《智能控制基础实验报告》.docVIP

智 能 控 制 基 础 实 验 报 告姓名： 班级： 学号：建立一个两输入一输出的模糊规则控制器，并用simulink仿真分别通过一阶和二阶传递函数，观察模糊控制器输出、误差及其变化率和输出响应。 解：这里选取二阶和一阶传递函数为和，查看其阶跃响应。 用MATLAB模糊逻辑工具箱设计模糊控制器 模糊控制器为两输入一输出，这里定义输入为E、EC，输出为U。 选择E、EC和U的论域如下： E range: [-1 1] EC range: [-1 1] U range: [0 2] 其模糊子集都为{NB,NM,NS,ZO,PS,PM,PB}; 模糊规则确定： U EC NB NM NS ZO PS PM PBE NB PB PB PB PB PM ZO ZO NM PB PB PB PB PM ZO ZO NS PM PM PM PM ZO NS NS ZO PM PM PS ZO NS NM NM PS PS PS ZO NM NM NM NM PM ZO ZO NM NB NB NB NB PB ZO ZO NM NB NB NB NB 模糊决策和反模糊方法的确定： 隐含采用 ‘mamdani’方法: ‘max-min’ 推理方法， 即 ‘min‘ 方法 去模糊方法：面积重心法（centroid） 选择隶属函数的形式：输入为三角型trimf，输出为也为三角型trimf输入E、EC和输出U隶属函数: 输入E 输入EC 输出U按照上述模糊规则在模糊规则编辑器窗口中输入控制规则如下：模拟规则图形如下：模糊推理的输出曲面如下：下面进行仿真： 前面所建立的模糊推理系统，在FIS Editor界面下单击File菜单，选择其中的“Export To Workspace ”,将其保存到MATLAB工作区中。 仿真时，将选项“Fuzzy Logic Controller”拖到Simulink仿真系统中，双击图标，在弹出的FIS Matrix文本框中输入刚建立的模糊控制器的“monikongzhiqi”,以实现工作区中的FIS结构与模糊控制器的连接。 二阶仿真程序如下：仿真结果： 系统输出 误差及其变化率 模糊控制器输出 一阶仿真程序如下：仿真结果： 系统输出 误差及其变化率 模拟控制器输出 2.用BP网络实现对于两个非线性映射的逼近： （1） （2）,采样点数 解：BP神经网络对函数进行逼近要用到BP网络工具箱中的以下函数：（1）newff(),用于建立一个BP神经网络；（2）神经元传递函数tansig()函数和purelin()函数；（3）网络训练函数train(),用于训练建立的BP神经网络；（4）网络仿真函数sim(),用于仿真训练前后的BP神经网络。 （1）实现对正弦函数的逼近 程序代码如下：（由于直接从M文件中粘过来的代码注释是乱码，下面代码是UE中粘贴过来的）%定义要逼近的函数t = [0:0.05:2];y = sin(pi*t);plot(t,y,-)gridtitle(要逼近的非线性函数);xlabel(时间);ylabel(非线性函数);%建立相应的BP网络net = newff(minmax(t),[10,1],{tansig purelin},trainlm);%对没有训练的网络进行仿真y1 = sim(net,t);%绘出仿真得到的曲线figure;plot(t,y,-,t,y1,*)gridtitle(没有训练的网络仿真结果);xlabel(时间);ylabel(仿真输出* 原函数-);%训练网络net.trainParam.epochs = 50;net.trainParam.goal = 0.01;net = train(net,t,y);%对训练后的网络进行仿真y2 = sim(net,t);%绘出训练后的仿真结果figure;plot(t,y,-,t,y1,*,t,y2,+)gridtitle(训练后的网络仿真结果);xlabel(时间);ylabel(仿真输出);figureplot(t,y2-y)gridaxis([0 2 -1 1]) 运行结果：训练过程误差变化曲线 （2）实现对抛物线的逼近 由于不能直接画出抛物线，先找一些抛物线上的点进行拟合，得到理想抛物线方程式，然后再对得到拟合函数进行逼近，过程基本同用BP网络逼近正弦函数。 程序代码如下：%定义要逼近的函数t = [0,0.5,1];t0=[0,0.25,1];a=polyfit(t,t0,2)x=-1:0.05:1;y=a(3)+a(2)*x+a(1)*x.^2plot(x,y)gridtitle(要逼近的非线性函数);xlabel(X);