智能控制實(shí)驗(yàn)指導(dǎo)書

1、智能控制實(shí)驗(yàn)指導(dǎo)書董海鷹編寫自動(dòng)化系實(shí)驗(yàn)一模糊集合運(yùn)算、模糊規(guī)則合成運(yùn)算一、實(shí)驗(yàn)?zāi)康?、掌握Matlab模糊工具箱的應(yīng)用。2、掌握模糊集合的基本運(yùn)算。3、掌握模糊集合運(yùn)算的基本定律。4、掌握模糊條件推理方法。二、實(shí)驗(yàn)設(shè)備1、PC 機(jī)2、Matlab 軟件3、打印機(jī)三、實(shí)驗(yàn)內(nèi)容1、求模糊集合的并、交、補(bǔ)設(shè)論域U = u ,u ,u ,u ,u 中的兩個(gè)模糊子集為123450.5 104+0.3七u2u3u4 u5 +* + .3 + .4 + 7uiu2u3u4u5竺+竺+竺+竺+ 0.1u2u3u4u求出 A u B, A c B, A, B2、求模糊集合的結(jié)合律和分配律模糊子集同上，驗(yàn)證A

2、c (B c C) = (A c B) c C，A c B = B c A3、模糊條件推理語(yǔ)言規(guī)則為：如果x是A，則y是B，否則y是C，其模糊關(guān)系為R = (A x B) u (A x C)有了這個(gè)模糊關(guān)系矩陣，就可以根據(jù)模糊推理合成規(guī)則，將輸入A 與該關(guān)系矩陣R進(jìn)行合成得到模糊推理結(jié)論礦，即B = A o R = A o (A x B) u (A x C)對(duì)于一個(gè)系統(tǒng)，當(dāng)輸入A時(shí)，輸出為B，否則為C，且有U1U2U3 U4 U5堅(jiān)+竺+堅(jiān)+堅(jiān)+*V V 2 V 3 V 4 V 502+堅(jiān)+堅(jiān)+06+010.50.30.80.20.1已知當(dāng)刖輸入A =+，求輸出DU1U2U3U4U5四、實(shí)驗(yàn)報(bào)

3、告1、分析模糊條件推理2、整理、分析結(jié)果 五、思考題1、分析多輸入模糊條件推理方法實(shí)驗(yàn)二模糊控制器設(shè)計(jì)一、實(shí)驗(yàn)?zāi)康?、掌握Matlab模糊工具箱的應(yīng)用。2、掌握基本模糊推理系統(tǒng)編輯器的應(yīng)用。3、掌握Simulink模糊控制系統(tǒng)仿真方法。4、掌握控制系統(tǒng)的模糊控制器設(shè)計(jì)方法。二、實(shí)驗(yàn)設(shè)備1、PC 機(jī)2、Matlab 軟件3、打印機(jī)三、實(shí)驗(yàn)內(nèi)容1、控制系統(tǒng)的傳遞函數(shù)模型為2.8，10 s +1100s 2 + 0.8 s + 100分析其特點(diǎn)。2、針對(duì)上述系統(tǒng)，通過(guò)模糊系統(tǒng)編輯器建立一個(gè)模糊推理系統(tǒng)。步驟如下:(1)在Matlab命令窗口執(zhí)行fuzzy命令即可激活基本模糊推理系 統(tǒng)編輯器(FIS

4、Editor)，見圖1所示。在基本模糊編輯器中選擇定義變量。進(jìn)行變量的隸屬函數(shù)編輯，編輯窗口見圖2。圖2隸屬函數(shù)編輯窗口在基本模糊編輯器中選擇規(guī)則編輯，按控制規(guī)則進(jìn)行編輯，編輯窗口見圖3。3、在Simulink中建立仿真系統(tǒng)，仿真在階躍信號(hào)作用下的輸出響應(yīng)。系統(tǒng)仿真結(jié)構(gòu)圖如圖4所示:圖4 仿真結(jié)構(gòu)圖4、當(dāng)輸入為階躍信號(hào)時(shí)，再加入干擾信號(hào)，觀測(cè)控制效果。四、實(shí)驗(yàn)報(bào)告1、說(shuō)明建立仿真系統(tǒng)步驟及k ,k ,k對(duì)系統(tǒng)的影響。1232、分析、整理仿真結(jié)果。五、思考題1、比較PID控制與模糊控制的特點(diǎn)。實(shí)驗(yàn)三 多層前饋網(wǎng)絡(luò)與BP學(xué)習(xí)算法仿真一、實(shí)驗(yàn)?zāi)康?、掌握Matlab神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用。2、了解基本

5、BP算法。3、了解改進(jìn)的BP算法。4、認(rèn)識(shí)多層前饋神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近能力。二、實(shí)驗(yàn)設(shè)備1、PC 機(jī)2、Matlab 軟件3、打印機(jī)三、實(shí)驗(yàn)內(nèi)容1、設(shè)計(jì)一個(gè)3層神經(jīng)網(wǎng)絡(luò)，輸入層有1個(gè)神經(jīng)元，隱層有5個(gè)神經(jīng)元，輸 出層有1個(gè)神經(jīng)元。2、運(yùn)用設(shè)計(jì)的BP網(wǎng)絡(luò)來(lái)完成函數(shù)逼近的任務(wù)。設(shè)輸入樣本和目標(biāo)矢量為： p=-1:0.1:1;t=-0.9602,-0.5770,-0.0729,0.3771,0.6405,0.6600,0.4609,0.1336,-0.2013,-0.43 44,-0.5000,-0.3930,-0.1647,0.0988,0.3072,0.3960,0.3449,0.1816,-0.

6、312,-0.218 9,-0.3201;3、設(shè)計(jì)Matlab程序，畫出函數(shù)逼近的結(jié)果曲線。四、實(shí)驗(yàn)報(bào)告1、說(shuō)明基本BP算法。2、分析、整理實(shí)驗(yàn)結(jié)果。五、思考題1、說(shuō)明人工神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近能力及其在控制領(lǐng)域中的作用。附錄1：參考程序%initff-對(duì)前向網(wǎng)絡(luò)進(jìn)行初始化%trainbp-用BP算法進(jìn)行訓(xùn)練%simuff-計(jì)算網(wǎng)絡(luò)輸出p=-1:0.1:1;t=-0.9602,-0.5770,-0.0729,0.3771,0.6405,0.6600,0.4609,0.1336,-0.2013,-0.4344,-0.5000,-0.3930,-0.1647,0.0988,0.3072,0.3960,

7、0.3449,0.1816,-0.312,-0.2189,-0.3201;plot(p,t,+);title(Ttraining Vectors);xlabel(Input Vector P);ylabel(Target Vector T);S1=5;w1,b1,w2,b2=initff(p,S1,tansig,t,purelin);k=pickic;if k=2w1=3.500;3.500;3.500;3.500;b1=-2.8562;1.0774;-0.5880;1.4083;2.8722;w2=0.2622 -0.2375 -0.4525 0.2361 -0.1718;b2=0.1326;enddf=10;me=8000;eg=0.02;lr=0.01;tp=df me eg lr;w1,b1,w