智能控制考试复习提纲.docVIP

第一章 绪论 1.智能控制是一门控制理论课程，研究如何运用人工智能的方法来构造控制系统和设计控制器。 2.产生的背景和各种控制的特点 P1 #对由微分方程和差分方程描述的动力学系统进行控制 研究的是单变量常系数线性系统 只适用于单输入单输出控制系统(SISO) #控制对象由单输入单输出系统转变为多输人多输出系统； 系统信息的获得由借助传感器转变为借助状态模型； 研究方法由积分变换转向矩阵理论、几何方法，由频率方法转向状态空间的研究； 由机理建模向统计建模转变，开始采用参数估计和系统辨识理论 适用大型、复杂、高维、非线性和不确定性严重的对象 #不依赖对象模型，适用于未知或不确定性严重的对象 具有人类智能的特征 能够表达定性的知识或具有自学习能力 智能控制的两个发展方向：模拟人类的专家控制经验来进行控制 模拟人类的学习能力来进行控制 4.智能控制的定义和特点 P3 5.智能控制的集中主要形式 P4 A基于信息论的分级递阶智能控(各级的作用） B以模糊系统理论为基础的模糊控制（优点） C基于脑模型的神经网络控制 D基于知识工程的专家控制系统 E基于规则的仿人智能控制 F各种方法的综合集成 智能控制的研究方向和趋势 P7 第二章 模糊控制的数学基础（主要是计算） 模糊集合，隶属度函数及其表示方法，模糊运算，λ水平截集 模糊关系 模糊关系的运算（简单） 模糊关系的合成：设R是论域U×V上的模糊关系，S是论域V×W上的模糊关系则R和S可以合成为论域U×W上的一个新的模糊关系C，记做， 运算法则：按矩阵乘法，R的行和S的列先交后并。 模糊变换 B=AR（A为原象，B为象，R为模糊变换） 模糊决策 语言规则中蕴涵的模糊关系（语言变量） 简单条件语句：A如果……那么…… B如果……那么……否则…… 多重条件语句（二维模糊语句）：如果e是A，并且ec是B，那么u是C（例题2-16） （注意：这里是写成列向量的形式，下面的多输入单规则是写成行向量的形式） 模糊推理：语言控制规则中蕴涵的模糊关系+输入情况=输出情况 单输入单规则Zadeh法（例题2-17）；Mamdani法（适配度，削顶法） 多输入单规则（例题2-18） 第三章 模糊控制器的设计方法 模糊控制的工作原理P32，模糊控制的基本思想P31 模糊控制器的结构和设计 A模糊化接口（定义语言变量的过程，语言变量论域的设计：通过引入量化因子ke、kec和比例因子ku来实现实际的连续域到有限整数离散域的转换，各语言值的隶属函数曲线形状AND分布对控制性能的影响，清晰性、完备性） 模糊化过程具体的步骤（P37） 第一步 将实际检测的系统误差和误差变化率量化为模糊控制器的输入。 假设实际检测的系统误差和误差变化率分别为e*和ec*，可以通过量化因子将其量化为模糊控制器的输入E*和EC*。 第二步 将模糊控制器的精确输入E*和EC*通过模糊化接口转化为模糊输入A*和B*。 将E*和EC*所对应的隶属度最大的模糊值当作当前模糊控制器的模糊输入量A*和B*。 B规则库（规则的生成方法，规则总结时要注意的问题） C模糊推理（P37） D清晰化接口（最大隶属度方法、加权平均法 P38） 模糊查询表、模糊控制器的工作过程（6个步骤） P39 模糊控制器的设计内容 P40 模糊控制的优缺点及改进方法 P40 A模糊比例控制器 B模糊—PI复合控制：（1）双模控制（2）串联控制（3）并联控制（控制原理） C自校正模糊控制：（1）参数自校正模糊控制器（步骤描述P43）： 量化因子Ｋe、Ｋec和比例因子Ｋu对控制性能的影响 P42 Ke、Kec、Ku的调整方法 P42 模糊参数调制器 P42 注：这里有个Ke、Kec、Ku为什么这么调节的原因 （1）降低Ke和Kec可以降低对e和ec输入量的分辨率,使得e、ec的减少不致于使控制器的减少太多。加大比例