结构分层递阶分层递阶 结构结构2.2 模糊集合论基础模糊集合论基础 第第2章章 模糊控制模糊控制1、 了解普通集合的概念（论域、元素、集合）表了解普通集合的概念（论域、元素、集合）表 示方法、运算。示方法、运算。 2、 在普通集合的基础上掌握模糊集合的的概念、在普通集合的基础上掌握模糊集合的的概念、 表示方法及运算：并、交、补表示方法及运算：并、交、补3、掌握隶属函数的概念、种类及确定方法。、掌握隶属函数的概念、种类及确定方法。4、 理解模糊关系的定义。理解模糊关系的定义。5、理解模糊关系的运算规则。、理解模糊关系的运算规则。6、掌握模糊关系的、掌握模糊关系的合成运算合成运算。会。会计算计算 R 2.1 概述概述 iniiFuuF/ )(1（1 1）模糊集合的表示方法）模糊集合的表示方法)(,(),.,(,(),(,(2211nnuuuuuuF)(),.,(),(21nuuuF函数法：函数法： 扎德：扎德：序偶：序偶：向量：向量：1 1、模糊集合、模糊集合的概念、的概念、 表示方法、运算表示方法、运算离离散散连续连续第第2章章 复习复习（2 2）模糊集合的运算）模糊集合的运算利用隶属度函数来进行利用隶属度函数来进行并、交、补等并、交、补等运算运算 表示元素表示元素u u隶属于模糊集合隶属于模糊集合F F的程度。的程度。)(uF（1 1）隶属度函数定义）隶属度函数定义2 2、隶属度函数的定义、确定方法、隶属度函数的定义、确定方法种类：种类：三角形、梯形、高斯（正态）、钟形等。三角形、梯形、高斯（正态）、钟形等。专家确定（离散）专家确定（离散）函数（连续）函数（连续）（2）确定方法）确定方法1 maxmin( , )( , )( , )( , )( , )( , )( , )R SRSR S TRSTx zx yy zx ax yy zz a ）合成运算SRP3 3、模糊关系的定义、运算、模糊关系的定义、运算（1 1）模糊关系的定义）模糊关系的定义A，B两模糊集合的直积两模糊集合的直积AB),(baR模糊关系用模糊关系用隶属度隶属度 来描述。来描述。（2 2）模糊关系的运算）模糊关系的运算R(a,b)=A(a)B(b) =minA(a), B(b)并、交、补、转置和合成并、交、补、转置和合成同一空间模糊关系运算：同一空间模糊关系运算：并、交、补、转置并、交、补、转置非同一空间模糊关系运算：非同一空间模糊关系运算：合成合成1、了解二值逻辑（传统逻辑）的概念。、了解二值逻辑（传统逻辑）的概念。2、理解模糊逻辑概念及其运算的基本定律。、理解模糊逻辑概念及其运算的基本定律。3、掌握语言变量的概念、组成。、掌握语言变量的概念、组成。4、掌握常用的模糊逻辑、掌握常用的模糊逻辑推理方法推理方法。2.3 2.3 模糊推理系统原理及设计模糊推理系统原理及设计5、了解模糊控制系统的基本构成以及各部分的功能。、了解模糊控制系统的基本构成以及各部分的功能。6、掌握精确量转换为模糊量的方法。、掌握精确量转换为模糊量的方法。7、理解模糊控制规则的建立方法。、理解模糊控制规则的建立方法。8、掌握模糊量转换为精确量的方法。、掌握模糊量转换为精确量的方法。9、掌握模糊控制器的常规设计方法和掌握模糊控制器的常规设计方法和步骤，会进行实例设计。步骤，会进行实例设计。 1 1、语言变量的概念、组成、语言变量的概念、组成特征为五个元素特征为五个元素 : :确定隶属函数确定隶属函数 M :确定确定x的个数的个数G论域论域 :U语言值语言值x的集合的集合 :)(XT语言变量的名称语言变量的名称:X）（,),(,MGUXTX（1）单输入单输出）单输入单输出玛达尼推理法玛达尼推理法：扎德推理法扎德推理法：if x是是A，then y是是BRAB BAREABARif x是是A，then y是是B，否则，否则y是是C)()(CABAR（2）两输入单输出）两输入单输出RBACT1)()(2CBART玛达尼推理法玛达尼推理法：扎德推理法扎德推理法：2 2、模糊逻辑推理方法、模糊逻辑推理方法 , Zif xAyB thenC是和 是是模糊控制器设计步骤：模糊控制器设计步骤：确定语言变量及其变化范围；确定语言变量及其变化范围；确定量化等级和计算量化、比例因子；确定量化等级和计算量化、比例因子；确定确定隶属度函数，得到隶属度函数，得到语言值的模糊子集；语言值的模糊子集；（3 3）进行模糊逻辑推理）进行模糊逻辑推理（4 4）精确化计算）精确化计算3 3 模糊控制系统设计模糊控制系统设计（1）模糊化）模糊化（2 2）确定模糊控制规则）确定模糊控制规则1、最大隶属度函数法2、重心法练习：设在论域练习：设在论域e（误差）（误差）=-4，-2，0，2，4，和控制电压和控制电压u=0，2，4，6，8上定义的模糊子集上定义的模糊子集的隶属度函数如下图。已知模糊控制规则：的隶属度函数如下图。已知模糊控制规则：规则规则1：如果：如果e误差为误差为ZE，则，则u为为ZE ；规则规则2：如果：如果e误差为误差为PS，则，则u为为NS 。 试用玛达尼推理法计算当输入误差试用玛达尼推理法计算当输入误差e=0.6时，输出时，输出电压电压u=？（精确化计算采用重心法）？（精确化计算采用重心法）eNBNSZEPSPB1.0 -4 -20 26euNBNSZEPSPB1.0 4 20 68u -4 -2 0 2 4NBNSPSPB0.51eZE0.30.7当当e=0.6时，由图可知时，由图可知e为为ZE和和PS的的隶属度分别为隶属度分别为由规则由规则1：( )0.7ZEe( )0.3PSe10.7uZE由规则由规则2：20.3uNS将结果合成：将结果合成：120.70.3uuuZENS112e 0 2 4 6 8NBNSPSPB0.51eZE0.3采用重心法求精确量采用重心法求精确量拐点坐标：拐点坐标： (0,0).(0.6,0.3).(2.6,0.3).(3.4,0.7).(4.6,0.7).(6,0)0.3 0.60.3 2.63.4 0.74.6 0.70.30.30.70.73.28u0.7第第3章章 神经网络控制神经网络控制 1、了解神经网络的定义、生物神经元结构、神经、了解神经网络的定义、生物神经元结构、神经网络的特点及应用情况网络的特点及应用情况2、掌握神经网络的模型、结构、种类、激活函数、掌握神经网络的模型、结构、种类、激活函数 的类型。的类型。3、掌握神经网络的学习算法及类型掌握神经网络的学习算法及类型 4、掌握、掌握BP网络的学习算法原理及学习过程。网络的学习算法原理及学习过程。5、掌握、掌握Hebb学习规则训练方法，并能利用训学习规则训练方法，并能利用训 练好的网络进行联想记忆和输入模式识别。练好的网络进行联想记忆和输入模式识别。1 1、神经网络的定义、神经网络的定义、神经元结构、种类、神经元结构、种类、特点及应用特点及应用定义：定义： 是模仿脑细胞和脑神经是模仿脑细胞和脑神经结构结构及其及其思维思维和和处理问题处理问题的的方式方式而抽象出来的一种多层网络形式的信息处理系统。而抽象出来的一种多层网络形式的信息处理系统。信息处理和模式识别信息处理和模式识别最优化问题计算最优化问题计算非线性映射非线性映射特点特点:并行处理性、分布式的存贮、自适应（学习）过程并行处理性、分布式的存贮、自适应（学习）过程应用：应用：种类种类:线性和非线性线性和非线性1 1、神经网络模型、激活函数的类型、结构、神经网络模型、激活函数的类型、结构 模型模型网络结构：网络结构：激活函数激活函数: : 1 1）阈值型）阈值型 2 2）分段线性型）分段线性型 3 3）SigmoidSigmoid函数型函数型 对数函数对数函数 双曲正切函数双曲正切函数)(iiufy ijnjjixwu1前向网络、反馈网络、混合型网络前向网络、反馈网络、混合型网络神经网络研究的基本内容（基本要素）：神经网络研究的基本内容（基本要素）：神经网络模型、激活函数、网络结构、学习算法神经网络模型、激活函数、网络结构、学习算法 2 2、神经网络的学习规则及类型、神经网络的学习规则及类型 任何的神经网络只有经过学习（训练）即：不断调整任何的神经网络只有经过学习（训练）即：不断调整连连接权值接权值的过程，才的过程，才可以可以使网络具有某种特定的性能。使网络具有某种特定的性能。类型：类型：1 1）有导师的学习）有导师的学习 2 2）无导师学习）无导师学习学习规则学习规则权值调整权值调整学习方式学习方式规则规则Hebb规则规则jiijxyw无导师无导师有导师有导师jijijxydw)（jiijijxyydw)（离散离散连续连续 以以误差误差为度量去调整权值。为度量去调整权值。+导师信号（期望输出信号）导师信号（期望输出信号） 误差误差 输入部分输入部分 输出部分输出部分 W网络输出信号网络输出信号 样本样本X X y学习部分学习部分 1 1）有导师的学习）有导师的学习2 2）无导师学习）无导师学习 网络自动适应连接权值。网络自动适应连接权值。神经网络神经网络 W网络输出网络输出 输入输入 3.2 3.2 前向神经网络与前向神经网络与BPBP学习算法学习算法输入层、隐含层（一层或多层）、输出层输入层、隐含层（一层或多层）、输出层1 1、单层、单层感知器网络感知器网络 采用采用规则，对感知器网络进行训练，使规则，对感知器网络进行训练，使实际输出实际输出y 目标输出目标输出d输出不等于目标输出输出不等于目标输出，按下面调整权值和阈值按下面调整权值和阈值当当e0，增加权值和阈值，增加权值和阈值 e 0，减小权值和阈值，减小权值和阈值e = 0，最优的权值和阈值，最优的权值和阈值调整权值和阈值算式调整权值和阈值算式e=dy=0感知器的学习规则感知器的学习规则 （会进行样本分类（会进行样本分类 ）1)( )Tijijw kw kex（1)( )kke（当输入向量的取值范围很大时，进行当输入向量的取值范围很大时，进行归一化归一化处理处理211)( )Tijijmiixw kw keXXx（主要用于对输入进行主要用于对输入进行分类分类， X10 0 1 1 X20 1 0 1 输出0 1 1 1x1 + x2 = 0.5x1x2（1,1）（1,0）（0,1）（0,0.5）（0,0） （0.5,0）A类类B类类如：如：与运算与运算输入必须输入必须线性可分线性可分 X10 0 1 1 X20 1 0 1 输出0 1 1 0如：如：异或运算异或运算x1x2（A）（B）（B）（A）采用单层感知器网络无法进行分类，采用两层网络可以解决采用单层感知器网络无法进行分类，采用两层网络可以解决2 2、多层传播网络的学习算法（、多层传播网络的学习算法（BPBP算法算法）xp1x pniy pno隐含层隐含层hpjO xp2 输入层输入层输出层输出层y p2y p1wji1wji2（2）阶段：）阶段：由最后一层向前计算各权值和阈值，由最后一层向前计算各权值和阈值，使总误差最小。使总误差最小。（1）阶段：）阶段：输入样本由第一层向后计算输出输入样本由第一层向后计算输出y误差反向传播误差反向传播称称BP算法算法采用采用规则，规则，rpjtjtjrpirpjtjitjiOww)()1()1()()1(改变权值和阈值的公式：改变权值和阈值的公式：计算广义误差：计算广义误差：prpjrpjEu Hopfield神经网络神经网络3.3 反馈网络又称为又称为联想记忆网络联想记忆网络，可以记忆（存储）多个目标向量，可以记忆（存储）多个目标向量，当输入相似的向量时，通过当输入相似的向量时，通过“回忆回忆”，还原出目标向量，还原出目标向量采用采用Hebb学习规则学习规则1 1）存贮（学习）阶段）存贮（学习）阶段确定权值矩阵确定权值矩阵 HebbHebb学习规则的工作过程学习规则的工作过程：设设x x(k)(k)的状态值为的状态值为0 0或或1 1，连接权系数为：，连接权系数为：()()1(21)(21)NkkijijkwxxNI并设并设x (k)的状态值为的状态值为-1或或1，连接权系数为：连接权系数为：()()1()Nkk TijijkWxxNINkxk.21|)(，设要存贮的向量为：设要存贮的向量为：1( )( )niijiijukw yk）2）第二阶段）第二阶段 信息检索（回忆）信息检索（回忆）检索完成，检索完成，HopfieldHopfield收敛到稳态。收敛到稳态。1( )0(1) ( )01( )0iiiiu ky ku ku k保持以前状态(1)( )iiykf uk向量形式：向量形式： Y=f（WY），），=0输入信息，进行输入信息，进行随机的迭代，随机的迭代，直到网络达到稳定，直到网络达到稳定，这时单元的输出为：这时单元的输出为：举例：举例： 由由3个神经元组成的个神经元组成的Hopfield网络，有网络，有2个基本存贮器，存贮个基本存贮器，存贮2个向量个向量x (1) =1，-1，1T和和x (2) =-1，1，-1T，n=3，i=0，k=2，根据根据Hebb规则设计权连接矩阵，并用异步方式进行迭代，规则设计权连接矩阵，并用异步方式进行迭代，计算权值：计算权值：两个样本为：两个样本为： 111)1(x 111)2(x)2()2()2()1()1(IxxxxWTT1 1）存储（学习）存储（学习）判断判断x (3) = 1，1，1T ，和，和x (4) =1，1，-1 T是否收敛？是否收敛？111001 1111 1112 01011001 W022 202220) )()1(3111jjjtywfty)()()(313212111tywtywtywf=(0(1)(2 )(1)2(1)f更新后更新后3 3个神经元有以下的状态（输出）个神经元有以下的状态（输出）y y1 1(t)=1 y(t)=1 y2 2(t)= 1 y(t)= 1 y3 3(t)=1(t)=1 用用 进行进行) )() 1(31jjijitywfty把把x x( () )= = 1 1，1 1，11输入网络输入网络2 2）回忆）回忆（1 1）更新第一个神经元）更新第一个神经元串行（异步）方式：串行（异步）方式：(0 )1f（2 2）更新第二个神经元）更新第二个神经元) )() 1(3122jjjtywfty)()()(323222121tywtywtywf=更新后更新后3 3个神经元有以下的状态（输出）个神经元有以下的状态（输出）y y1 1(t)=1 y(t)=1 y2 2(t)= (t)= 1 y1 y3 3(t)=1(t)=1 ( 2)(1)0(1)( 2)(1)( 4)1ff =迭代结果移向稳定点。迭代结果移向稳定点。x x( () )收敛到收敛到x x( () )。把把x x(4)(4)= = 1 1，1 1，-1-1输入网络输入网络（1 1）更新第一个神经元）更新第一个神经元)()1(3111jjjtywfty)()()(313212111tywtywtywf=(0(1)(2 )(1)2(1)(4 )1ff =更新后更新后3 3个神经元有以下的状态（输出）个神经元有以下的状态（输出）y y1 1(t)=(t)=1 y1 y2 2(t)= 1 y(t)= 1 y3 3(t)=(t)=1 1 迭代结果移向稳定点。迭代结果移向稳定点。x x( () )收敛到收敛到x x( () )。利用利用Hebb学习规则学习规则2）用训练好的网络进行输入模式识别、分类。）用训练好的网络进行输入模式识别、分类。1）用训练好的网络进行联想记忆。）用训练好的网络进行联想记忆。应用：应用：