智能控制实验报告.pdf

智能控制课内实验报告 （3 次） 学 院： 自动化学院 班 级： 智能 姓 名： 学 号： 智能控制课内实验（ 1） 模糊控制器的设计 学 院： 自动化学院 姓 名： 班 级： 学 号： 日 期： 2017-9-30 实验 1.1 模糊控制器的设计 一、实验目的 在 matlab 环境下，完成一个对水位控制的模糊控制器的设计。 二、实验内容 （1）确定控制器的输入、输出的隶属度函数 偏差 e(t) ：e(t)=r(t) －c(t) 负反馈 三个模糊子集 “负大 ”( 水位高）、 “零 ”和 “正大 ”（水位低）。 偏差变化率： de ， 三个模糊子集 “负大 ”（高趋势）、 “零 ”和 “正大 ”（低趋势）。 控制量 u： “负大 ”、 “负中 ”、 “零 ”、 “正中 ”、 “正大 ”。 Matlab 操作方法： 打开 matlab 在命令行输入： fuzzy 出现下图界面： 在上图选择“ edit ”出现下图：选择“ Add Variable-- Input ”再添加输入 这样就建立了两个输入，一个输出的模糊控制器。 再修改输入、输出的各参数： input1 改为 e ；input2 改为 de; output1 改为 u ; 如下图： 双击“ e ” , 修改模糊子集： 如下图修改 e 的负大：注意各参数的设置 修改好的 e 的模糊子集如下图： 用同样的方法修改 de 如下图： 修改 u 的方法如下图：需要 5 个模糊子集 添加模糊子集的方法：在“ edit ”菜单下选择“ Add Custom MF” 下图是对 ”O”这个模糊子集的设置： 设置好的 u 的模糊子集如下图： (2) 添加规则的方法： 添加规则的界面如下： 这样一个模糊推理控制器就建立完毕了。 （3）利用模糊控制器可以得到规则曲面以及根据输入得到输出 如上图操作可以得到规则曲面： 如下图可以得到规则的推理结果： 改变上图 e 和 de 的值，可以看到 u 的不同的输出。 然后可以把该系统存为 tank.fis. 三、写出实验的心得体会 总结建立模糊控制器的方法。 实验 1.2 神经网络工具箱的应用 二．神经网络工具箱函数 最新版的 MATLAB神经网络工具箱为 Version4.0.3, 它几乎涵盖了所有的神 经网络的基本常用类型， 对各种网络模型又提供了各种学习算法， 我们可以根据 自己的需要调用工具箱中的有关设计与训练函数， 很方便地进行神经网络的设计 和仿真。目前神经网络工具箱提供的神经网络模型主要用于： 1. 数逼近和模型拟合； 2. 信息处理和预测； 3. 神经网络控制； 4. 故障诊断。 神经网络工具箱提供了丰富的工具函数，其中有针对某一种网络的，也有通 用的，下面列表中给出了一些比较重要的工具箱函数。 三．仿真实例 BP 网络是一种多层前馈神经网络，由输入层、隐层和输出层组成。 BP 网络 模型结构见图 1。网络同层节点没有任何连