智能控制实验报告
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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: