FX2N-PLC指导书-西安文理学院.docVIP

智能控制导论实验指导书 西安文理学院物理与机电工程学院 目录 TOC \o 2-2 \h \z \u 实验一 模糊控制系统仿真 1 实验二 BP神经网络的函数逼近 4 Matlab模糊逻辑工具箱的图形用户界面 9 BP神经网络工具箱函数 13 智能控制导论实验指导书 PAGE 2 实验一 模糊控制系统仿真 一、实验目的 1．掌握Matlab模糊逻辑工具箱 2．比较位置式模糊控制器和速度式模糊控制器的不同 3．体会输入输出量化因子的作用 二、实验仪器设备 1．计算机（装有Matlab软件） 三、实验内容 1．利用Matlab提供的模糊逻辑工具箱建立一个常规模糊控制器。 模糊控制器有两个输入变量：输出与给定值的误差e和e的变化量ec（ec=e(k)-e(k-1)），一个输出变量：控制量的增量u（位置式）或Δu（速度式）。 图1-1 语言变量的隶属度函数取e、ec和Δ 图1-1 语言变量的隶属度函数 模糊关系运算的方法定义为：“与”运算（And method）——min、“或”运算（Or method）——max、蕴含运算（Implication）——min、模糊规则的综合运算（Aggregation）——max、去模糊化（Defuzzification）——centriod。 模糊控制器共有49条模糊控制规则，模糊控制规则如下表所示。 E EC NL NM NS ZE PS PM PL NL NL NL NL NL NM NS ZE NM NL NL NM NM NS ZE PS NS NL NL NM NS ZE PS PM ZE NL NM NS ZE PS PM PL PS NM NS ZE PS PM PL PL PM NS ZE PS PM PL PL PL PL ZE PS PM PL PL PL PL 模糊推理系统建立完成后，可观察期模糊规则浏览器和输入输出曲面视图。 通过导入命令（菜单项File|Export|To Workspace）将该模糊推理系统导入工作空间，命名为myfuzzy。 2．仿真模型的建立 图1- 图1-2 位置式模糊控制系统 图 图1-3 速度式模糊控制系统 其中输入给定的阶跃信号大小为1，开始时间为0秒，两个延迟环节的采样时间为0.2s，两个饱和环节的上下限分别为+6和-6，模糊逻辑控制器模块中FIS的参数设置为刚才导入工作空间的模糊逻辑的名称myfuzzy。 图1- 图1-4 Simulink的相关参数设置 3．对建立的系统进行仿真，记录响应曲线。体会位置式模糊控制器和速度式模糊控制器的差别以及量化因子的作用。量化因子可以分别取如下参数： Ke 15 5 30 15 15 15 15 15 Kec 20 20 20 10 30 20 20 20 Ku 2 2 2 2 2 1 4 10 四、思考题 1．位置式模糊控制器和速度式模糊控制器有无稳态误差？若有稳态误差，是否可以消除？ 2．输入输出量化因子Ke、Kec、Ku变大或变小对系统响应有何影响。 实验二 BP神经网络的函数逼近 一、实验目的 1．熟悉掌握Matlab神经网络工具箱的使用； 2．理解反向传播学习算法(BP)的原理,并利用BP算法实现函数逼近功能； 3．认识隐含层神经元个数与训练函数对神经网络训练次数的影响。 二、实验仪器设备 1．计算机（装有Matlab软件） 三、实验内容 1．熟悉Matlab神经网络工具箱，了解其中的命令使用。 2．根据BP学习算法的计算步骤，利用Matlab的神经网络工具箱的有关函数编写BP算法实现函数逼近功能。逼近函数y=0.5*(1+sin(x))。 网络结构如下设置： 输入1；隐含6（tansig元）；输出1（purelin元）。 参考代码如下： %trainnonline %训练BP网络的程序，逼近函数y=0.5*(1+sin(x)) clear; P = -pi:pi/8:pi;%输入矢量 T = 0.5*(1+sin(P));%输出期望值 nntwarn off;%去掉警告信息 [r,q] = size(P);%r行数，输入维数。q列数，样本个数 s1 = 6;s2 = 1;%s1,s2分别为隐含层和输出层的神经元个数（单隐含层） W1 = rands(s1,r)*0.005;B1 = rands(s1,1)*0.005;%W1,B1为隐含层的权值和阈值 W2 = rands(s2,s1)*0.5;B2 = rands(1,s2)*0.5;%W2,B2为输出层的权值和阈值 err_goal = 0.01;%期望误差最小值 max_epoch = 15000;%最大循环次数 lr = 0.01;%学习速率 A1 = tansig(W1*P,B1);%隐含层输出矢