智能控制实验报告

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：

智能控制课内实验（ ）

模糊控制器的设计

学 院： 自动化学院

姓 名：

班 级：

学 号：

日 期：

实验 模糊控制器的设计

一、实验目的

在 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

（ ）确定控制器的输入、输出的隶属度函数

偏差 ： － 负反馈

三个模糊子集 负大 水位高）、 零 和 正大 （水位低）。

偏差变化率： ，

三个模糊子集 负大 （高趋势）、 零 和 正大 （低趋势）。

控制量 ： 负大 、 负中 、 零 、 正中 、 正大 。

操作方法：

打开 在命令行输入：

出现下图界面：

在上图选择“ 出现下图：选择“ 再添加输入

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：

改为 ； 改为 改为 如下图：

双击“ 修改模糊子集：

如下图修改 的负大：注意各参数的设置

修改好的 的模糊子集如下图：

用同样的方法修改 如下图：

修改 的方法如下图：需要 个模糊子集

添加模糊子集的方法：在“ ”菜单下选择“

下图是对 这个模糊子集的设置：

设置好的 的模糊子集如下图：

添加规则的方法：

添加规则的界面如下：

这样一个模糊推理控制器就建立完毕了。

（ ）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：

改变上图 和 的值，可以看到 的不同的输出。

然后可以把该系统存为

三、写出实验的心得体会

总结建立模糊控制器的方法。

实验 神经网络工具箱的应用

二．神经网络工具箱函数

最新版的 神经网络工具箱为 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：

数逼近和模型拟合；

信息处理和预测；

神经网络控制；

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

网络是一种多层前馈神经网络，由输入层、隐层和输出层组成。 网络模型结构见图 。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：

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受的数据形 式；

确定网络模型：选择网络的类型、结构等；

选择网络参数：如神经元数，隐含层数等；

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；

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 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 网络，实现对非线性函数的逼近，通过改变 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 ，绘制此函数见图 所示。

假设 ，绘制此函数曲线

要逼近的非线性函数

时间

要逼近的非线性函数

第二步网络建立

应用 建立两层的 网络，隐层神经元数目可以改变 此时 ，输出层一个神经元，隐层和输出层的传递函数分别为 和 ，学习算法采用 。用 观察初始化网络输出如图 所示。

未训练网络的输出结果

时间

仿真输出 原函数

要逼近的非线性函数 未训练网络的输出结果

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 ，精度为 ，用 进行训练，误差曲线见图 所示。

训练过程

第四步网络测试

用 观察训练后的网络输出如图 所示。

训练后网络的输出结果

时间

仿真输出

要逼近的非线性函数 未训练网络的输出结果 训练后网络的输出结果

图 训练后网路的输出结果

从图 可以看出经过很短时间的训练后 网络很好的逼近了非线性函数。

讨论：

改变非线性函数的频率，即改变 的值时发现，网络的训练时间会长些， 逼近效果要差些。

改变隐层的神经元数目对网络的逼近效果也有影响，一般来说，隐层的 神经元数目越多，则 网络逼近非线性函数能力越强，但也并非隐层的神经元数目越多，网络性能就越好，而同时训练时间有所增长。

四．结论

智能控制课内实验（ ）

基于 的神经网络设计

学 院： 自动化学院

姓 名：

班 级：

学 号：

日 期：