3 智能控制管控算法.pptVIP

结构振动的智能控制算法概述：模糊控制、神经网络、遗传优化;结构振动智能控制算法;结构振动智能控制算法;发展阶段;智能控制算法概述;;智能优化算法 （1）遗传算法 遗传算法是模拟生物的遗传和长期进化过程建立起来的一种有哪些信誉好的足球投注网站和优化算法，它模拟了生物界“生存竞争，优胜劣汰，适者生存”的机制，用逐次迭代法有哪些信誉好的足球投注网站寻优。与其它优化算法相比，遗传算法具有全局优化的特点，并采用编码技术，可以代替梯度算法。 （2）模拟退火算法 模拟退火算法模拟的是金属材料加温后的退火过程。模拟退火算法借助于产生函数确保状态空间各点的概率可达性。通过接受算子模拟平衡态，通过接受算子的定向变化保证算法迭代进程的方向性。 ;模糊控制 Fuzzy Control;模糊控制基本原理;模糊控制基本概念;模糊控制基本概念;模糊控制的基本思路与方法;模糊推理规则： ① 若 e 大，则 u 大 ② 若 e 中，则 u 中 ③ 若 e 小，则 u 小;0 1 2 3 4 5 u;清晰化（解/去模糊化）;② 加权平均法 ( 离散重心法 ) : 若取离散点为 ui = 0, 1, 2, 3, 4, 5 ( i= 1 ~ 6 ) 则离散模糊量为 u = 0／0 + 0.2／1 + 0.2／2 + 0.5／3 + 0.8／4 + 0.8／5;说明：;具有模糊器和解模糊器的模糊系统 ;模糊器;模糊规则库;模糊推理;解模糊器;结构振动模糊控制算例与说明;结构振动模糊控制算例与说明;结构振动模糊控制算例与说明;结构振动模糊控制算例与说明;结构振动模糊控制算例与说明;结构振动模糊控制算例与说明;结构振动模糊控制算例与说明;基于Benchmark结构地震响应控制分析;模糊控制小结;神经网络控制 Neural Network Control;;常用的输出变换函数:;2、神经元学习方法;学习方法：梯度下降法;3、简单算例 设 y = w1x1 （即 θ= 0 , f(s) = s） w1 的初值 w1(0) = 0; k; k;4、BP神经网络;梯度下降法;神经网络应用：①系统辨识;神经网络应用：② 专家控制; 神经网络与结构振动控制相结合 I; 利用其辨识的系统模型作结构对象的非线性映射模型，必要时也可以作为结构实际模型的补偿;神经网络振动控制算例与分析;神经网络振动控制算例与分析;神经网络振动控制算例与分析;5、神经网络应用??例;神经网络应用举例;神经网络应用举例;神经网络振动控制算例与分析;神经网络振动控制算例与分析;神经网络振动控制算例与分析;6、神经网络应用;7、神经网络小结;智能优化算法;起源 GA（Genetic Algorithm）是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是一种通过模拟自然进化过程(自然选择和自然遗传机制)随机有哪些信誉好的足球投注网站最优解的方法 由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了著名的《Adaptation in Natural and Artificial Systems》;1、遗传算法基本原理;遗传算法基本特点;2、基本遗传算法;基本遗传算法的几个基本概念 ;基本遗传算法的几个基本概念 ;基本遗传算法的几个基本概念 ;选择-复制　 通常做法是：对于一个规模为N的种群S,按每个染色体xi∈S的选择概率P(xi)所决定的选中机会, 分N次从S中随机选定N个染色体, 并进行复制。 ;轮盘赌选择方法;轮盘赌选择方法的实现步骤;交叉 就是互换两个染色体某些位上的基因。 ;变异 就是改变染色体某个(些)位上的基因 例如, 设染色体 s将其第三位上的0变为1, 即 s s′ s′也可以看做是原（父代）染色体s的子代染色体。;流程框图; 种群规模M 最大换代数T（遗传运算的终止进化代数） 交叉率(crossover rate)就是参加交叉运算的染色体个数占全体染色体总数的比例，记为Pc,取值范围一般为0.4～0.99。 变异率(mutation rate)是指发生变异的基因位数所占全体染色体的基因总位数的比例，记为Pm，取值范围一般为0.0001～0.1。;3、函数优化示例 ;函数优化示例;步1 在有哪些信誉好的足球投注网站空间U上定义一个适应度函数f(x)，给定种群规模N，交叉率Pc和变异率Pm，代数T； 步2 随机产生U中的N个个体s1, s2, …, sN，组成初始种群S={s1, s2, …, sN}，置代数计数器t=1； 步3 计算S中每个个体