智能控制理论及应用 配套课件.ppt

水箱液位模糊控制响应曲线注：与PID控制器的结果比较，模糊控制的仿真结果并不理想。第12章12.3.1Mamdani模糊控制器12.3.2PID参数模糊自整定控制器通过设计模糊系统来自适应地整定PID的参数；根据输入的大小来确定PID的三个参数的变化；关键就是模糊规则的制定。第12章12.3.2PID参数模糊自整定控制器PID参数模糊自整定控制器模糊整定器的参数设置第12章12.3.2PID参数模糊自整定控制器三个变量的隶属函数e的隶属函数（模糊PID）ec的隶属函数（模糊PID）输出变量的隶属函数第12章12.3.2PID参数模糊自整定控制器PID参数模糊自整定控制器模糊控制器的控制规则表第12章12.3.2PID参数模糊自整定控制器PID参数模糊自整定控制器PID参数模糊自整定控制的仿真图第12章12.3.2PID参数模糊自整定控制器水箱液位PID参数模糊自整定控制的仿真结果系统超调量为1.13%，峰值时间21.09min，误差5%的调节时间为13.99min，误差2%的调节时间为15.37min。与模糊控制效果相比，响应速度变快与传统PID控制效果相比，响应速度加快，且超调较小；由于该算法可以根据偏差和偏差变化自适应地调整PID参数，因此控制效果最优。第12章12.3.2PID参数模糊自整定控制器12.4神经网络自整定PID控制器的设计及实现

第12章12.4神经网络自整定PID控制器的设计及实现12.4神经网络自整定PID控制器的设计及实现

第12章12.4神经网络自整定PID控制器的设计及实现主要内容13.1油轮航向模型13.2神经网络控制器设计及实现13.3模糊控制器设计及实现*13.1油轮航向模型非线性系统速度u方向x表示航向角（弧度表示）表示舵角输入（弧度表示）表示期望的航向角*第13章13.1油轮航向模型基于BP神经网络的油轮航向控制系统结构框图13.2.1BP神经网络控制器第13章13.2.1BP神经网络控制器BP神经网络结构图BP神经网络采用3层结构，包含一个隐层，隐层节点5个；隐含层激活函数为Sigmoid函数；输出层激活函数为purelin函数。误差函数：权值更新：*第13章13.2.1BP神经网络控制器神经网络控制器的算法训练步骤第13章13.2.1BP神经网络控制器航向响应曲线第13章13.2.1BP神经网络控制器基于径向基神经网络的油轮航向控制系统结构框图13.2.2RBF神经网络控制器输入:误差e及误差变化率de;输出:舵角第13章13.2.2RBF神经网络控制器*RBF神经网络的输入RBF神经网络的输出第13章13.2.2RBF神经网络控制器*高斯函数作为径向基函数第13章13.2.2RBF神经网络控制器航向响应曲线第13章13.2.2RBF神经网络控制器13.3模糊控制器设计及实现游轮航向模糊控制系统框图第13章13.3模糊控制器设计及实现模糊控制器的设计偏差和偏差变化的隶属函数输出的隶属函数第13章13.3模糊控制器设计及实现模糊规则表控制结果*图13-13模糊控制结果（ke=2/pi,kde=250,ku=8*pi/18）第13章13.3模糊控制器设计及实现主要内容11.2.1引言11.2.2基本粒子群优化算法11.2.3粒子群优化算法的实现流程11.2.4仿真示例11.2.1引言--PSO的起源1995年，由JamesKennedy和RussEberhart共同提出[Kennedy,J.andEberhart,R.(1995).“ParticleSwarmOptimization”,Proceedingsofthe1995IEEEInternationalConferenceonNeuralNetworks,pp.1942-1948,IEEEPress.](/~zxue/Evacuation_Research/Other_models/pso.pdf)受鸟群和鱼群社会行为的启发。它是一种基于群体的随机优化技术。第11章11.2.1引言第11章11.2.1引言11.2.1引言11.2.2基本粒子群优化算法每个寻优的问题解都被想像成一只鸟，我们也称为粒子。