智能控制技术计算机人工智能_计算机-人工智能.pdf

《智能控制技术计算机人工智能_计算机-人工智能.pdf》由会员分享，可在线阅读，更多相关《智能控制技术计算机人工智能_计算机-人工智能.pdf（8页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、一、实验目的 熟悉模糊控制器的设计，并且掌握神经网络模型。二、实验内容 1 已知系统的传递函数为G（s）=e-/(10s+1)。假设系统给定为阶跃值r=30，系统初始值r(0)=0。试分别设计(1)常规的PID 控制器；(2)常规的模糊控制器；(3)比较两种控制器的效果；(4)当通过改变模糊控制器的比例因子时，系统响应有什么变化 2 编写一个利用前向传播神经网络进行字符设别的程序。设神经网络为具有一个隐含层的BP 网络，需设别的字符有三个A、I 和O，其输入为44 个像素的扫描输入。目标输出分别为A=（1，-1，-1），I=（-1，1,1），O=（-1，-1,1）。网络为16 个输入节点、3

2、个输出节点、9 个隐含层节点。利用所编程序完成训练后，在输入样本为X=（1,1,1,1,1，-1，-1,1,1,1,1,1,1,1,-1，1）时，求网络输出值。三、实验内容以及结果分析 1(1)常规 PID控制器：利用 Ziegler-Nichols整定公式整定 PID 调节器的初始参数 P Ti Td P/()TK PI/()TK PID/()TK 由公式可得 P=18 Ti=Td=0 SIMULINK 仿真图 设定仿真时间为 10s 仿真结果 （2）模糊控制器的设定 1 在 matlab 命令窗口输入“fuzzy”确定模糊控制器结构：即根据具体的系统确定输入、输出量。选取二维控制结构，即输

3、入为误差 e 和误差变化 ec，输出为 u 如下图所示 值系统初始值试分别设计常规的控制器常规的模糊控制器比较两种控制器的效果当通过改变模糊控制器的比例因子时系统响应有什么变化编写一个利用前向传播神经网络进行字符设别的程序设神经网络为具有一个隐含层的网络需设编程序完成训练后在输入样本为时求网络输出值三实验内容以及结果分析常规控制器利用整定公式整定调节器的初始数由公式可得仿真图设定仿真时间为仿真结果模糊控制器的设定在命令窗口输入确定模糊控制器结构即根据具体的入输出的精确量转化为对应语言变量的模糊集合首先我们要确定描述输入输出变量语言值的模糊子集如并设置输入输出变量的论域然后我们为模糊语言变量选取

4、相应的隶属度函数如下图所示模糊推理决策算法设计即根据模糊控制规 2 输入输出变量的模糊化：即把输入输出的精确量转化为对应语言变量的模糊集合。首先我们要确定描述输入输出变量语言值的模糊子集，如NB，NM，NS，ZO，PS，PM，PB，并设置输入输出变量的论域，然后我们为模糊语言变量选取相应的隶属度函数。如下图所示 值系统初始值试分别设计常规的控制器常规的模糊控制器比较两种控制器的效果当通过改变模糊控制器的比例因子时系统响应有什么变化编写一个利用前向传播神经网络进行字符设别的程序设神经网络为具有一个隐含层的网络需设编程序完成训练后在输入样本为时求网络输出值三实验内容以及结果分析常规控制器利用整定公

5、式整定调节器的初始数由公式可得仿真图设定仿真时间为仿真结果模糊控制器的设定在命令窗口输入确定模糊控制器结构即根据具体的入输出的精确量转化为对应语言变量的模糊集合首先我们要确定描述输入输出变量语言值的模糊子集如并设置输入输出变量的论域然后我们为模糊语言变量选取相应的隶属度函数如下图所示模糊推理决策算法设计即根据模糊控制规 3 模糊推理决策算法设计：即根据模糊控制规则进行模糊推理，并决策出模糊输出量。首先要确定模糊规则，即专家经验。如图。值系统初始值试分别设计常规的控制器常规的模糊控制器比较两种控制器的效果当通过改变模糊控制器的比例因子时系统响应有什么变化编写一个利用前向传播神经网络进行字符设别的

6、程序设神经网络为具有一个隐含层的网络需设编程序完成训练后在输入样本为时求网络输出值三实验内容以及结果分析常规控制器利用整定公式整定调节器的初始数由公式可得仿真图设定仿真时间为仿真结果模糊控制器的设定在命令窗口输入确定模糊控制器结构即根据具体的入输出的精确量转化为对应语言变量的模糊集合首先我们要确定描述输入输出变量语言值的模糊子集如并设置输入输出变量的论域然后我们为模糊语言变量选取相应的隶属度函数如下图所示模糊推理决策算法设计即根据模糊控制规 制定完之后，会形成一个模糊控制规则矩阵，然后根据模糊输入量按照相应的模糊推理算法完成计算，并决策出模糊输出量。4对输出模糊量的解模糊：模糊控制器的输出量是

7、一个模糊集合，通过反模糊化方法判决出一个确切的精确量，反模糊化方法很多，我们这里选取重心法。SIMULINK 仿真图 值系统初始值试分别设计常规的控制器常规的模糊控制器比较两种控制器的效果当通过改变模糊控制器的比例因子时系统响应有什么变化编写一个利用前向传播神经网络进行字符设别的程序设神经网络为具有一个隐含层的网络需设编程序完成训练后在输入样本为时求网络输出值三实验内容以及结果分析常规控制器利用整定公式整定调节器的初始数由公式可得仿真图设定仿真时间为仿真结果模糊控制器的设定在命令窗口输入确定模糊控制器结构即根据具体的入输出的精确量转化为对应语言变量的模糊集合首先我们要确定描述输入输出变量语言值

8、的模糊子集如并设置输入输出变量的论域然后我们为模糊语言变量选取相应的隶属度函数如下图所示模糊推理决策算法设计即根据模糊控制规 在模糊控制器的输入和输出均有一个比例系数，我们叫它量化因子，它反映的是模糊论域范围与实际范围之间的比例关系，这里模糊控制器输入的论域范围均为-6，6，假设误差的范围是-10，10，误差变化率范围是-100，100，控制量的范围是-24，24，那么我们就可以算出量化因子分别为，8。量化因子的选取对于模糊控制器的控制效果有很大的影响，当输出量化因子调为 10 控制效果更好。仿真曲线 （3）常规 PID控制器和模糊控制器的比较 由仿真结果可见两种控制器对系统的各项性能指标都有

9、了改进，常规 PID还是有超调量，模糊控制器的超调量几乎为零。2 以下程序：A=1 1 1 1;1-1-1 1;1 1 1 1;1-1-1 1;值系统初始值试分别设计常规的控制器常规的模糊控制器比较两种控制器的效果当通过改变模糊控制器的比例因子时系统响应有什么变化编写一个利用前向传播神经网络进行字符设别的程序设神经网络为具有一个隐含层的网络需设编程序完成训练后在输入样本为时求网络输出值三实验内容以及结果分析常规控制器利用整定公式整定调节器的初始数由公式可得仿真图设定仿真时间为仿真结果模糊控制器的设定在命令窗口输入确定模糊控制器结构即根据具体的入输出的精确量转化为对应语言变量的模糊集合首先我们要

10、确定描述输入输出变量语言值的模糊子集如并设置输入输出变量的论域然后我们为模糊语言变量选取相应的隶属度函数如下图所示模糊推理决策算法设计即根据模糊控制规I=-1 1-1-1;-1 1-1-1;-1 1-1-1;-1 1-1-1;O=1 1 1 1;1-1-1 1;1-1-1 1;1 1 1 1;X2=1 1 1 1 1-1-1 1 1 1 1 1 1 1-1 1;X=A(:)I(:)O(:);T0=1;-1;-1;T1=-1;1;1;T2=-1;-1;1;T=T0 T1 T2;R N1=size(X);S2 N1=size(T);S1=10;net=newff(minmax(X),S1 S2,t

11、ansig,tansig,traingdx);w=2,1;b=1;b=2;y1=sim(net,X);=sse;net,tr=train(net,X,T);w=2,1;b=1;b=2;y2=sim(net,X);值系统初始值试分别设计常规的控制器常规的模糊控制器比较两种控制器的效果当通过改变模糊控制器的比例因子时系统响应有什么变化编写一个利用前向传播神经网络进行字符设别的程序设神经网络为具有一个隐含层的网络需设编程序完成训练后在输入样本为时求网络输出值三实验内容以及结果分析常规控制器利用整定公式整定调节器的初始数由公式可得仿真图设定仿真时间为仿真结果模糊控制器的设定在命令窗口输入确定模糊控制器

12、结构即根据具体的入输出的精确量转化为对应语言变量的模糊集合首先我们要确定描述输入输出变量语言值的模糊子集如并设置输入输出变量的论域然后我们为模糊语言变量选取相应的隶属度函数如下图所示模糊推理决策算法设计即根据模糊控制规 net1=net;T1=T T T T;for i=1:10 X1=X X(X+randn(R,N1)*(X+randn(R,N1)*;net1,tr=train(net1,X1,T1)end y3=sim(net1,X);net1,tr=train(net1,X,T);w=2,1;b=1;b=2;y5=sim(net,X2)程序执行结果输出 y5=则为网络输出值。值系统初始值试分别设计常规的控制器常规的模糊控制器比较两种控制器的效果当通过改变模糊控制器的比例因子时系统响应有什么变化编写一个利用前向传播神经网络进行字符设别的程序设神经网络为具有一个隐含层的网络需设编程序完成训练后在输入样本为时求网络输出值三实验内容以及结果分析常规控制器利用整定公式整定调节器的初始数由公式可得仿真图设定仿真时间为仿真结果模糊控制器的设定在命令窗口输入确定模糊控制器结构即根据具体的入输出的精确量转化为对应语言变量的模糊集合首先我们要确定描述输入输出变量语言值的模糊子集如并设置输入输出变量的论域然后我们为模糊语言变量选取相应的隶属度函数如下图所示模糊推理决策算法设计即根据模糊控制规