智能控制理论实验解析.docVIP

实验一 模糊控制系统Matlab仿真 一 实验目的能够正确运用《》课程的基本理论和知识,实验内容和要求a=newfis(tipper); a=addvar(a,input,service,[0 10]); a=addmf(a,input,1,poor,gaussmf,[1.5 0]); a=addmf(a,input,1,excellent,gaussmf,[1.5 10]); a=addvar(a,input,food,[0 10]); a=addmf(a,input,2,rancid,trapmf,[-2 0 1 3]); a=addmf(a,input,2,delicious,trapmf,[7 9 10 12]); a=addvar(a,output,tip,[0 30]); a=addmf(a,output,1,cheap,trimf,[0 5 10]); a=addmf(a,output,1,generous,trimf,[20 25 30]); ruleList=[1 1 1 1 2; 2 2 2 1 2 ]; a=addrule(a,ruleList); plotfis(a) 查看下列命令，并使用帮助文件理解其的意义。“newfis”、“readfis”、“getfis”、“writefis”、“showfis”、“setfis”、“plotfis”。在实验报告中进行说明。 打开Help文档，在Seach中寻找各个命令 “newfis”创建并返回一个新的模糊推理系统 “readfis”从磁盘中读出并返回模糊推理系统结构变量 “getfis”取得模糊推理系统的部分或全部属性 “writefis”将以矩阵形式保存在内存中的模糊推理系统的数据写入磁盘文件中 “showfis”以分行的形式显示模糊推理系统矩阵的所有属性 “setfis”设置、改变模糊推理系统的属性 “plotfis”绘制模糊推理系统的推理过程结构框图 使用readfis函数在Matlab工作空间读取刚才建立的模糊控制器，利用 “getfis”函数读取某一输入/输出变量的第2个隶属函数的信息；并使用“plotfis”绘图命令画出该模糊控制器的图形，包括输入-输出特性和隶属度函数。在实验报告中记录相关结果。 a=readfis(tipper); getfis(a,input,1,excellent,1) Name = poor Type = gaussmf Params = [1.5 0] plotfis(a) 执行程序后的模糊推理系统的推理过程结构框图如图所示： 第二部分: 打开Matlab模糊逻辑工具箱。在Matlab工作区间输入“fuzzy”回车，出现模糊推理系统编辑器（FIS Editor） 点击“Edit/Add Variable…”，选择“Input”添加一个输入量，选择误差e和误差变化率ec作为输入。分别给两个输入编辑隶属度函数. 论域选择：e:[-6,+6]；ec:[-6,+6]；U:[-6,+6]. 打开Rule Editor，根据自己的模糊逻辑控制规则表添加控制规则,控制规则如下表 : 打开隶属度曲面浏览器（Surface Viewer），观察控制规则曲面是否合理 在Simulink中建立仿真系统，控制对象：,并运行得到仿真结果 根据仿真结果可知，规则不合理，重新修订规则，在Simulink中建立仿真系统，控制对象：,并重新仿真得到新的仿真结果 完成后分别使用模糊推理过程浏览器（Ruleview）、系统输入输出特性曲面测览（Surfview）观察模糊控制器的控制曲面和控制规则。 实验总结： 通过本次实验，熟练掌握了maplab软件的基本操作，学会使用maplab软件进行智能控制实验的仿真模拟，加深了对模糊控制系统的理解，学会了通过修改控制规则，来时模糊推理达到预期效果。 实验二 神经网络仿真 一 实验目的能够正确运用课程的基本理论和知识,实验内容和要求输入矢量为?????p?=[-1?-2?3??1??????-1??1?5?-3]目标矢量为???t?=?[-1?-1?1?1] 点击IMPORT按要求导入输入、输出数据；点击new新建一个3层BP神经网络；点击VIEW查看建立的神经网络模型结构。 再点击TRAIN训练神经网络。 点击IMPORT输入测试数据，在simulate中选