智能控制系统

:101第五章智能控制系统第一节智能控制系统概述第二节神经网络控制第三节模糊逻辑控制第四节应用实例:102第一节智能控制概述人工智能模拟人类的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等。一、人工智能的概念:103第一节智能控制概述智能控制神经网络模糊逻辑专家系统……二、智能控制的概念:104第五章智能控制系统第一节智能控制系统概述第二节神经网络控制第三节模糊逻辑控制第四节应用实例:105第二节神经网络控制一、神经网络的概念神经网络“神经网络”与“人工神经网络”开始于McCulloch,Pitts(1943)的先驱工作:106二、MP神经元McCulloch-Pitts神经元InputsignalSynapticweightsSummingfunctionActivationfunctionOutputyx1x2xnw2wnw1)(f-θ0,00,1)sgn()sgn()(1xxxxwzfyniii其中，第二节神经网络控制:107三、神经网络结构网络的构建y=F(x)x1y1x2y2ymxn…………第二节神经网络控制:108网络的拓扑结构前向型反馈型三、神经网络结构第二节神经网络控制:109第二节神经网络控制激活函数阶跃函数线性函数Sigmoid函数baxxf)(xexf11)(f(x)x0+10,00,1)(xxxf三、神经网络结构:1010第二节神经网络控制关联权值的确定权值wi和θ确定的方法——学习（训练）有指导（导师）的学习无指导（导师）的学习三、神经网络结构:1011网络的工作过程先学习→再工作神神神神神神神神神神神神神神神神神神神神神神神神神输输输输神神神神神神神神神神神输输输输神神神神三、神经网络结构第二节神经网络控制:1012四、BP神经网络多层前向网络输出层隐藏层输入层y1y2ym…x1x2xn………………第二节神经网络控制:1013多层前向网络的学习方法——反向传播学习算法（BP，Back-PropagationNetwork）目的：确定权值方法：反向推导四、BP神经网络第二节神经网络控制:1014反向传播学习算法（BP）11liljiyljlkiy1liy)(ljlivfyljv1lkv)(1lkvfOy1ljljjiy)('ljvfjljyljlkkjy1)('kvfOdOd)](')[(kkkvfOd1lkkkkljvf)('层l层＋1l线性组合激活函数线性组合激活函数前向计算反向传播四、BP神经网络第二节神经网络控制:1015反向传播学习算法（BP）用网络的输出与实际输出之间的误差来修改其权值，使两者尽可能接近。即：使网络输出层的误差平方和达到最小。四、BP神经网络第二节神经网络控制:1016BP网络的设计（1）网络的层数增加层数可以更进一步地降低误差，提高精度，但同时也使网络复杂化，从而增加了网络权值的训练时间。四、BP神经网络第二节神经网络控制:1017BP网络的设计（2）隐含层的神经元数（3）初始权值的选取四、BP神经网络第二节神经网络控制:1018BP网络的设计（4）学习速率太大导致系统的不稳定，太小导致较长的训练时间，可选取0.01~0.8之间。（5）期望误差的选取四、BP神经网络第二节神经网络控制:1019五、神经网络建模活性污泥过程神经网络建模FinFoutFw曝气池二沉池O2进水出水废弃污泥回流污泥SsoXsoSnhoSnooSndoXndoSsSnhSnoSnd3Xbh3Xba3Xs3Xp3Xnd第二节神经网络控制:1020活性污泥过程神经网络建模废水易降解有机碳浓度Ss废水缓慢降解有机碳浓度Xs废水氨氮浓度Snh废水可溶性可降解有机氮Snd废水停留时间tim1达稳态时间稳态缓慢降解有机碳浓度Xs稳态硝态氮浓度Sno五、神经网络建模第二节神经网络控制:1021活性污泥过程神经网络建模（1）样本的获取由IAWPRC模型产生（2）数据预处理归一化五、神经网络建模第二节神经网络控制:1022活性污泥过程神经网络建模（3）建立网络结构5-6-3前向网络（4）确定初始权值随机五、神经网络建模第二节神经网络控制:1023活性污泥过程神经网络建模（5）训练神经网络权值“trainbpx”（6）模型检验五、神经网络建模第二节神经网络控制:1024五、神经网络建模活性污泥过程神经网络建模进水Ss对出水达新稳态所需时间的影响00.20.40.60.811.20.5220.5680.6140.6590.7050.750.7950.8410.8860.932进水Ss(x220mgCOD/L)达新稳态所需时间(x3.0day)进水Ss对出水Xs的影响0.40.50.60.70.80.911.10.5220.5680.6140.6590.7050.750.7950.8410.8960.931进水Ss(x220mgCOD/L)出水Xs(x186mgCOD/L)进水Xs对出水达新稳态所需时间的影响00.10.20.30.40.50.60.70.80.910.7790.8020.8260.8490.8720.8950.9190.9420.9650.988进水Xs(x430mgCOD/L)达新稳态所需时间(x2.0day)进水Xs对出水Xs的影响00.20.40.60.811.20.7790.8020.8260.8490.8720.8950.9190.9420.9650.988进水Xs(x430mgCOD/L)出水Xs(x221mgCOD/L)第二节神经网络控制:1025神经网络直接逆控制对象神经网络＋－uyry神经网络控制器被控对象六、神经网络控制第二节神经网络控制:1026神经网络自适应控制参考模型被控对象神经网络yrymuy六、神经网络控制第二节神经网络控制:1027神经网络内模控制神经网络控制器对象神经网络模型yruy六、神经网络控制第二节神经网络控制:1028第五章智能控制系统第一节智能控制系统概述第二节神经网络控制第三节模糊逻辑控制第四节应用实例:1029模糊集合的概念为了解决真实世界中普遍存在的模糊现象而发展的一门学问，用数学模型来描述语意式的模糊信息。一、模糊集合第三节模糊逻辑控制:1030模糊集合的概念如：“热”、“高”、“年轻”、“好”等公分高的程度180160Fuzzy1公分高的程度180Crisp1一、模糊集合第三节模糊逻辑控制:1031模糊集合的表示“20岁左右”模糊集可表示为：0.8/18+0.9/19+1/20+0.9/21+0.8/220.6/17+0.7/18+0.8/19+1/20+0.9/21+0.7/22+0.6/23...}),,(,),,(),,{(2211iixxxA隶属度[0,1]集合元素一、模糊集合第三节模糊逻辑控制:1032一、模糊集合第三节模糊逻辑控制2202)()(xxAex隶属度函数隶属度函数论域:1033模糊集合的运算在同一论域的2个模糊集A、B之间的运算，是求一新的模糊集C，其中各元素对C的隶属度可通过相应元素分别对A、B隶属度作相应运算而得。一、模糊集合第三节模糊逻辑控制:1034模糊集合的运算——并)()()(xxxBABA二者取大A、B并集0.7/a+0.3/b∨0.4/a+0.6/b→0.7/a+0.6/b一、模糊集合第三节模糊逻辑控制:1035模糊集合的运算——并10.50)(ix)(iBx)(iAx0255075100论域Xx)(iBAx模糊集A模糊集BAB并集一、模糊集合第三节模糊逻辑控制:1036模糊集合的运算——交0.7/a+0.3/b∧0.4/a+0.6/b→0.4/a+0.3/b)()()(xxxBABA二者取小A、B交集一、模糊集合第三节模糊逻辑控制:1037模糊集合的运算——交)(iBAxAB交集)(ix)(iBx)(iAx0255075100论域X10.50x模糊集A模糊集B一、模糊集合第三节模糊逻辑控制:1038模糊集合的运算——补0.6/a+0.7/b→0.4/a+0.3/b)(1)(xxAAA的补集一、模糊集合第三节模糊逻辑控制:1039模糊集合的运算——补)(ix)(iA