智能控制導(dǎo)論 第4版 課件 第9、10章 復(fù)合智能控制、智能控制算法和編程

智能控制導(dǎo)論IntroductiontoIntelligentControl智能控制導(dǎo)論第4版蔡自興編著

國(guó)家精品課程配套教材中國(guó)水利水電出版社2024

Textbooks

教材第9章

復(fù)合智能控制Ch.9ComposedIntelligentControl9.1復(fù)合智能控制概述9.2模糊神經(jīng)復(fù)合控制原理9.3自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)9.3.1自學(xué)習(xí)模糊神經(jīng)控制模型9.3.2自學(xué)習(xí)模糊神經(jīng)控制算法9.3.3弧焊過程自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)9.4專家模糊復(fù)合控制器9.4.1專家模糊控制系統(tǒng)的結(jié)構(gòu)9.4.2專家模糊控制系統(tǒng)示例9.5小結(jié)第9章

復(fù)合智能控制Ch.9ComposedIntelligentControl

9.1復(fù)合智能控制概述Why?LimitationsofSingleController單一控制器往往無法滿足一些復(fù)雜、未知或動(dòng)態(tài)系統(tǒng)的控制要求,就需要開發(fā)某些復(fù)合的(或稱為集成的、綜合的、混合的)控制方法來滿足現(xiàn)實(shí)問題提出的控制要求。What?ComposedIntelligentControl

復(fù)合智能控制指的是智能控制手段（方法）與經(jīng)典控制和/或現(xiàn)代控制手段的集成，還指不同智能控制手段之間的集成。

Example:FuzzyComposedControl

模糊神經(jīng)網(wǎng)絡(luò)控制、模糊專家控制、模糊進(jìn)化控制、模糊學(xué)習(xí)控制等。神經(jīng)網(wǎng)絡(luò)專家控制系統(tǒng)就是復(fù)合智能控制系統(tǒng)的典型

充分利用神經(jīng)網(wǎng)絡(luò)和專家系典型例子各自的長(zhǎng)處和避免各自的短處而建立起來的一種智能復(fù)合控制。其結(jié)構(gòu)和功能與傳統(tǒng)專家控制系統(tǒng)基本一致，但其控制策略和控制方式完全不同?；诜?hào)的專家系統(tǒng)的知識(shí)表示是顯式的；基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)的知識(shí)表示是隱式的。其知識(shí)庫是分布在大量神經(jīng)元及其連接系數(shù)上。神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練進(jìn)行學(xué)習(xí)的功能為專家系統(tǒng)的知識(shí)獲取提供了更強(qiáng)的能力和更大的方便。

9.1復(fù)合智能控制概述（續(xù)）

9.1復(fù)合智能控制概述（續(xù)）AtrendforresearchanddevelopmentofIC

復(fù)合能否成功,不僅取決于結(jié)合前各方的固有特性和結(jié)合后“優(yōu)勢(shì)互補(bǔ)”的效果,而且也需要經(jīng)受實(shí)際應(yīng)用的檢驗(yàn)。Widefields（廣泛的領(lǐng)域）

圖9.1為一進(jìn)化模糊控制系統(tǒng)原理簡(jiǎn)圖。以模糊智能復(fù)合控制為例進(jìn)行討論，包括模糊神經(jīng)控制和模糊專家控制等。u(t)

r(t遺傳算法優(yōu)化器

受控對(duì)象模糊控制器y(t)e(t)圖9.1進(jìn)化模糊控制系統(tǒng)原理框圖技術(shù)模糊系統(tǒng)神經(jīng)網(wǎng)絡(luò)知識(shí)獲取人類專家（交互）采樣數(shù)據(jù)集合（算法）不確定性定量與定性（決策）定量（感知）推理方法啟發(fā)式搜索（低速）并行計(jì)算（高速）適應(yīng)能力較低很高（調(diào)整連接權(quán)值）表9.1模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)特性的比較9.2模糊神經(jīng)復(fù)合控制原理模糊控制可與神經(jīng)控制原理組合起來，形成新的模糊神經(jīng)復(fù)合控制系統(tǒng)。模糊神經(jīng)網(wǎng)絡(luò)綜合了模糊邏推理的結(jié)構(gòu)性知識(shí)表達(dá)能力和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力。圖9.2神經(jīng)網(wǎng)絡(luò)FNN39.2模糊神經(jīng)復(fù)合控制原理（續(xù)）要使一個(gè)系統(tǒng)能夠處理認(rèn)知的不確定性，可以把模糊邏輯與神經(jīng)網(wǎng)絡(luò)集成起來，形成模糊神經(jīng)網(wǎng)絡(luò)（FNN）FNN的概念與結(jié)構(gòu)

讓我們考慮三層前饋神經(jīng)網(wǎng)絡(luò)FNN3，見圖9.29.2模糊神經(jīng)復(fù)合控制原理（續(xù)）FNN的概念與結(jié)構(gòu)（續(xù)）

對(duì)不同類型的模糊神經(jīng)網(wǎng)絡(luò)的定義如下：定義9.1

一個(gè)正則模糊神經(jīng)網(wǎng)絡(luò)（RFNN）為一具有模糊信號(hào)和／或模糊權(quán)值的神經(jīng)網(wǎng)絡(luò)，即

①FNN1具有實(shí)數(shù)輸入信號(hào)和模糊權(quán)值；②FNN2具有模糊集輸入信號(hào)和實(shí)數(shù)權(quán)值；③FNN3具有模糊集輸入信號(hào)和模糊權(quán)值。定義9.2混合模糊神經(jīng)網(wǎng)絡(luò)（HFNN）是另一類FNN，它組合模糊信號(hào)和神經(jīng)網(wǎng)絡(luò)權(quán)值，應(yīng)用加、乘等操作獲得神經(jīng)網(wǎng)絡(luò)輸入。9.2模糊神經(jīng)復(fù)合控制原理（續(xù)）FNN的概念與結(jié)構(gòu)（續(xù)）

下面敘述FNN3的內(nèi)部計(jì)算。設(shè)FNN3具有同圖9.2一樣的結(jié)構(gòu)。輸入神經(jīng)元1和2的輸入分別為模糊信號(hào)X1和X2，于是隱含神經(jīng)元k輸入為：而第k個(gè)隱含神經(jīng)元的輸出為：若f為一S函數(shù)，則輸出神經(jīng)元的輸入為最后輸入為：9.2模糊神經(jīng)復(fù)合控制原理（續(xù)）2.FNN的學(xué)習(xí)算法模糊反向傳播算法（Back-propagationalgorithm）基于α分割的反向傳播算法遺傳算法（Geneticalgorithm）其他算法(fuzzychaoticalgorithm)3.FNN的逼近能力基于模糊運(yùn)算和擴(kuò)展原理的RFNN不可能成為通用近似器；HFNN因無需以標(biāo)準(zhǔn)模糊運(yùn)算為基礎(chǔ)則能夠成為通用近似器。9.3自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)學(xué)習(xí)控制系統(tǒng)通過與環(huán)境的交互作用，具有改善系統(tǒng)動(dòng)態(tài)特性的能力。學(xué)習(xí)控制系統(tǒng)的設(shè)計(jì)應(yīng)保證其學(xué)習(xí)控制器具有改善閉環(huán)系統(tǒng)特性的能力；學(xué)習(xí)控制系統(tǒng)能為受控裝置提供指令輸入，并從該裝置得到反饋信息。

學(xué)習(xí)控制系統(tǒng)，包括模糊學(xué)習(xí)控制系統(tǒng)、基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)控制系統(tǒng)以及自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)，近年來已在實(shí)時(shí)工業(yè)過程領(lǐng)域獲得了廣泛應(yīng)用。9.3.1自學(xué)習(xí)模糊神經(jīng)控制模型圖9.3

自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)原理圖

圖9.3給出一個(gè)用于含有不確定性過程的自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)的原理圖，圖中，模糊控制器FC把調(diào)節(jié)偏差e(t)映射為控制作用u(t)。過程的輸出信號(hào)y(t)由測(cè)量傳感器檢測(cè)。9.3.1自學(xué)習(xí)模糊神經(jīng)控制模型（續(xù)）圖9.4

自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)原理圖

模糊控制器ＦＣ可由解析公式描述如下：

用于不確定過程的ＰＭＮ模型和測(cè)量傳感器由四層反向傳播網(wǎng)絡(luò)來實(shí)現(xiàn)。

9.3.2自學(xué)習(xí)模糊神經(jīng)控制算法模糊控制器FC和神經(jīng)網(wǎng)絡(luò)模型ＰＭPMN的學(xué)習(xí)算法如下：（１）控制誤差指標(biāo)

（２）模型誤差指標(biāo)（３）ＰＭＮ模型學(xué)習(xí)算法

可用離線學(xué)習(xí)算法和在線學(xué)習(xí)算法來修改ＰＭＮ網(wǎng)絡(luò)的參數(shù)，PMN離線學(xué)習(xí)結(jié)果可用作實(shí)際不確定受控過程的參考模型。

PMN網(wǎng)絡(luò)的權(quán)值可由下式來修正：

9.3.2自學(xué)習(xí)模糊神經(jīng)控制算法（續(xù)）模糊控制器FC和神經(jīng)網(wǎng)絡(luò)模型ＰＭPMN的學(xué)習(xí)算法如下（續(xù)）：（４）FC校正參數(shù)a(t),b(t)的自適應(yīng)修改

模糊控制器FC的校正參數(shù)a(t),b(t)的修改算法9.3.3弧焊過程自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)1.弧焊控制系統(tǒng)的結(jié)構(gòu)

圖9.5弧焊控制系統(tǒng)結(jié)構(gòu)框圖9.3.3弧焊過程自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)（續(xù)）2.弧焊過程的建模與仿真

根據(jù)影響焊縫變化的主要因素即焊接電流和焊接移動(dòng)速度，建立起一個(gè)用于控制脈沖TIG弧焊的焊槽動(dòng)力學(xué)模型。該模型的輸入和輸出分別為焊接電流和焊槽頂縫寬度。并用一個(gè)四層（5-10-10-1）

的前向神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)下列映射：

應(yīng)用前面開發(fā)的自學(xué)習(xí)算法，對(duì)脈沖TIG弧焊的控制方案進(jìn)行仿真，可獲得滿意的控制效果。9.3.3弧焊過程自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)（續(xù)）3.控制弧焊過程的試驗(yàn)結(jié)果真試驗(yàn)數(shù)據(jù)：低碳鋼板厚度2mm；鎢電極直徑3mm；保護(hù)氬氣流速8ml/min；恒定焊接電流180A；直流電弧電壓12-30V。（1）控制結(jié)果表明對(duì)控制系統(tǒng)的調(diào)節(jié)效果與熟練焊工的操作作用或智能行為相似。對(duì)不確定過程的時(shí)延補(bǔ)償效果獲得明顯改善。（2）控制精度主要受控制算法和圖象處理周期的影響，并可由硬件實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的并行處理和提高計(jì)算速度來改善。9.4專家模糊復(fù)合控制器9.4.1專家模糊控制系統(tǒng)的結(jié)構(gòu)

下列給出2個(gè)專家模糊控制系統(tǒng)結(jié)構(gòu)的例子,以期對(duì)專家模糊控制系統(tǒng)結(jié)構(gòu)有個(gè)基本了解。1.艦船駕駛用專家模糊復(fù)合控制器的結(jié)構(gòu)圖9.6船艦駕駛用專家模糊復(fù)合控制器的結(jié)構(gòu)9.4.1專家模糊控制系統(tǒng)的結(jié)構(gòu)（續(xù)）2.具有辨識(shí)能力的專家模糊控制系統(tǒng)的結(jié)構(gòu)圖9.7具有辨識(shí)能力的專家模糊控制系統(tǒng)的結(jié)構(gòu)9.4.2專家模糊控制系統(tǒng)示例1.船艦駕駛中的控制問題圖9.8輪船自主導(dǎo)航的海島與海域圖

介紹圖9.6所示的船艦駕駛用專家模糊復(fù)合控制系統(tǒng)。首先解釋船艦駕駛需要的智能控制問題，討論智能控制器的作用原理；然后提供仿真結(jié)果以說明控制系統(tǒng)的性能；最后突出一些閉環(huán)控制系統(tǒng)評(píng)價(jià)中需要檢查的問題。

假定有人想開發(fā)一個(gè)智能控制器,用于駕駛貨輪往返于一些島嶼之間而無需人的干預(yù),即實(shí)現(xiàn)自主駕駛，見圖9.8。9.4.2專家模糊控制系統(tǒng)示例（續(xù)）1.船艦駕駛中的控制問題（續(xù)）

假定輪船按照?qǐng)D9.8所示的地圖運(yùn)行，輪船的初始位置由點(diǎn)A給出,終點(diǎn)位置為點(diǎn)B，虛線表示兩點(diǎn)間的首選路徑，陰影區(qū)域表示3個(gè)已知島嶼。如前所述,本受控對(duì)象船艦的輸入?yún)⒘繛樾旭偹俣萿和舵角δ,輸出參量為相對(duì)于固定軸的航向ψ和輪船在圖9.8所示的xy平面上的位置,即假定該船具有能夠提供對(duì)其當(dāng)前位置精確指示的導(dǎo)航裝置。

本專家控制器對(duì)支配推理過程的規(guī)則具有優(yōu)先權(quán)等級(jí),它以島嶼的位置為基礎(chǔ),選擇航向和速度,以使船艦?zāi)軌蛞匀祟悓＜铱赡懿捎玫穆肪€在島嶼間適當(dāng)?shù)睾叫小?/p>

本專家控制器僅用10條規(guī)則來表征船長(zhǎng)駕駛船艦通過這些具體島嶼的經(jīng)驗(yàn)。高層的專家控制器僅關(guān)注系統(tǒng)反應(yīng)較慢的問題，而低層的模糊控制器則很經(jīng)常地更新其控制輸入舵角δ。9.4.2專家模糊控制系統(tǒng)示例（續(xù)）2.系統(tǒng)仿真結(jié)果及其評(píng)價(jià)

使用專家模糊復(fù)合控制器對(duì)貨輪駕駛進(jìn)行仿真結(jié)果示于圖9.9。仿真結(jié)果表明，對(duì)專家模糊控制器使用一類啟發(fā)信息，能夠成功地駕駛貨輪從起始點(diǎn)到達(dá)目的地。

非常清楚，保證對(duì)智能控制系統(tǒng)的性能更廣泛和更仔細(xì)的工程評(píng)價(jià)和再設(shè)計(jì)是必要的。

研究如何引入更先進(jìn)的功能以期達(dá)到更高的自主駕駛水平，將是自主駕駛的一個(gè)富有成效的研究方向。圖9.8輪船駕駛的仿真結(jié)果9.5小結(jié)

本章討論復(fù)合智能控制問題。9.1節(jié)對(duì)復(fù)合智能控制進(jìn)行概述。9.2節(jié)介紹模糊神經(jīng)網(wǎng)絡(luò)的作用原理，探討模糊神經(jīng)復(fù)合控制各種方案。9.3節(jié)中介紹一個(gè)用于弧焊過程的自學(xué)習(xí)模糊神經(jīng)控制系統(tǒng)，討論該控制系統(tǒng)方案和該自學(xué)習(xí)模糊神經(jīng)控制器的算法，說明該自學(xué)習(xí)模糊神經(jīng)控制器的結(jié)構(gòu)、建模和仿真等問題。9.4節(jié)討論了專家模糊控制器的結(jié)構(gòu)，舉例介紹一種船艦駕駛用專家模糊復(fù)合控制系統(tǒng)，解釋船艦駕駛需要的智能控制問題,討論所提出的智能控制器的作用原理；然后提供了仿真結(jié)果以說明控制系統(tǒng)的性能。謝謝！

智能控制導(dǎo)論IntroductiontoIntelligentControl智能控制導(dǎo)論第4版蔡自興編著

國(guó)家精品課程配套教材中國(guó)水利水電出版社2024

Textbooks

教材第四篇智能控制的算法與算力第10章智能控制算法和編程Ch.10IntelligentControl:AlgorithmandProgramming

10.1智能控制算法的定義、特點(diǎn)與分類10.2智能控制算法的MATLAB仿真設(shè)計(jì)與實(shí)現(xiàn)10.3基于Python的深度學(xué)習(xí)框架設(shè)計(jì)10.4小結(jié)10.1智能控制算法的定義、特點(diǎn)與分類Thedefinition,characteristics,andclassificationofintelligentcontrolalgorithms

本節(jié)簡(jiǎn)介智能控制算法的定義、特點(diǎn)與分類，了解智能控制算法的基本概念，建立智能控制算法的一般認(rèn)識(shí)。10.1.1智能控制算法的定義與特點(diǎn)1.智能控制算法的定義定義10.1智能控制算法

是求解智能控制問題的一系列指令描述，代表著用系統(tǒng)方法描述智能控制問題求解的策略機(jī)制。簡(jiǎn)而言之，智能控制算法是智能控制問題求解的指令描述。本章集中討論智能控制的算法和編程問題。10.1.1智能控制算法的定義與特點(diǎn)（續(xù)）2.智能控制算法的特點(diǎn)一般來說，智能控制語言應(yīng)具備如下特點(diǎn)：

（1）同時(shí)具有符號(hào)處理和數(shù)值運(yùn)算能力，即非數(shù)值處理能力和數(shù)值處理能力。（2）適于結(jié)構(gòu)化程序設(shè)計(jì)，易于編程。能夠?qū)⑾到y(tǒng)分解成若干易于理解和處理的子系統(tǒng)，從而能夠比較容易實(shí)現(xiàn)問題求解。（3）遞歸功能和回溯功能。（4）良好的人機(jī)交互能力。（5）能夠進(jìn)行推理。（6）具有將過程與說明式數(shù)據(jù)結(jié)構(gòu)混合起來的能力，又要有辨別數(shù)據(jù)、確定控制模式匹配機(jī)制的能力。10.1.1智能控制算法的定義與特點(diǎn)（續(xù)）3.符號(hào)和邏輯處理編程語言的特點(diǎn)（1）具有表結(jié)構(gòu)形式。LISP處理對(duì)象和基本數(shù)據(jù)結(jié)構(gòu)都是符號(hào)表達(dá)式，具有一組用于表處理的基本函數(shù)，能對(duì)表進(jìn)行比較自由的操作。PROLOG處理對(duì)象的項(xiàng)，是表的特例。這類語言特別適用于符號(hào)處理。（2）便于表示知識(shí)和邏輯計(jì)算。PROLOG是以一階謂詞為基礎(chǔ)的，而一階邏輯是一種描述關(guān)系的形式語言，很接近于自然語言的描述方式。（3）具有識(shí)別數(shù)據(jù)、確定控制匹配模式和進(jìn)行自動(dòng)演繹的能力。（4）能夠建立框架結(jié)構(gòu)，便于聚集各種知識(shí)和信息，并作為一個(gè)整體存取。（5）具有以最適合特定任務(wù)的方式把程序與說明數(shù)據(jù)結(jié)合起來的能力。

（6）具有并行處理的能力。10.1.1智能控制算法的定義與特點(diǎn)（續(xù)）4.解釋型腳本語言Python的特點(diǎn)（1）可讀性Python的設(shè)計(jì)思想理念可以使用優(yōu)雅、明確、簡(jiǎn)單三個(gè)詞來總結(jié)，代碼具有極佳的可讀性。（2）簡(jiǎn)單Python是一種代表簡(jiǎn)單主義思想的語言。Python的這種偽代碼本質(zhì)是最大的優(yōu)點(diǎn)之一。（3）易學(xué)Python具有相對(duì)少的關(guān)鍵字，語法定義明確，簡(jiǎn)單易學(xué)。（4）免費(fèi)與開源Python是自由開放源碼軟件FLOSS之一?？梢宰杂墒褂盟脑创a。（5）高層語言

使用Python語言編程時(shí)，不需考慮內(nèi)存一類的細(xì)節(jié)。（6）可移植性

基于開源本質(zhì)，Python已被成功移植到許多平臺(tái)上。

（7）可解釋性

用Python語言寫的程序可以直接從源代碼運(yùn)行程序。（8）面向?qū)ο缶幊?/p>

既支持面向過程的編程也支持面向?qū)ο蟮木幊?。?）可擴(kuò)展性

可把部分程序用C或C++編寫，然后在Python程序中使用它們。（10）豐富的庫：10.1.2智能控制算法的分類

智能控制算法豐富多彩，既有顯式算法，也有隱式算法。根據(jù)算法原理的相似和差異，將智能控制算法歸納分類如下：（1）反饋型智能控制算法（2）專家控制算法（3）學(xué)習(xí)控制算法（4）仿生算法（5）馬爾可夫隨機(jī)搜索算法（6）MATLAB智能控制工具箱

（7）Python編程和開源算法（8）復(fù)合智能控制算法10.2智能控制算法的MATLAB仿真設(shè)計(jì)與實(shí)現(xiàn)MATLAB工具箱是MATLAB軟件的智能算法工具包，可實(shí)現(xiàn)多種算法，安裝對(duì)應(yīng)的MATLAB工具箱后即可直接調(diào)用對(duì)應(yīng)的算法和函數(shù)，便于使用。MATLAB工具箱包括MATLAB遺傳算法工具箱、MATLAB模糊控制工具箱、MATLAB神經(jīng)網(wǎng)絡(luò)工具箱、MATLABsvm工具箱、MATLAB小波工具箱、MATLABmpt工具箱等。10.2.1MATLAB模糊控制工具箱簡(jiǎn)介MATLAB模糊邏輯工具箱的模糊推理系統(tǒng)(fuzzyinferencesystem，F(xiàn)IS)包括五個(gè)部分，即規(guī)則編輯器、FIS編輯器、隸屬函數(shù)編輯器、規(guī)則觀察器、界面觀察器,如圖14.1所示。10.2.1MATLAB模糊控制工具箱簡(jiǎn)介（續(xù)）MATLAB工具箱的圖形用戶接口(GUI)工具的5個(gè)基本組成部分可以相互作用并交換信息。它們中任意一個(gè)可以對(duì)工作空間和磁盤進(jìn)行讀和寫，只讀型觀察器仍可與工作空間或磁盤交換圖形。對(duì)于任意模糊推理系統(tǒng)，可以打開任意或所有5個(gè)GUI組件。若對(duì)一個(gè)系統(tǒng)打開一個(gè)以上編輯器，各種GUI窗口可知其他GUI窗口的存在。編輯器可同時(shí)打開任意數(shù)量的不同的FIS系統(tǒng)。FIS編輯器、隸屬度函數(shù)編輯器和規(guī)則編輯器都可讀寫或修改FIS數(shù)據(jù)。圖10.1MATLAB模糊邏輯工具箱的5個(gè)組成部分10.2.1MATLAB模糊控制工具箱簡(jiǎn)介（續(xù)）

下面將根據(jù)模糊控制器的設(shè)計(jì)步驟，簡(jiǎn)要介紹如何利用MATLAB工具箱的圖形用戶接口工具來設(shè)計(jì)模糊控制器。

首先，在MATLAB的命令窗口（commandwindow）中輸入“fuzzy”命令即可打開FIS編輯器，見圖14.2。然后，定義與每個(gè)變量相關(guān)的隸屬度函數(shù)，為此打開隸屬度函數(shù)編輯器?？梢杂孟铝?種方法之一打開隸屬度函數(shù)編輯器：(1)打開Edit下拉式菜單并選擇MembershipFunctions…；(2)雙擊相應(yīng)變量的圖標(biāo)；(3)在命令行鍵入mfedit。最后，為調(diào)用規(guī)則編輯器，打開Edit下拉式菜單并選擇MembershipFunctions…,或在命令行鍵入ruleedit。圖10.2FIS編輯器窗口10.2.2模糊控制算法的仿真程序設(shè)計(jì)與實(shí)現(xiàn)圖10.3水箱液位模糊控制系統(tǒng)仿真結(jié)構(gòu)圖一個(gè)水箱液位模糊控制系統(tǒng)

其仿真結(jié)構(gòu)圖圖如圖10.3所示。

10.2.2模糊控制算法的仿真程序設(shè)計(jì)與實(shí)現(xiàn)（續(xù)）圖10.4水箱液位模糊控制仿真結(jié)果在Simulink環(huán)境下運(yùn)行，得到水箱液位模糊控制系統(tǒng)。從圖中可以看出系統(tǒng)的實(shí)際輸出液位能及時(shí)跟蹤給定的液位方波信號(hào)，超調(diào)量為4.1%，穩(wěn)定性能很好，輸出液位信號(hào)響應(yīng)時(shí)間約6s，穩(wěn)態(tài)誤差控制在5%之內(nèi)，達(dá)到了良好的控制性能指標(biāo)。水箱液位模糊控制的效果優(yōu)于水箱液位PID控制的效果。

圖10.5水箱液位PID控制仿真結(jié)果一個(gè)水箱液位模糊控制系統(tǒng)（續(xù)）10.2.3MATLAB神經(jīng)網(wǎng)絡(luò)工具箱圖形用戶界面設(shè)計(jì)

MATLAB神經(jīng)網(wǎng)絡(luò)工具箱圖形用戶界面

圖形用戶界面又稱圖形用戶接口(graphicaluserinterface，GUI)是指采用圖形方式顯示計(jì)算機(jī)操作用戶界面。利用MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱，可使用戶更加友好與快捷。GUI的Network/DataManager窗口，是一個(gè)獨(dú)立窗口。在MATLAB命令行窗口中輸入nntool后按回車鍵，出現(xiàn)圖10.6所示的Network/DataManager窗口。圖10.6Network/DataManager窗口

輸出欲

延遲時(shí)間

輸入欲延遲時(shí)間誤差值目標(biāo)輸入值輸入值輸出值構(gòu)建的網(wǎng)絡(luò)10.2.4基于Simulink的神經(jīng)網(wǎng)絡(luò)模塊工具箱及其控制仿真Simulink是MATLAB中的軟件包，采用模塊描述系統(tǒng)的典型環(huán)節(jié)。因此，是面向結(jié)構(gòu)的動(dòng)態(tài)系統(tǒng)仿真軟件，適合用于連續(xù)線性與非線性系統(tǒng)、離散線性與非線性系統(tǒng)以及混合系統(tǒng)，具有可視化特點(diǎn)。應(yīng)用Simulink構(gòu)建設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)有兩條途徑：(1)在神經(jīng)網(wǎng)絡(luò)工具箱提供可在Simulink中構(gòu)建網(wǎng)絡(luò)的模塊。(2)在MATLAB工作空間中設(shè)計(jì)的網(wǎng)絡(luò)，能用函數(shù)gensim()很方便地生成相應(yīng)的Simulink模型網(wǎng)絡(luò)。圖10.7神經(jīng)網(wǎng)絡(luò)工具箱子模塊窗口Simulink神經(jīng)網(wǎng)絡(luò)模塊各子模塊庫于下：傳遞函數(shù)模塊庫；網(wǎng)絡(luò)輸入模塊庫；權(quán)值設(shè)置模塊庫；控制系統(tǒng)模塊庫；過程處理模塊庫

深度學(xué)習(xí)框架是一款軟件，它屏蔽底層硬件復(fù)雜、繁瑣的使用方式，對(duì)外提供簡(jiǎn)單應(yīng)用的功能函數(shù)，提供了一種快速、高效、可擴(kuò)展的手段來構(gòu)建和訓(xùn)練各種深度學(xué)習(xí)模型。深度學(xué)習(xí)框架需要具備下列性能：(1)能夠支持多種深度學(xué)習(xí)算法和模型(2)具備良好的可擴(kuò)展性和可移植性(3)能夠提供高效的計(jì)算和存儲(chǔ)機(jī)制(4)能夠提供靈活的部署和集成方式(5)能夠關(guān)注用戶體驗(yàn)和易用性10.3基于Python的深度學(xué)習(xí)框架設(shè)計(jì)10.3.1Python語言簡(jiǎn)介吉多·范羅蘇姆1.Python發(fā)展簡(jiǎn)史

荷蘭人吉多·范羅蘇姆（GuidovanRossum）于1989年開始開發(fā)了一個(gè)新的腳本解釋程序，作為ABC語言的一種繼承，并以Python（大蟒蛇）作為該編程語言的名稱。Python自誕生之日起就是一種天生開放的語言。2000年10月，Python2.0發(fā)布。自2004年開始，Python語言逐漸引起廣泛關(guān)注，使用用戶率呈線性增長(zhǎng)。2008年12月Python3.0發(fā)布。此后，Python語言成為最受歡迎的程序設(shè)計(jì)語言之一。2.Python版本

Python目前有兩個(gè)版本，分別為Python2.x版和Python3.x版。這兩個(gè)版本是不兼容的，3.x版本不考慮對(duì)2.x版本的向后兼容?！綪ython2與Python3的主要區(qū)別】

打印語句

整數(shù)除法Range函數(shù)

字符編碼

輸入函數(shù)

異常處理

……10.3.1Python簡(jiǎn)介（續(xù)）3.Python的特點(diǎn)（1）簡(jiǎn)單：Python是一種代表簡(jiǎn)單主義思想的語言。（2）易學(xué)：Python具有相對(duì)少的關(guān)鍵字，語法定義明確，簡(jiǎn)單易學(xué)。（3）免費(fèi)、開源：Python是自由/開放源碼軟件FLOSS之一。。（4）高層語言：使用Python語言編程時(shí)，不需要考慮使用內(nèi)存一類的細(xì)節(jié)。（5）可移植性：由于其開源本質(zhì)，Python已被成功移植到許多平臺(tái)上。（6）可解釋性：Python語言寫的程序可以直接從源代碼運(yùn)行程序。（7）面向?qū)ο缶幊蹋篜ython既支持面向過程編程也支持面向?qū)ο缶幊獭＃?）可擴(kuò)展性：可把部分程序用C或C++編寫，然后在程序中使用。（9）豐富的庫：Python標(biāo)準(zhǔn)庫非常龐大，可以處理各種工作。（10）代碼規(guī)范：Python采用強(qiáng)制縮進(jìn)方式使得代碼具有極佳的可讀性。10.3.1Python簡(jiǎn)介（續(xù)）10.3.2深度學(xué)習(xí)框架的發(fā)展深度學(xué)習(xí)框架深度學(xué)習(xí)框架的發(fā)展過程10.3.2深度學(xué)習(xí)框架的發(fā)展（續(xù)）

目前，深度學(xué)習(xí)框架朝著支持超大規(guī)模模型和更好可用性的趨勢(shì)發(fā)展。

首先是大型模型訓(xùn)練。隨著BERT（來自Transformers的雙向編碼表示）及其近親GPT-3的誕生，訓(xùn)練大型甚至超大規(guī)模模型的能力成為了深度學(xué)習(xí)框架的理想特性。深度學(xué)習(xí)框架能夠在數(shù)百臺(tái)設(shè)備規(guī)模下有效地進(jìn)行訓(xùn)練。第二個(gè)趨勢(shì)是可用性。深度學(xué)習(xí)框架都采用命令式編程風(fēng)格，語義靈活，調(diào)試方便。同時(shí)，這些框架還提供了用戶級(jí)的裝飾器或API，以通過一些JIT（即時(shí)）編譯器技術(shù)實(shí)現(xiàn)高性能編程。（1）Tensorflow

TensorFlow命名來源于本身的原理，Tensor（張量）意味著N維數(shù)組，F(xiàn)low（流）意味著基于數(shù)據(jù)流圖的計(jì)算。Tensorflow運(yùn)行過程就是張量從圖的一端流動(dòng)到另一端的計(jì)算過程?！綯ensorFlow優(yōu)勢(shì)】高度的靈活性可移植性自動(dòng)求微分多種語言支持性能高度優(yōu)化10.3.3深度學(xué)習(xí)開源框架比較（2）PyTorchZ

Pytorch是Torch的Python版本，由Facebook開源的神經(jīng)網(wǎng)絡(luò)框架，專門針對(duì)GPU加速的深度神經(jīng)網(wǎng)絡(luò)編程。與Tensorflow的靜態(tài)計(jì)算圖不同，pytorch的計(jì)算圖是動(dòng)態(tài)的，可以根據(jù)計(jì)算需要實(shí)時(shí)改變計(jì)算圖。【Pytorch優(yōu)勢(shì)】簡(jiǎn)潔速度易用活躍的社區(qū)10.3.3深度學(xué)習(xí)開源框架比較（續(xù)）（3）PaddlePaddle

PaddlePaddle由百度公司在2016年9月推出。至此，百度公司成為繼谷歌、臉書、IBM之后另一個(gè)將人工智能技術(shù)開源的科技巨頭，同時(shí)也是國(guó)內(nèi)首個(gè)開源深度學(xué)習(xí)平臺(tái)的科技公司。Paddle的全稱是ParallelDistributedDeepLearning，即并行分布式深度學(xué)習(xí)，是在百度公司內(nèi)部已經(jīng)使用多年的框架。【PaddlePaddle優(yōu)勢(shì)】易用代碼更簡(jiǎn)潔更快的速度10.3.3深度學(xué)習(xí)開源框架比較（續(xù)）（4）MindSpore

MindSpore是華為公司推出的新一代深度學(xué)習(xí)框架，是源于全產(chǎn)業(yè)的最佳實(shí)踐，最佳匹配昇騰處理器算力，支持終端、邊緣、云全場(chǎng)景靈活部署，開創(chuàng)全新的AI編程范式，降低AI開發(fā)門檻?！綧indSpore優(yōu)勢(shì)】編程簡(jiǎn)單端云協(xié)同調(diào)試輕松性能卓越開源開放10.3.3深度學(xué)習(xí)開源框架比較（續(xù)）張量幾何代數(shù)中定義的張量是基于向量和矩陣的推廣，通俗一點(diǎn)理解的話，可以將標(biāo)量視為零階張量，矢量視為一階張量，那么矩陣就是二階張量。舉例來說，可以將任意一張RGB彩色圖片表示成一個(gè)三階張量（三個(gè)維度分別是圖片的高度、寬度和色彩數(shù)據(jù)）。一張普通的水果圖片，按照RGB三原色表示可以拆分為紅色、綠色和藍(lán)色的三張灰度圖片。這種表示方法可用張量形式寫出來。

水果圖片RGB三原色灰度圖與對(duì)應(yīng)的張量10.3.4深度學(xué)習(xí)框架基本功能2.計(jì)算圖有了張量和基于張量的各種操作之后，下一步就是將各種操作整合起來，輸出需要的結(jié)果。各操作之間的關(guān)系難以理清，有可能引發(fā)各種意想不到的問題，計(jì)算圖正是為解決這些問題產(chǎn)生的。圖中用不同的占位符（*，+，-，sin）構(gòu)成操作結(jié)點(diǎn)，以字母x、a、b構(gòu)成變量結(jié)點(diǎn)，再以有向線段將