智能控制實(shí)驗(yàn)報(bào)告VIP

1、精品M曲美邦雷大學(xué)xrAMUftliVEFrTVOFPOfTSATiglECO*!HUMICONSu智能控制課內(nèi)實(shí)驗(yàn)報(bào)告（3次）學(xué)院：自動(dòng)化學(xué)院班級(jí)：智能姓名：學(xué)號(hào)：感謝下載載的關(guān)邦雷大號(hào)UiHIMERSmrOFIHMFS11nTSIECCkMMUNIC智能控制課內(nèi)實(shí)驗(yàn)（1）模糊控制器的設(shè)計(jì)學(xué)院：自動(dòng)化學(xué)院姓名：班級(jí)：學(xué)號(hào)：日期：2017-9-30實(shí)驗(yàn)1.1模糊控制器的設(shè)計(jì)-、實(shí)驗(yàn)?zāi)康脑趍atlab環(huán)境下，完成一個(gè)對(duì)水位控制的模糊控制器的設(shè)計(jì)。二、實(shí)驗(yàn)內(nèi)容(1)確定控制器的輸入、輸出的隸屬度函數(shù)偏差e(t):e(t)=r(t)c(t)負(fù)反饋三個(gè)模糊子集負(fù)大”(水位高)、零“和正大”(水位低)偏

2、差變化率：de,三個(gè)模糊子集負(fù)大”(高趨勢(shì))、零”和正大”(低趨勢(shì))控制量u：負(fù)大”、負(fù)中“、零“、正中“、正大”。Matlab操作方法：打開(kāi)matlab在命令行輸入：fuzzy出現(xiàn)下圖界面:tux A”再添加輸入在上圖選擇“edit”出現(xiàn)下圖：選擇“AddVariable-Input這樣就建立了兩個(gè)輸入，一個(gè)輸出的模糊控制器。再修改輸入、輸出的各參數(shù)：inputl改為e；input2改為de;outputl改為u;如下圖:雙擊“e”,修改模糊子集:如下圖修改e的負(fù)大：注意各參數(shù)的設(shè)置修改好的e的模糊子集如下圖:用同樣的方法修改de如下圖:5個(gè)模糊子集修改u的方法如下圖：需要添加模糊子集的方法

3、：在“edit”菜單下選擇“AddCustomMF”下圖是對(duì)“0”這個(gè)模糊子集的設(shè)置:設(shè)置好的u的模糊子集如下圖:(2)添加規(guī)則的方法:添加規(guī)則的界面如下:BPKuIeUntitIcedFdffEeJJtYl-wOis-tlen*這樣一個(gè)模糊推理控制器就建立完畢了(3)利用模糊控制器可以得到規(guī)則曲面以及根據(jù)輸入得到輸出如上圖操作可以得到規(guī)則曲面:如下圖可以得到規(guī)則的推理結(jié)果:Andmlnmytl-oc4mav*mln一A。孫。0-M：gnE,*一口產(chǎn)明hhEE!MicfryhlEDREmHqhFE|ChM_*改變上圖e和de的值，可以看到u的不同的輸出然后可以把I系統(tǒng)存為tankfis.三、寫(xiě)

4、出實(shí)驗(yàn)的心得體會(huì)總結(jié)建立模糊控制器的方法。實(shí)驗(yàn)1.2神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用二.神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)最新版的MATLAB神經(jīng)網(wǎng)絡(luò)工具箱為Version4.0.3,它幾乎涵蓋了所有的神經(jīng)網(wǎng)絡(luò)的基本常用類(lèi)型，對(duì)各種網(wǎng)絡(luò)模型又提供了各種學(xué)習(xí)算法，我們可以根據(jù)自己的需要調(diào)用工具箱中的有關(guān)設(shè)計(jì)與訓(xùn)練函數(shù)，很方便地進(jìn)行神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)和仿真。目前神經(jīng)網(wǎng)絡(luò)工具箱提供的神經(jīng)網(wǎng)絡(luò)模型主要用于：1. 數(shù)逼近和模型擬合；2. 信息處理和預(yù)測(cè)；3. 神經(jīng)網(wǎng)絡(luò)控制；4. 故障診斷。神經(jīng)網(wǎng)絡(luò)工具箱提供了豐富的工具函數(shù)，其中有針對(duì)某一種網(wǎng)絡(luò)的，也有通用的，下面列表中給出了一些比較重要的工具箱函數(shù)。三仿真實(shí)例BP網(wǎng)絡(luò)是一種多層前饋神

5、經(jīng)網(wǎng)絡(luò)，由輸入層、隱層和輸出層組成。BP網(wǎng)絡(luò)模型結(jié)構(gòu)見(jiàn)圖1。網(wǎng)絡(luò)同層節(jié)點(diǎn)沒(méi)有任何連接，隱層節(jié)點(diǎn)可以由一個(gè)或多個(gè)。網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程由正向和反向傳播兩部分組成。在正向傳播中，輸入信號(hào)從輸入層節(jié)點(diǎn)經(jīng)隱層節(jié)點(diǎn)逐層傳向輸出層節(jié)點(diǎn)。每一層神經(jīng)元的狀態(tài)只影響到下一層神經(jīng)元網(wǎng)絡(luò)，如輸出層不能得到期望的輸出，那么轉(zhuǎn)入誤差反向傳播過(guò)程，將誤差信號(hào)沿原來(lái)的連接通路返回，通過(guò)修改各層神經(jīng)元的權(quán)值，逐次地向輸入層傳播去進(jìn)行計(jì)算，在經(jīng)正向傳播過(guò)程，這兩個(gè)過(guò)程反復(fù)運(yùn)用，使得誤差信號(hào)最小或達(dá)到人們所期望的要求時(shí)，學(xué)習(xí)過(guò)程結(jié)束。利用神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行設(shè)計(jì)和仿真的具體步驟：1. 確定信息表達(dá)方式：將實(shí)際問(wèn)題抽象成神經(jīng)網(wǎng)絡(luò)求解所能接

6、受的數(shù)據(jù)形式；2. 確定網(wǎng)絡(luò)模型：選擇網(wǎng)絡(luò)的類(lèi)型、結(jié)構(gòu)等；3. 選擇網(wǎng)絡(luò)參數(shù)：如神經(jīng)元數(shù)，隱含層數(shù)等；4. 確定訓(xùn)練模式：選擇訓(xùn)練算法，確定訓(xùn)練步數(shù)，指定訓(xùn)練目標(biāo)誤差等；5. 網(wǎng)絡(luò)測(cè)試：選擇合適的訓(xùn)練樣本進(jìn)行網(wǎng)絡(luò)測(cè)試。下面給出一個(gè)利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行函數(shù)逼近的例子。第一步問(wèn)題的提出設(shè)計(jì)一個(gè)簡(jiǎn)單的BP網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)非線性函數(shù)的逼近，通過(guò)改變BP網(wǎng)絡(luò)的隱層神經(jīng)元的數(shù)目，采用不同的訓(xùn)練方法來(lái)觀察訓(xùn)練時(shí)間和訓(xùn)練誤差的變化情況。假設(shè)將要將要逼近的函數(shù)為正弦函數(shù)，其頻率參數(shù)N=1，繪制此函數(shù)見(jiàn)圖2所N=1;p=-1:0.05:1;t=sin(N*pi*p);%假設(shè)N=1，繪制此函數(shù)曲線plot(p,t,r*

7、);title(要逼近的非線性函數(shù))xlabel(時(shí)間)*Fiflire1-文陋F)號(hào)鐲口查吉(V)SAO)工具桌面SQtW和助wDQ%心二jJ0旦D_D要返近的非性函依1企8。.杼D.40.201420,4-D.0-0.6-1-05a051時(shí)間要逼近的非線性函數(shù)第二步網(wǎng)絡(luò)建立應(yīng)用newff()建立兩層的BP網(wǎng)絡(luò)，隱層神經(jīng)元數(shù)目可以改變，此時(shí)S=8,輸出層一個(gè)神經(jīng)元，隱層和輸出層的傳遞函數(shù)分別為tansig和purelin,學(xué)習(xí)算法采用Levenberg-Marquadt(trainlm)。用sim()觀察初始化網(wǎng)絡(luò)輸出如圖3所示。S=8;net=newff(minmax(p),S,1,tan

8、sig,purelin,trainlm);y1=sim(net,p);figure;plot(p,t,r*,p,y1,b-)title(未訓(xùn)練網(wǎng)絡(luò)的輸出結(jié)果)xlabel（時(shí)|可）ylabel（仿真輸出-原函數(shù)*）legend（要逼近的非線性函數(shù),未訓(xùn)練網(wǎng)絡(luò)的輸出結(jié)果）力m蟀氯e：當(dāng)看w奇nn工具f克面窗口血用助的）日4、，司黝S|W口目三口未訓(xùn)練網(wǎng)絡(luò)的輸出結(jié)果，:1*當(dāng)起訴的雄線件南的2-卡格利一出華里未訓(xùn)練時(shí)網(wǎng)絡(luò)的輸出結(jié)果結(jié)果接第三步網(wǎng)絡(luò)訓(xùn)練將訓(xùn)練時(shí)間設(shè)為10,精度為0.001，用train（）進(jìn)行訓(xùn)練，誤差曲線見(jiàn)圖4所示net.trainParam.epochs=10;net.train

9、Param.goal=0.001;netl=train（net,p,t）;Neurmli hjettfi-zrk rram:nq PerlqmianEe (p-otprhOrTn； Epoch 4, Pe-io-.工工）花營(yíng)口 二石的H川占 fEJ笆幼：,2110Best Training Performance is 0.0002271 at epindata=-4:0.1:4;得到函數(shù)目標(biāo)輸出：targetdata=1.1*(1-indata+2*indata.*indata).*exp(-indata.*indata/2);在命令窗口輸入：nntool出現(xiàn)如下圖形界面圖1圖形界面點(diǎn)擊im

10、port按鈕，添加輸入變量和目標(biāo)輸出變量;按import按鈕，導(dǎo)入輸入變量按import按鈕，導(dǎo)入目標(biāo)輸出變量。在圖1按new按鈕，新建網(wǎng)絡(luò)按create按鈕創(chuàng)建網(wǎng)絡(luò)。雙擊上圖的networkl,得到下圖:點(diǎn)擊按鈕TrainNetwork,訓(xùn)練網(wǎng)絡(luò)得到下圖:點(diǎn)擊上圖的performance按鈕得到下圖的網(wǎng)絡(luò)的訓(xùn)練誤差性能:erfomnnce plot perform JBestValidationPerforrndnc色is4,4211牛。05atepoch751OO1TrainValidationTestBesto OQcnUJ) JCJ 山 unj.w0100200300400600600

11、700757 Epochs三、總結(jié)總結(jié)m文件和圖形界面方法設(shè)計(jì)前饋型網(wǎng)絡(luò)的設(shè)計(jì)仿真方法。m曲美邦雷大牽XdANUiNIVERSrrrQFP04TB&TELECOMMUMICjMION5-智能控制課內(nèi)實(shí)驗(yàn)（3）應(yīng)用遺傳算法求解優(yōu)化問(wèn)題學(xué)院：自動(dòng)化學(xué)院姓名：班級(jí)：學(xué)號(hào)：日期：2017-11-25實(shí)驗(yàn)3應(yīng)用遺傳算法求解優(yōu)化問(wèn)題一、實(shí)驗(yàn)?zāi)康恼莆誱atlab遺傳算法工具箱的函數(shù)命令實(shí)現(xiàn)函數(shù)優(yōu)化問(wèn)題的方法和圖形用戶界面下求解優(yōu)化問(wèn)題的方法。二、實(shí)驗(yàn)內(nèi)容1、利用matlba工具箱函數(shù)命令實(shí)現(xiàn)多峰函數(shù)的優(yōu)化：f(x)=x10sin(5x)7cos(maxfx(),5三25(1)編寫(xiě)適應(yīng)度函數(shù)：文件名f_exp

12、1.mfunctionz=f_exp1(x)z=x+10*sin(5*x)+7*cos(4*x);z=-z;%求最大要取反(2)調(diào)用遺傳算法函數(shù)求解options=gaoptimset(MutationFcn,mutationadaptfeasible);xfval=ga(f_exp1,1,15,25,options)得到優(yōu)化結(jié)果2、圖形用戶界面下應(yīng)用遺傳算法求解優(yōu)化問(wèn)題f(x,y)=3(1-x)2e2-(y+12)-10(-x-x且y)自一4-e-x+()253maxf(x),-3-x-3,-3-y-3(1)編寫(xiě)適應(yīng)度函數(shù)文件名f_exp2.mfunctionz=f_exp2(x)z=3*(

13、1-x(1)A2.*exp(-(x(1)A2)-(x(2)+1)A2)-10*(x(1)/5-x(1)A3-x(2)A5).*exp(-x(1)A2-x(2)A2).-1/3*exp(-(x(1)+1)A2-x(2).A2);z=-z;注意路徑問(wèn)題(2)在圖形界面下運(yùn)行遺傳算法命令窗口鍵入命令：gatoolHfiipQptici-ru匚Specify;PTobtfflTjiFrtntE-SfuiiCtiOi;力111Mp2IOLHeriAdomH破電qfrompfevtounuriIMeP#uwtuiFentilefdlhr:她SWpClewRewlEsStiJI衰(inn#limit5tWt

14、rstFunctntolerdince!Specify;*Uwt:InfOSpecify：*Ubedefakilt:1e-6QSpecify;CorifitFalPttQ電ranfe電，Usedefault:1e-i-PlotfkincltcinsPfotirtfrI;fllnesiQSpecify：Elei!kndlvidijAlDlsurv#口Range Sew舒也襦守 SCO*IK1 detection-Di 弓。1丁/to CDmriMndl V/indwFmal pointptimizatiomrumnirObjectivefuctfcmvalue:-Sa360567327764877OptinnizdtiDrtermirated:avewagechang?InUtsfitnwss(aueIeimanopDora.