智能控制实验指导书..docVIP

《智能控制》实验指导书 唐桂忠 袁启昌 编 南京工业大学自动化学院 2010年4月 实验一 模糊逻辑与模糊控制 一、实验目的 1．应用MATLAB中模糊推理系统FIS工具建立模糊推理系统进行模糊推理。 2．应用ANFIS工具进行模糊建模。 2．进行一维模糊控制与二维模糊控制系统设计与仿真。 二、实验内容 1．熟悉MATLAB Fuzzy 工具箱的使用。 2．应用Fuzzy工具箱中的模糊推理系统FIS工具建立模糊推理系统，用mamdani法进行模糊推理。 3．用ANFIS工具和Sugeno 模糊推理方法进行模糊建模。 4．使用Simulink工具和 FLC（模糊逻辑控制器）进行一维模糊控制与二维模糊控制系统设计与仿真。 三、实验方法与步骤 1．应用FIS工具和 mamdani 方法进行tipper问题的模糊推理 A. 确定输入、输出模糊集合的隶属函数，制定模糊推理规则，建立模糊推理系统; B. 进行模糊推理，观察输入精确量的模糊化、强度转移法模糊推理的过程图解、输出模糊量的精确化方法。 2．应用ANFIS工具进行模糊建模 A. 获取待建模的样本数据集; B. 建立初始的Sugeno 模糊推理系统，训练前用输入数据对 FIS 进行测试; C. 选择训练方式和训练参数，对FIS进行训练，训练后用输入数据对 FIS 进行测试、观察建模效果、调整模型参数、重新训练直至模型满足要求； D. 观察训练前后FIS参数的变化。 3．在Simulink中进行水位模糊控制系统设计与仿真 A. 应用FIS工具设计二维模糊控制器的结构，确定二维输入及输出模糊集合的隶属函数，制定模糊控制规则，建立二维模糊控制器； B. 在Simulink中建立水位模糊控制系统模型，进行二维模糊控制仿真； C. 在相同对象下进行常规PID控制仿真； D. 应用FIS工具将二维模糊控制规则修改为一维模糊控制，进行一维模糊控制仿真； E. 对以上各种情况进行分析比较。 四、实验报告内容与要求 1．绘制mamdani 方法进行tipper问题的模糊推理图形； 2．说明ANFIS工具进行模糊建模的步骤和结果； 3．绘出二维模糊控制器输入及输出模糊集合的隶属函数曲线； 3．写出一维和二维水位模糊控制的控制规则； 4．绘出一维、二维模糊控制以及PID控制的控制性能并进行比较。 实验二 神经网络与神经网络控制 一、实验目的 1．了解线性神经网络及反向传播网络（BP网络）的应用方法。 2．了解神经网络在控制系统中的应用。 二、实验内容 1．应用线性神经网络进行建模； 2．观察反向传播网络的BP网络训练过程； 3．应用BP算法和改进的BP算法训练 BP 网络实现函数逼近； 4．训练径向基函数网络（RBF）实现函数逼近； 5．进行神经网络控制系统仿真。 三、实验方法与步骤 1．应用线性神经网络逼近滤波器函数输出 A. 已知输入当前值和前两个时刻的值及目标函数，用线性神经网络建模； B. 比较滤波器系数与神经网络权值矩阵。 2．调用DEMO观察反向传播网络的BP网络训练过程 A. 正向仿真计算； B. 反向传播计算和权值更新。 3．应用BP算法和改进的BP算法训练 BP 网络实现函数逼近 A. 应用BP算法训练 BP 网络实现函数逼近； B. 应用动量－学习率自适应调整算法训练 BP 网络实现函数逼近； C. 应用LM优化算法训练 BP 网络实现函数逼近。 4. 用神经网络 GUI 工具nntool，训练径向基函数网络（RBF）实现函数逼近 A. 打开神经网络 GUI 工具nntool； B. 输入样本数据、建立网络、训练网络； C. 观察训练结果，进行网络仿真计算。 5. 进行神经网络模型参考控制仿真 A. 采用两个神经网络，分别构成控制器和系统模型； B. 对系统模型进行辨识； C. 训练控制器神经网络，使得系统输出跟踪参考模型的输出； D. 进行神经网络模型参考控制系统仿真。 四、实验报告内容与要求 1．写出应用线性神经网络逼近滤波器函数输出的MATLAB程序和运行结果； 2．写出LM优化算法训练 BP 网络实现函数逼近的MATLAB程序和运行结果； 3．叙述神经网络模型参考控制仿真的步骤和结果。 2