智能控制習(xí)題答案(同名22503)(編輯修改稿)
2025-07-16 03:22 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 ， 5個(gè)模糊集，則誤差變化劃分表為：隸屬度變化等級(jí)3210123模糊集PB000001PS000010ZE00100NS010000NB100000控制電壓變化劃分表為：隸屬度變化等級(jí)3210123模糊集PB000001PS000010ZE00100NS010000NB100000根據(jù)一上兩表設(shè)計(jì)一下模糊規(guī)則：若負(fù)大，則正大；若負(fù)小，則正??；若為0，則為0；若正小，則負(fù)小；若正大，則負(fù)大。模糊控制規(guī)則表為：若（if）NLeNSe0ePSePLE則（then）NLuNSU0uPSuPLu已知被控對(duì)象為G（s)=rac{1}{10s+1}。假設(shè)系統(tǒng)給定為階躍值r=30，系統(tǒng)初始值r(0)=0，試分別設(shè)計(jì)： （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(duì)上述3種控制器進(jìn)行Matlab仿真，并比較控制效果。解：（1）常規(guī)的PID控制器的設(shè)計(jì)：a) 常規(guī)的PID控制器的設(shè)計(jì)原理圖：b)在matlab中simulink仿真圖如下：第四章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)生物神經(jīng)元模型的結(jié)構(gòu)功能是什么？答：生物神經(jīng)元結(jié)構(gòu)：（1）、細(xì)胞體：由細(xì)胞核、細(xì)胞質(zhì)和細(xì)胞膜等組成。（2）、樹突：胞體上短而多分枝的突起。相當(dāng)于神經(jīng)元的輸入端，接受傳入的神經(jīng)沖動(dòng)。（3）、軸突：胞體上最長(zhǎng)枝的突起，也稱神經(jīng)纖維。端部有很多神經(jīng)末稍傳出神經(jīng)沖動(dòng)。（4）、突觸：神經(jīng)元間的連接接口，每個(gè)神經(jīng)元約有1萬(wàn)~10萬(wàn)個(gè)突觸。神經(jīng)元通過(guò)其軸突的神經(jīng)末稍，經(jīng)突觸與另一神經(jīng)元的樹突聯(lián)接，實(shí)現(xiàn)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(jīng)元間聯(lián)接的柔性，稱為結(jié)構(gòu)的可塑性。（5）、細(xì)胞膜電位：神經(jīng)細(xì)胞在受到電的、化學(xué)的、機(jī)械的刺激后，能產(chǎn)生興奮，此時(shí)，細(xì)胞內(nèi)外有電位差，稱膜電位。電位膜內(nèi)為正，膜外為負(fù)。生物神經(jīng)元功能：（1）、興奮與抑制當(dāng)傳入神經(jīng)元的沖動(dòng)，經(jīng)整合，使細(xì)胞膜電位升高，超過(guò)動(dòng)作電位的閾值時(shí)，為興奮狀態(tài)，產(chǎn)生神經(jīng)沖動(dòng)，由軸突經(jīng)神經(jīng)末稍傳出。當(dāng)傳入神經(jīng)元的沖動(dòng)，經(jīng)整合，使細(xì)胞膜電位降低，低于閾值時(shí)，為抑制狀態(tài)，不產(chǎn)生神經(jīng)沖動(dòng)。（2）、學(xué)習(xí)與遺忘由于神經(jīng)元結(jié)構(gòu)的可塑性，突觸的傳遞作用可增強(qiáng)與減弱，因此，神經(jīng)元有學(xué)習(xí)與遺忘的功能。人工神經(jīng)元模型的特點(diǎn)是什么？答：人工神經(jīng)元模型的特點(diǎn)：（1）、神經(jīng)元及其聯(lián)接；（2）、神經(jīng)元間的聯(lián)接強(qiáng)度決定信號(hào)傳遞的強(qiáng)弱；（3）、神經(jīng)元間的聯(lián)接強(qiáng)度是可以隨訓(xùn)練改變的；（4）、信號(hào)是可以起刺激作用的，也可以起抑制作用；（5）、一個(gè)神經(jīng)元接受的信號(hào)的累積效果決定該神經(jīng)元的狀態(tài)；（6）、每個(gè)神經(jīng)元可以有一個(gè)“閾值”。人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是什么？如何分類？答：人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)：（1）、非線性（2）、分布處理（3）、學(xué)習(xí)并行和自適應(yīng)（4）、數(shù)據(jù)融合（5）、適用于多變量系統(tǒng)（6）、便于硬件實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)的分類：根據(jù)神經(jīng)網(wǎng)絡(luò)的連接方式，神經(jīng)網(wǎng)絡(luò)可分為三種形式：（1）、前向網(wǎng)絡(luò)：神經(jīng)元分層排列，組成輸入層、隱含層和輸出層。每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入。輸入模式經(jīng)過(guò)各層順次的變換后，由輸出層輸出。在各神經(jīng)元間不存在反饋。感知器和誤差反向傳播網(wǎng)絡(luò)采用前向網(wǎng)絡(luò)形式。（2）、反饋網(wǎng)絡(luò)：該網(wǎng)絡(luò)結(jié)構(gòu)在輸出層到輸入層存在反饋，即每一個(gè)輸入節(jié)點(diǎn)都有可能接受來(lái)自外部的輸入和來(lái)自輸出神經(jīng)元的反饋。這種神經(jīng)網(wǎng)絡(luò)是一種反饋動(dòng)力學(xué)系統(tǒng)，它需要工作一段時(shí)間才能達(dá)到穩(wěn)定。（3）、自組織網(wǎng)絡(luò)：當(dāng)神經(jīng)網(wǎng)絡(luò)在接受外界輸入時(shí)，網(wǎng)絡(luò)將會(huì)分成不同的區(qū)域，不同區(qū)域具有不同的響應(yīng)特征，即不同的神經(jīng)元以最佳方式響應(yīng)不同性質(zhì)的信號(hào)激勵(lì)，從而形成一種拓?fù)湟饬x上的特征圖，該圖實(shí)際上是一種非線性映射。這種映射是通過(guò)無(wú)監(jiān)督的自適應(yīng)過(guò)程完成的，所以也稱為自組織特征圖。有哪幾種常用的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法？常用的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法：（1）、有教師學(xué)習(xí)：在學(xué)習(xí)過(guò)程中，網(wǎng)絡(luò)根據(jù)實(shí)際輸出與期望輸出的比較，進(jìn)行聯(lián)接權(quán)系的調(diào)整，將期望輸出稱導(dǎo)師信號(hào)是評(píng)價(jià)學(xué)習(xí)的標(biāo)準(zhǔn)。（2）、無(wú)教師學(xué)習(xí)：無(wú)導(dǎo)師信號(hào)提供給網(wǎng)絡(luò)，網(wǎng)絡(luò)能根據(jù)其特有的結(jié)構(gòu)和學(xué)習(xí)規(guī)則，進(jìn)行聯(lián)接權(quán)系的調(diào)整，此時(shí)網(wǎng)絡(luò)學(xué)習(xí)評(píng)價(jià)的標(biāo)準(zhǔn)隱含于其內(nèi)部。（3）、再勵(lì)學(xué)習(xí):把學(xué)習(xí)看為試探評(píng)價(jià)過(guò)程，學(xué)習(xí)及選擇一動(dòng)作作用于環(huán)境，環(huán)境的狀態(tài)改變，并產(chǎn)生再勵(lì)信號(hào)反饋至學(xué)習(xí)機(jī)，學(xué)習(xí)機(jī)依據(jù)再勵(lì)信號(hào)與環(huán)境當(dāng)前的狀態(tài)，再選擇下一動(dòng)作作用于環(huán)境，選擇的原則是使受到獎(jiǎng)勵(lì)的可能性增大。（4）、Hebb學(xué)習(xí)規(guī)則（5）、Delta學(xué)習(xí)規(guī)則第五章 典型神經(jīng)網(wǎng)絡(luò)BP算法的特點(diǎn)是什么？增大權(quán)值是否能夠使BP學(xué)習(xí)變慢？答：誤差反向傳播的BP算法簡(jiǎn)稱BP算法，是有導(dǎo)師的學(xué)習(xí)，其基本思想是梯度下降法。它采用梯度搜索技術(shù)，以使網(wǎng)絡(luò)的實(shí)際輸出值與期望輸出值的誤差均方值為最小。學(xué)習(xí)的過(guò)程由正向傳播和反向傳播組成，在正向過(guò)程中，輸入信息由輸入層經(jīng)隱層逐層處理，并傳向輸出層，每層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)，如果在輸出層不能得到期望的輸出，則轉(zhuǎn)至反向傳播，將誤差信號(hào)按連接通路反向計(jì)算，由梯度下降法來(lái)調(diào)整各層神經(jīng)元的權(quán)值，使誤差信號(hào)減小。主要優(yōu)點(diǎn)：（1）非線性映射能力：無(wú)需事先了解描述這種映射關(guān)系的數(shù)學(xué)方程，只要提供足夠多的樣本模式對(duì)BP網(wǎng)絡(luò)進(jìn)行詳細(xì)訓(xùn)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(dāng)向網(wǎng)絡(luò)輸入訓(xùn)練時(shí)未曾見過(guò)的非樣本數(shù)據(jù)時(shí)，網(wǎng)絡(luò)也能完成由輸入空間向
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1