智能控制習題答案(同名22503)(編輯修改稿)
2025-07-16 03:22 本頁面
【文章內容簡介】 ， 5個模糊集，則誤差變化劃分表為：隸屬度變化等級3210123模糊集PB000001PS000010ZE00100NS010000NB100000控制電壓變化劃分表為：隸屬度變化等級3210123模糊集PB000001PS000010ZE00100NS010000NB100000根據一上兩表設計一下模糊規(guī)則：若負大，則正大；若負小，則正小；若為0，則為0；若正小，則負??；若正大，則負大。模糊控制規(guī)則表為：若（if）NLeNSe0ePSePLE則（then）NLuNSU0uPSuPLu已知被控對象為G（s)=rac{1}{10s+1}。假設系統給定為階躍值r=30，系統初始值r(0)=0，試分別設計： （1）常規(guī)的PID控制器； （2）常規(guī)的模糊控制器； （3）模糊PID控制器。分別對上述3種控制器進行Matlab仿真，并比較控制效果。解：（1）常規(guī)的PID控制器的設計：a) 常規(guī)的PID控制器的設計原理圖：b)在matlab中simulink仿真圖如下：第四章 神經網絡基礎生物神經元模型的結構功能是什么？答：生物神經元結構：（1）、細胞體：由細胞核、細胞質和細胞膜等組成。（2）、樹突：胞體上短而多分枝的突起。相當于神經元的輸入端，接受傳入的神經沖動。（3）、軸突：胞體上最長枝的突起，也稱神經纖維。端部有很多神經末稍傳出神經沖動。（4）、突觸：神經元間的連接接口，每個神經元約有1萬~10萬個突觸。神經元通過其軸突的神經末稍，經突觸與另一神經元的樹突聯接，實現信息的傳遞。由于突觸的信息傳遞特性是可變的，形成了神經元間聯接的柔性，稱為結構的可塑性。（5）、細胞膜電位：神經細胞在受到電的、化學的、機械的刺激后，能產生興奮，此時，細胞內外有電位差，稱膜電位。電位膜內為正，膜外為負。生物神經元功能：（1）、興奮與抑制當傳入神經元的沖動，經整合，使細胞膜電位升高，超過動作電位的閾值時，為興奮狀態(tài)，產生神經沖動，由軸突經神經末稍傳出。當傳入神經元的沖動，經整合，使細胞膜電位降低，低于閾值時，為抑制狀態(tài)，不產生神經沖動。（2）、學習與遺忘由于神經元結構的可塑性，突觸的傳遞作用可增強與減弱，因此，神經元有學習與遺忘的功能。人工神經元模型的特點是什么？答：人工神經元模型的特點：（1）、神經元及其聯接；（2）、神經元間的聯接強度決定信號傳遞的強弱；（3）、神經元間的聯接強度是可以隨訓練改變的；（4）、信號是可以起刺激作用的，也可以起抑制作用；（5）、一個神經元接受的信號的累積效果決定該神經元的狀態(tài)；（6）、每個神經元可以有一個“閾值”。人工神經網絡的特點是什么？如何分類？答：人工神經網絡的特點：（1）、非線性（2）、分布處理（3）、學習并行和自適應（4）、數據融合（5）、適用于多變量系統（6）、便于硬件實現人工神經網絡的分類：根據神經網絡的連接方式，神經網絡可分為三種形式：（1）、前向網絡：神經元分層排列，組成輸入層、隱含層和輸出層。每一層的神經元只接受前一層神經元的輸入。輸入模式經過各層順次的變換后，由輸出層輸出。在各神經元間不存在反饋。感知器和誤差反向傳播網絡采用前向網絡形式。（2）、反饋網絡：該網絡結構在輸出層到輸入層存在反饋，即每一個輸入節(jié)點都有可能接受來自外部的輸入和來自輸出神經元的反饋。這種神經網絡是一種反饋動力學系統，它需要工作一段時間才能達到穩(wěn)定。（3）、自組織網絡：當神經網絡在接受外界輸入時，網絡將會分成不同的區(qū)域，不同區(qū)域具有不同的響應特征，即不同的神經元以最佳方式響應不同性質的信號激勵，從而形成一種拓撲意義上的特征圖，該圖實際上是一種非線性映射。這種映射是通過無監(jiān)督的自適應過程完成的，所以也稱為自組織特征圖。有哪幾種常用的神經網絡學習算法？常用的神經網絡學習算法：（1）、有教師學習：在學習過程中，網絡根據實際輸出與期望輸出的比較，進行聯接權系的調整，將期望輸出稱導師信號是評價學習的標準。（2）、無教師學習：無導師信號提供給網絡，網絡能根據其特有的結構和學習規(guī)則，進行聯接權系的調整，此時網絡學習評價的標準隱含于其內部。（3）、再勵學習:把學習看為試探評價過程，學習及選擇一動作作用于環(huán)境，環(huán)境的狀態(tài)改變，并產生再勵信號反饋至學習機，學習機依據再勵信號與環(huán)境當前的狀態(tài)，再選擇下一動作作用于環(huán)境，選擇的原則是使受到獎勵的可能性增大。（4）、Hebb學習規(guī)則（5）、Delta學習規(guī)則第五章 典型神經網絡BP算法的特點是什么？增大權值是否能夠使BP學習變慢？答：誤差反向傳播的BP算法簡稱BP算法，是有導師的學習，其基本思想是梯度下降法。它采用梯度搜索技術，以使網絡的實際輸出值與期望輸出值的誤差均方值為最小。學習的過程由正向傳播和反向傳播組成，在正向過程中，輸入信息由輸入層經隱層逐層處理，并傳向輸出層，每層神經元的狀態(tài)只影響下一層神經元的狀態(tài)，如果在輸出層不能得到期望的輸出，則轉至反向傳播，將誤差信號按連接通路反向計算，由梯度下降法來調整各層神經元的權值，使誤差信號減小。主要優(yōu)點：（1）非線性映射能力：無需事先了解描述這種映射關系的數學方程，只要提供足夠多的樣本模式對BP網絡進行詳細訓練，它便能完成由n維輸入空間到m輸出空間的非線性映射。（2）泛化能力：當向網絡輸入訓練時未曾見過的非樣本數據時，網絡也能完成由輸入空間向
環(huán)評公示相關推薦
鄂ICP備17016276號-1