智能控制实验报告

1、精品M曲美邦雷大学xrAMUftliVEFrTVOFPOfTSATiglECO*!HUMICONSu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：感谢下载载的关邦雷大号UiHIMERSmrOFIHMFS11nTSIECCkMMUNIC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-、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

2、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:tux A”再添加输入在上图选择“edit”出现下图：选择“AddVariable-Input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：inputl改为e；input2改为de;outputl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:5个模糊子集修改u的方法如下图：需要添加模糊子集的方法

3、：在“edit”菜单下选择“AddCustomMF”下图是对“0”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:BPKuIeUntitIcedFdffEeJJtYl-wOis-tlen*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:Andmlnmytl-oc4mav*mln一A。孙。0-M：gnE,*一口产明hhEE!MicfryhlEDREmHqhFE|ChM_*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I系统存为tankfis.三、写

4、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

5、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接，隐层节点可以由一个或多个。网络的学习过程由正向和反向传播两部分组成。在正向传播中，输入信号从输入层节点经隐层节点逐层传向输出层节点。每一层神经元的状态只影响到下一层神经元网络，如输出层不能得到期望的输出，那么转入误差反向传播过程，将误差信号沿原来的连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播去进行计算，在经正向传播过程，这两个过程反复运用，使得误差信号最小或达到人们所期望的要求时，学习过程结束。利用神经网络工具箱进行设计和仿真的具体步骤：1. 确定信息表达方式：将实际问题抽象成神经网络求解所能接

6、受的数据形式；2. 确定网络模型：选择网络的类型、结构等；3. 选择网络参数：如神经元数，隐含层数等；4. 确定训练模式：选择训练算法，确定训练步数，指定训练目标误差等；5. 网络测试：选择合适的训练样本进行网络测试。下面给出一个利用BP神经网络进行函数逼近的例子。第一步问题的提出设计一个简单的BP网络，实现对非线性函数的逼近，通过改变BP网络的隐层神经元的数目，采用不同的训练方法来观察训练时间和训练误差的变化情况。假设将要将要逼近的函数为正弦函数，其频率参数N=1，绘制此函数见图2所N=1;p=-1:0.05:1;t=sin(N*pi*p);%假设N=1，绘制此函数曲线plot(p,t,r*

7、);title(要逼近的非线性函数)xlabel(时间)*Fiflire1-文陋F)号镯口查吉(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时间要逼近的非线性函数第二步网络建立应用newff()建立两层的BP网络，隐层神经元数目可以改变，此时S=8,输出层一个神经元，隐层和输出层的传递函数分别为tansig和purelin,学习算法采用Levenberg-Marquadt(trainlm)。用sim()观察初始化网络输出如图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(未训练网络的输出结果)xlabel（时|可）ylabel（仿真输出-原函数*）legend（要逼近的非线性函数,未训练网络的输出结果）力m蟀氯e：当看w奇nn工具f克面窗口血用助的）日4、，司黝S|W口目三口未训练网络的输出结果，:1*当起诉的雄线件南的2-卡格利一出华里未训练时网络的输出结果结果接第三步网络训练将训练时间设为10,精度为0.001，用train（）进行训练，误差曲线见图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）花营口 二石的H川占 fEJ笆幼：,2110Best Training Performance is 0.0002271 at epindata=-4:0.1:4;得到函数目标输出：targetdata=1.1*(1-indata+2*indata.*indata).*exp(-indata.*indata/2);在命令窗口输入：nntool出现如下图形界面图1图形界面点击im

10、port按钮，添加输入变量和目标输出变量;按import按钮，导入输入变量按import按钮，导入目标输出变量。在图1按new按钮，新建网络按create按钮创建网络。双击上图的networkl,得到下图:点击按钮TrainNetwork,训练网络得到下图:点击上图的performance按钮得到下图的网络的训练误差性能:erfomnnce plot perform JBestValidationPerforrndnc色is4,4211牛。05atepoch751OO1TrainValidationTestBesto OQcnUJ) JCJ 山 unj.w0100200300400600600

11、700757 Epochs三、总结总结m文件和图形界面方法设计前馈型网络的设计仿真方法。m曲美邦雷大牵XdANUiNIVERSrrrQFP04TB&TELECOMMUMICjMION5-智能控制课内实验（3）应用遗传算法求解优化问题学院：自动化学院姓名：班级：学号：日期：2017-11-25实验3应用遗传算法求解优化问题一、实验目的掌握matlab遗传算法工具箱的函数命令实现函数优化问题的方法和图形用户界面下求解优化问题的方法。二、实验内容1、利用matlba工具箱函数命令实现多峰函数的优化：f(x)=x10sin(5x)7cos(maxfx(),5三25(1)编写适应度函数：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)调用遗传算法函数求解options=gaoptimset(MutationFcn,mutationadaptfeasible);xfval=ga(f_exp1,1,15,25,options)得到优化结果2、图形用户界面下应用遗传算法求解优化问题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)编写适应度函数文件名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;注意路径问题(2)在图形界面下运行遗传算法命令窗口键入命令：gatoolHfiipQptici-ru匚Specify;PTobtfflTjiFrtntE-SfuiiCtiOi;力111Mp2IOLHeriAdomH破电qfrompfevtounuriIMeP#uwtuiFentilefdlhr:她SWpClewRewlEsStiJI衰(inn#limit5tWt

14、rstFunctntolerdince!Specify;*Uwt:InfOSpecify：*Ubedefakilt:1e-6QSpecify;CorifitFalPttQ电ranfe电，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.