模糊实验报告洪帅

合集下载

《智能控制》-模糊控制实验报告

《智能控制》-模糊控制实验报告

课程名称:智能控制实验名称:模糊控制一、实验目的:(1)了解在Simulink 仿真环境下建立控制系统方框图的方法,熟悉Matlab 和Simulink 仿真环境(2)掌握模糊控制器的设计方法。

(3)比较PID 控制和模糊控制的特点。

二、实验内容和步骤 已知s e s s s G 2.0214820)(-++=,分别设计PID 控制与模糊控制,使系统达到较好性能,并比较两种方法的结果。

结构如下图。

(1)模糊控制规则设计针对该定位系统,设计二维模糊控制规则,使性能达到最佳。

模糊控制规则如下:(2)设计未加PID或FUZZY控制器时,设计系统如下:输入阶跃信号,观测与分析仿真结果。

(3)加入PID控制器如下:对应的仿真结构图为:调整参数,观测与分析仿真结果。

PID控制的仿真曲线如下:(4)设计FUZZY控制器在simulink仿真环境下,设计模糊控制系统,包括模糊控制规则、隶属函数、比例因子、量化因子、论域等参数设计。

FUZZY控制仿真结构图如下:其中黄色部分具体为:利用simulink设计的模糊控制的仿真结构图为:其中对于模糊控制器的设计:E=[-6 6] EC=[-6 6] U=[-6 6],并且其隶属函数分别为:E的隶属函数EC的隶属函数U的隶属函数再将其中一个学生的比较好的实验结果作为参考实例:首先仿真图如下:模糊控制器的设计:E=[-6 6] EC=[-6 6] U=[-6 6],并且其隶属函数分别为:E和EC的隶属函数U的隶属函数控制规则:ECNB NM NS ZE PS PM PB ENB PB PB PB PB PM ZE ZENM PB PB PB PB PM ZE ZENS PM PM PM PM ZE NS NSZE PM PM PS ZE NS NM NMPS PS PS ZE NM NM NM NMPM ZE ZE NM NB NB NB NBPB ZE ZE NM NB NB NB NB设计好模糊控制器后,运行仿真图形,得到的仿真曲线如下(step time=1):模糊控制的仿真曲线由仿真可知,通过选择合适的PID参数可以达到较好的控制性能。

高效模糊定律实验报告

高效模糊定律实验报告

一、实验背景模糊逻辑作为一种处理不确定性和模糊性的数学工具,近年来在各个领域得到了广泛的应用。

高效模糊定律是模糊逻辑中的一种基本原理,它通过将模糊变量和模糊关系进行结合,实现高效的模糊推理。

本实验旨在验证高效模糊定律的有效性,并探究其在实际应用中的优势。

二、实验目的1. 验证高效模糊定律的正确性;2. 分析高效模糊定律在模糊推理中的优势;3. 探讨高效模糊定律在工程实际中的应用。

三、实验原理高效模糊定律的基本思想是将模糊变量与模糊关系进行结合,通过模糊关系对模糊变量进行运算,从而实现高效的模糊推理。

具体来说,设A和B为两个模糊变量,R为模糊关系,则高效模糊定律可以表示为:R(A) = ∏(R(a) ∩ B)其中,R(a)表示模糊关系R在模糊变量A中的元素a对应的模糊关系。

四、实验仪器与设备1. 高效模糊推理实验平台;2. 模糊变量生成器;3. 模糊关系生成器;4. 模糊推理结果分析软件。

五、实验步骤1. 生成模糊变量A和B,以及模糊关系R;2. 根据高效模糊定律计算R(A);3. 分析计算结果,验证高效模糊定律的正确性;4. 对比传统模糊推理方法,分析高效模糊定律在模糊推理中的优势;5. 结合实际应用场景,探讨高效模糊定律的应用。

六、实验结果与分析1. 实验结果验证了高效模糊定律的正确性,通过计算R(A)的值,可以看出其符合高效模糊定律的表达式。

2. 与传统模糊推理方法相比,高效模糊定律在以下方面具有优势:a. 高效性:高效模糊定律将模糊变量与模糊关系进行结合,减少了计算量,提高了推理速度;b. 精确性:高效模糊定律通过模糊关系对模糊变量进行运算,使得推理结果更加精确;c. 可扩展性:高效模糊定律可以方便地应用于复杂的模糊推理问题。

3. 在实际应用中,高效模糊定律可以应用于以下场景:a. 模糊控制系统:如智能家居、智能交通等;b. 模糊决策支持系统:如企业生产、城市规划等;c. 模糊识别与分类:如图像识别、语音识别等。

模糊控制实验报告

模糊控制实验报告

模糊控制系统实验报告学院:班级::学号:、实验目的1.通过本次实验,进一步了解模糊控制的基本原理、模糊模型的建立和模糊控制器的设计过程。

2.提高有关控制系统的程序设计能力;3.熟悉Matlab语言以及在智能控制设计中的应用。

二、实验内容设计一个采用模糊控制的加热炉温度控制系统。

被控对象为一热处理工艺制作中的加热炉,加热设备为三相交流调压供电装置,输入控制信号电压为0-5V,输出相电压为0-220V,输出最大功率180kW炉内变化室温~625C。

三、实验过程及步骤1.用Matlab中的Simulink工具箱,组成一个模糊控制系统,如图所示2.采用模糊控制算法,设计出能跟踪给定输入的模糊控制器,对被控系统进行仿真,绘制出系统的阶跃响应曲线(1)模糊集合及论域的定义对误差E、误差变化EC机控制量U的模糊集合及其论域定义如下: E、EC和U的模糊集合均为:{NB、NM NS 0、PS PM PB}E和EC的显示范围为:[-6 6]结果如下图所示FIS Editor: UntitledFile Edit Viev;FIS VariablesEMECin put variable "E"Current VariableNameTypeRangeDisplay RangeEinput[-6 6]Help Close Select etl variable "E"File Edit Viev^Current VariableNsrueTypeRangeDitsptey RangeSelected variable 'U"打开Rule编辑器,并将49条控制规则输入到Rule编辑器中FIS VariablesLIoutput06】[-6 6]Rule Editor: UntitledECouiput variable "U1利用编辑器的” View T Rules”和” View^Surface ”得到模糊推理系统的模糊规则和输入输出特性曲面,分别如下图所示Fil e Edit Viev; OptionsFile Edit Viev^ OptionsRule Viewer Untitled忻珅:[□ g]Plot points: 101left down up ReadySurface Viewer: UntitledE "U = 1.a3e-D0&Move:Help Close口从图中可以看出,输出变量U 是关于两个输入变量E 、EC 的非线性函 数,输入输出特性曲面越平缓、光滑,系统的性能越好。

模糊实验报告材料 洪帅

模糊实验报告材料 洪帅

控制理论与控制工程《智能控制基础》课程实验报告专业:控制理论和控制工程班级:双控研2016姓名:洪帅任课教师:马兆敏2016年12 月4 日第一部分:模糊控制实验一模糊控制的理论基础实验实验目的:1 练习matlab中隶属函数程序的编写,同时学习matlab数据的表达、格式、文件格式、存盘2 学习matlab中提供的典型隶属函数及参数改变对隶属度曲线的影响3 模糊矩阵合成仿真程序的学习4 模糊推理仿真程序实验内容(1)要求自己编程求非常老,很老,比较老,有点老的隶属度函数。

1隶属函数编程试验结果如图1-1图1-1隶属度函数曲线(2)完成思考题P80 2-2 写出W及V两个模糊集的隶属函数,并绘出四个仿真后的曲线。

仿真曲线见图1-2,图1-2隶属度函数曲线2 典型隶属函数仿真程序学习下列仿真程序,改变各函数中的参数,观察曲线的变化,并总结各种隶属函数中其参数变化是如何影响曲线形状变换的。

M=1 M=3M=3 M=4M=5 M=6图1-3 M 在1、2、3、4、5、6时的图形2 模糊矩阵合成仿真程序:学习P31例2-10,仿真程序如下,(1) 完成思考题P81 2-5,并对比手算结果。

完成思考题P81 2-4,并对比手算结果。

(2) 2-5:(1) Matlab 结果如下①②③P81 2-5手算结果:P=⎥⎦⎤⎢⎣⎡7.02.09.06.0 Q=⎥⎦⎤⎢⎣⎡4.01.07.05.0 R=⎥⎦⎤⎢⎣⎡7.07.03.02.0 S=⎥⎦⎤⎢⎣⎡5.06.02.01.0(PοQ)οR=⎥⎦⎤⎢⎣⎡4.04.06.06.0(PUQ)οS=⎥⎦⎤⎢⎣⎡5.06.05.06.0(PοS)U(QοS)=⎥⎦⎤⎢⎣⎡5.06.05.06.0总结:手算结果和MATLAB运行结果一致。

(2)(2)思考题P81 2-4 Matlab运行结果如下:P81 2-4题手算结果如下:()3020104.01104.02030++++-+-+-=eZEμ()30203.01013.0102030++++-+-+-=ePSμ()()3020104.03.0102030++++-+-+-=⋂eePSZEμμ()()30203.01011104.02030++++-+-+-=⋃eePSZEμμ总结:手算结果和MATLAB运行结果一致。

模糊系统社会实践报告

模糊系统社会实践报告

一、引言随着信息技术的飞速发展,模糊系统作为一种处理不确定性和模糊性问题的智能技术,逐渐受到广泛关注。

为了深入了解模糊系统的应用现状和发展趋势,我们团队开展了为期一个月的模糊系统社会实践。

本次实践旨在通过实地考察、案例分析和技术交流等方式,全面了解模糊系统在各个领域的应用,并探讨其未来发展方向。

二、实践背景1. 模糊系统概述模糊系统是一种基于模糊逻辑和模糊集理论的智能技术,主要用于处理不确定性、模糊性和不精确性问题。

与传统数学方法相比,模糊系统具有更强的适应性和鲁棒性,能够有效解决现实世界中复杂多变的问题。

2. 模糊系统应用领域模糊系统在各个领域都有广泛应用,如工业控制、智能交通、医疗诊断、农业等领域。

随着技术的不断发展,模糊系统的应用范围将进一步扩大。

三、实践过程1. 实地考察我们团队首先对模糊系统在工业控制领域的应用进行了实地考察。

我们参观了某企业自动化生产线,了解了模糊控制器在该生产线中的应用情况。

通过与企业技术人员交流,我们了解到模糊控制器在提高生产效率和产品质量方面的显著效果。

2. 案例分析针对模糊系统在智能交通领域的应用,我们选取了某城市智能交通系统作为案例进行分析。

通过对该系统的功能模块、技术特点和应用效果进行深入研究,我们发现模糊系统在交通信号控制、车流量预测和停车场管理等环节发挥了重要作用。

3. 技术交流我们团队参加了某国际模糊系统学术会议,与国内外专家学者就模糊系统的研究与应用进行了深入交流。

通过这次会议,我们了解到模糊系统在各个领域的最新研究成果和发展趋势,为我们的实践提供了有益的启示。

四、实践成果1. 模糊系统在工业控制领域的应用通过实地考察和案例分析,我们了解到模糊系统在工业控制领域的应用具有以下特点:(1)提高生产效率和产品质量;(2)降低能耗和故障率;(3)具有较强的适应性和鲁棒性。

2. 模糊系统在智能交通领域的应用在智能交通领域,模糊系统具有以下应用优势:(1)提高交通信号控制效果;(2)准确预测车流量;(3)优化停车场管理。

智能控制--模糊控制实验报告

智能控制--模糊控制实验报告

clear all;close all;T=0; %ʱ¼ä³£Êýa=newfis('fuzz_temperatrue');a=addvar(a,'input','e',[-3,3]); %Parameter e a=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NM','trimf',[-3,-2,0]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PM','trimf',[0,2,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);a=addvar(a,'output','u',[72,78]); %Parameter u a=addmf(a,'output',1,'NB','zmf',[72,74]);a=addmf(a,'output',1,'NM','trimf',[72,73,75]);a=addmf(a,'output',1,'NS','trimf',[73,74,75]);a=addmf(a,'output',1,'Z','trimf',[74,75,76]);a=addmf(a,'output',1,'PS','trimf',[75,76,77]);a=addmf(a,'output',1,'PM','trimf',[75,77,78]);a=addmf(a,'output',1,'PB','smf',[76,78]);rulelist=[1 1 1 1; %Edit rule base2 2 1 1;3 3 1 1;4 4 1 1;5 5 1 1;6 6 1 1;7 7 1 1];a=addrule(a,rulelist);a1=setfis(a,'DefuzzMethod','mom'); %Defuzzywritefis(a1,'temperatrue'); %Save to fuzzy file "tank.fis" a2=readfis('temperatrue');figure(1);plotfis(a2);figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'output',1);flag=1;if flag==1showrule(a) %Show fuzzy rule baseruleview('temperatrue'); %Dynamic Simulationenddisp('-------------------------------------------------------');disp(' fuzzy controller table:e=[-3,+3],u=[-4,+4] ');disp('-------------------------------------------------------');for i=1:1:7e(i)=i-4;Ulist(i)=evalfis([e(i)],a2);endUlist=round(Ulist)e=-3; % Erroru=evalfis([e],a2) %Using fuzzy inference四、Simulink仿真模型五、实验结果令T=0;1、模糊控制器为一维控制器,输入输出变量的量化等级为7级,取5个模糊集。

实验五(一) 模糊控制仿真实验

实验五(一) 模糊控制仿真实验

实验五(1)模糊控制仿真实验一、模糊逻辑推理系统的总体特征模糊控制由于不依赖对象的数学模型而受到广泛的重视,计算机仿真是研究模糊控制系统的重要手段之一。

由Math Works公司推出的Matlab软件,为控制系统的计算机仿真提供了强有力的工具,特别是在Matlab4.2以后的版本中推出的模糊工具箱(Fuzzy Toolbox),为仿真模糊控制系统提供了很大的方便。

由于这样的模块都是由相关领域的著名学者开发的,所以其可信度都是很高的,仿真结果是可靠的。

在Simulink环境下对PID控制系统进行建模是非常方便的,而模糊控制系统与PID控制系统的结构基本相同,仅仅是控制器不同。

所以,对模糊控制系统的建模关键是对模糊控制器的建模。

Matlab软件提供了一个模糊推理系统(FIS)编辑器,只要在Matlab命令窗口键入Fuzzy就可进入模糊控制器编辑环境。

二、Matlab模糊逻辑工具箱仿真1.模糊推理系统编辑器(Fuzzy)模糊推理系统编辑器用于设计和显示模糊推理系统的一些基本信息,如推理系统的名称,输入、输出变量的个数与名称,模糊推理系统的类型、解模糊方法等。

其中模糊推理系统可以采用Mandani或Sugeuo两种类型,解模糊方法有最大隶属度法、重心法、加权平均等。

打开模糊推理系统编辑器,在MATLAB的命令窗(command window)内键入:fuzzy 命令,弹出模糊推理系统编辑器界面,如下图所示。

加入新的输入input,如下图所示。

选择input(选中为红框),在界面右边文字输入处键入相应的输入名称,例如,温度输入用 tmp-input, 磁能输入用 mag-input,等。

2.隶属度函数编辑器(Mfedit)该编辑器提供一个友好的人机图形交互环境,用来设计和修改模糊推理系中各语言变量对应的隶属度函数的相关参数,如隶属度函数的形状、范围、论域大小等,系统提供的隶属度函数有三角、梯形、高斯形、钟形等,也可用户自行定义。

模糊数学实验报告三 模糊决策与糊线性规划

模糊数学实验报告三  模糊决策与糊线性规划

实验三 模糊决策与糊线性规划实验目的:会用模糊综合评判模型进行综合评判,掌握将模糊线性规划转化为一般线性规划的方法,会使用数学软件Lindo 求解一般线性规划.实验学时:4学时实验内容:⑴ 教学过程的综合评判等.⑵ 将已知模糊线性规划问题用C 语言编程生成Lindo 软件的数据格式,再用Lindo 软件求解.⑶ 编程求解模糊关系方程的最大解.实验日期:2015年11月6日操作步骤:将模糊线性规划问题⎪⎪⎪⎩⎪⎪⎪⎨⎧⎪⎪⎩⎪⎪⎨⎧≥-=--≥+-≤+++-=.0,,],5.0,4[3],1,6[6],2,8[..,64max 321321321321321x x x x x x x x x x x x t s x x x f 转化为普通线性规划问题,并用Lindo 软件求解.用C 语言编程生成Lindo 软件的数据格式#include<stdio.h>#include<math.h>void main(){double c[]={1,-4,6};//目标系数double A[3][3]={1,1,1,1,-6,1,1,-3,-1};//技术系数矩阵double b[]={8,6,-4};//目标右端常数double fc=38;//第一个线性规划问题的最优值double dc=8.25;//第一、二个线性规划问题的最优值之差double d[]={2,1,0.5};//伸缩指标char opt=1;//0表示min;1表示maxchar cont[]={-1,1,0};//约束条件-1表示≤;0表示=;1表示≥int m=3,n=3;//m 约束条件个数;n 变量个数FILE *fp;int i,j;fp=fopen("xxxx.txt","w");if(opt)fprintf(fp,"Max ");else fprintf(fp,"min ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}fprintf(fp,"\ns.t. ");for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"<");else if(cont[i]==0)fprintf(fp,"=");else fprintf(fp,">");fprintf(fp,"%6.4f\n",b[i]);}fprintf(fp,"\n\n\n");if(opt)fprintf(fp,"Max ");else fprintf(fp,"min ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}fprintf(fp,"\ns.t. ");for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"<%6.4f\n",b[i]+d[i]);else if(cont[i]==0){fprintf(fp,"<%6.4f\n",b[i]+d[i]);for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}fprintf(fp,">%6.4f\n",b[i]-d[i]);}else fprintf(fp,">%6.4f\n",b[i]-d[i]);}fprintf(fp,"\n\n\n");fprintf(fp,"Max lmd");fprintf(fp,"\ns.t. ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}if(opt)fprintf(fp,"-%6.4flmd>%6.4f\n",dc,fc);else fprintf(fp,"+%6.4flmd<%6.4f\n",dc,fc);for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"+%6.4flmd<%6.4f\n",d[i],b[i]+d[i]);else if(cont[i]==0){fprintf(fp,"+%6.4flmd<%6.4f\n",d[i],b[i]+d[i]);for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}fprintf(fp,"-%6.4flmd>%6.4f\n",d[i],b[i]-d[i]);}else fprintf(fp,"-%6.4flmd>%6.4f\n",d[i],b[i]-d[i]);}fclose(fp);}结果:C语言编程生成的Lindo软件数据格式:Max 1.0000x1-4.0000x2+6.0000x3s.t. 1.0000x1+1.0000x2+1.0000x3<8.00001.0000x1-6.0000x2+1.0000x3>6.00001.0000x1-3.0000x2-1.0000x3=-4.0000Max 1.0000x1-4.0000x2+6.0000x3s.t. 1.0000x1+1.0000x2+1.0000x3<10.00001.0000x1-6.0000x2+1.0000x3>5.00001.0000x1-3.0000x2-1.0000x3<-3.50001.0000x1-3.0000x2-1.0000x3>-4.5000Max lmds.t. 1.0000x1-4.0000x2+6.0000x3-8.2500lmd>38.00001.0000x1+1.0000x2+1.0000x3+2.0000lmd<10.00001.0000x1-6.0000x2+1.0000x3-1.0000lmd>5.00001.0000x1-3.0000x2-1.0000x3+0.5000lmd<-3.50001.0000x1-3.0000x2-1.0000x3-0.5000lmd>-4.5000求解结果:LP OPTIMUM FOUND AT STEP 2OBJECTIVE FUNCTION VALUE1) 38.00000VARIABLE VALUE REDUCED COST X1 2.000000 0.000000X2 0.000000 15.000000X3 6.000000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 3.5000003) 2.000000 0.0000004) 0.000000 -2.500000NO. ITERATIONS= 2RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE X1 1.000000 15.000000 7.000000X2 -4.000000 15.000000 INFINITYX3 6.000000 INFINITY 7.000000RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 8.000000 INFINITY 2.0000003 6.000000 2.000000 INFINITY4 -4.000000 12.000000 4.000000OBJECTIVE FUNCTION VALUE1) 46.25000VARIABLE VALUE REDUCED COSTX1 2.750000 0.000000X2 0.000000 15.000000X3 7.250000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 3.5000003) 5.000000 0.0000004) 1.000000 0.0000005) 0.000000 -2.500000NO. ITERATIONS= 1RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE X1 1.000000 5.000000 7.000000X2 -4.000000 15.000000 INFINITYX3 6.000000 INFINITY 5.000000RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 10.000000 INFINITY 5.0000003 5.000000 5.000000 INFINITY4 -3.500000 INFINITY 1.0000005 -4.500000 1.000000 5.500000 VARIABLE VALUE REDUCED COSTLMD 0.500000 0.000000X1 2.375000 0.000000X2 0.000000 0.909091X3 6.625000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 -0.0606063) 0.000000 0.2121214) 3.500000 0.0000005) 0.500000 0.0000006) 0.000000 -0.151515NO. ITERATIONS= 4RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE LMD 1.000000 INFINITY 1.000000X1 0.000000 0.246914 0.622222X2 0.000000 0.909091 INFINITYX3 0.000000 0.800000 0.487805RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 38.000000 8.250000 8.2500003 10.000000 2.357143 2.3571434 5.000000 3.500000 INFINITY5 -3.500000 INFINITY 0.5000006 -4.500000 0.589286 3.870370所以最优解是2.375*1+(-4)*0+6*6.625=42.125。

  1. 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. 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. 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)。

控制理论与控制工程《智能控制基础》课程实验报告专业:控制理论和控制工程班级:双控研2016姓名:洪帅任课教师:马兆敏2016年12 月4 日第一部分:模糊控制实验一模糊控制的理论基础实验实验目的:1 练习matlab中隶属函数程序的编写,同时学习matlab数据的表达、格式、文件格式、存盘2 学习matlab中提供的典型隶属函数及参数改变对隶属度曲线的影响3 模糊矩阵合成仿真程序的学习4 模糊推理仿真程序实验内容(1)要求自己编程求非常老,很老,比较老,有点老的隶属度函数。

1隶属函数编程试验结果如图1-1图1-1隶属度函数曲线(2)完成思考题P80 2-2 写出W及V两个模糊集的隶属函数,并绘出四个仿真后的曲线。

仿真曲线见图1-2,图1-2隶属度函数曲线2 典型隶属函数仿真程序学习下列仿真程序,改变各函数中的参数,观察曲线的变化,并总结各种隶属函数中其参数变化是如何影响曲线形状变换的。

M=1 M=3M=3 M=4M=5 M=6图1-3 M在1、2、3、4、5、6时的图形2 模糊矩阵合成仿真程序:学习P31例2-10,仿真程序如下,(1)完成思考题P81 2-5,并对比手算结果。

完成思考题P81 2-4,并对比手算结果。

(2)2-5:(1)Matlab结果如下①②③P81 2-5手算结果:P=⎥⎦⎤⎢⎣⎡7.02.09.06.0Q=⎥⎦⎤⎢⎣⎡4.01.07.05.0R=⎥⎦⎤⎢⎣⎡7.07.03.02.0S=⎥⎦⎤⎢⎣⎡5.06.02.01.0(P Q) R=⎥⎦⎤⎢⎣⎡4.04.06.06.0(PUQ) S=⎥⎦⎤⎢⎣⎡5.06.05.06.0(P S)U(Q S)=⎥⎦⎤⎢⎣⎡5.06.05.06.0总结:手算结果和MATLAB运行结果一致。

(2) (2)思考题P81 2-4 Matlab运行结果如下:P81 2-4题手算结果如下:()3020104.01104.02030++++-+-+-=eZEμ()30203.01013.0102030++++-+-+-=ePSμ()()3020104.03.0102030++++-+-+-=⋂eePSZEμμ()()30203.01011104.02030++++-+-+-=⋃eePSZEμμ总结:手算结果和MATLAB运行结果一致。

4 模糊推理仿真程序:学习P47 例2-16,仿真程序如下。

(1)完成思考题2-9,并对比手算结果。

Matlab结果如下手算结果如下:[]1.015.0=A []6.011.0=B []14.0=C []1.05.01='A []15.01.0='B⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⨯=1.01.01.06.011.05.05.01.0B A D⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=1.01.01.06.011.05.05.01.0DT ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⨯=1.01.01.01.01.01.06.04.014.01.01.05.04.05.04.01.01.0C DT R ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡='⨯'='1.01.01.05.05.01.015.01.0B A D []1.01.01.05.05.01.015.01.0='T D ]5.04.0[='='R T D C总结:手算结果和MATLAB 运行结果一致。

实验二模糊控制实验(matlab中的模糊工具箱的使用及模糊控制器的应用)实验目的matlab中的模糊工具箱的使用及模糊控制器的应用实验内容1)模糊控制工具箱的使用2)用fuzzy工具箱计算P82 2-14,要求求出控制器输出。

3)用FUZZY工具箱完成洗衣机模糊控制器设计要求求出控制器输出。

完成模糊控制决策表。

一、模糊控制工具箱的使用简介1 输入输出的建立2 建立控制规则3 选择解模糊方法Maltlab提供5种解模糊化方法:1.centroid:面积重心法;2.bisector:面积等分法;3.mom:最大隶属度平均法;4.som:最大隶属度取小法;5.lom:最大隶属度取大法4 观察控制平面,控制器的输出二、用fuzzy工具箱计算P82 2-14当e=0.6时,解模糊的u=3.33,如图2-1图2-1三、用FUZZY工具箱完成洗衣机模糊控制器设计。

(1)题目分析:洗衣时间长短实际与衣物的脏污程度有关,太脏了就洗久点,不脏就可以洗快点。

人类的操作经验是由模糊的自然语言描述的,在洗衣机的调节中,人类的操作经验是: (1)“如果污泥越多,且油脂越多,洗涤时间就越长;”(2)“如果污泥适中,且油脂适中,洗涤时间就适中;”(3)“如果污泥越少,且油脂越少,洗涤时间就越短;”通过分析可以知道这实际是一个开环的控制决策过程:输入是污泥度x与油污度y,输出是洗涤时间z。

在该规则中对这些量进行衡量的是一些模糊词语,“多”、“少”、“长”、“短”。

(2)定义输入、输出模糊集将污泥x分为3个模糊集:{SD(污泥少),MD(污泥中),LD(污泥多)}论域:{0,50,100}将油脂分为3个模糊集:{NG (油脂少),MG (油脂中),LG (油脂多)} 论域:{0,50,100}输出模糊集:将洗涤时间分为5个模糊集:{VS (很短),S (短),M (中等),L (长),VL (很长)}。

论域:{0,10,25,40,60} 单位s 例如:xD e g r e e o f m e m b e r s h i p模糊规则如下:(3)建立模糊控制器求:假设当前传感器测得信息为:x0(污泥)=60,y0(油脂)=70 观察控制推理过程。

如图2-2。

zD e g r e e o f m e m b e r s h i p图2-4(4)建立控制决策表x0=10,20,30,40,50,60,70,80,90,y0=10,20,30,40,50,60,70,80,90,分别取值时,控制器的输出。

Matlab使用centroid:面积重心法求得如下表2-110 20 30 40 50 60 70 80 9010 14.3 18 20.3 22.3 25 30 33.1 35.7 38.3 20 14.6 17.3 19.5 21.9 25 30.5 33.1 35.7 3830 14.9 17.4 19.5 21.9 25 30.5 33.1 35.7 3840 15.1 18 20.2 22.3 25 30 33.1 35.7 38.3 50 15.4 18.3 20.5 22.6 25 30 331 35.7 38.3 60 22.8 24.2 25.7 27.5 30 30.7 33.7 36.2 38.7 70 24.2 27.4 28.5 30.6 33.1 33.7 35 37.3 39.7 80 25.7 28.5 30.7 33 35.7 36.2 37.3 38.4 41.2 90 27.5 30.6 33 35.2 38.3 38.7 39.7 41.2 43.1表2-1(5)改变输入输出变量的模糊值、隶属度函数的曲线、解模糊的方法等,观察控制器三维图以及控制器输出,四实验要求1 模糊化要求:将污泥X,油脂Y分别分成5个模糊子集,洗涤时间分成7个模糊子集,进行模糊化;将污泥X,油脂Y分别分成5个模糊子集,洗涤时间分成7个模糊子集,进行模糊化,要求分别绘制输入、输出的隶属度函数曲线,如图。

图2-3 污泥隶属度函数曲线图2-4 油脂隶属度函数曲线图2-5 洗涤时间隶属度函数曲线2 设计模糊规则表:要求列出所设计的模糊规则表。

3 模糊推理:要求写出:x0(污泥)=60,y0(油脂)=70时,模糊推理的推理过程图。

采用的是重心法,推理过程如图2-6:图2-64 选择解模糊的方法,得到控制器的控制决策表要求选择重心法以及最大隶属度法,汇总x=10,20,30,40,50,60,70,80,90,y=10,20,30,40,50,60,70,80,90,时的。

模糊控制决策表结果重心法如下表2-2以及最大隶属度法如下表2-310 20 30 40 50 60 70 80 9010 13.6 20 24.5 25 25 25 27.4 33 3520 15 20 24.2 27.6 30 30 30 32.4 35.8表2-2 重心法表2-2 最大隶属度法实验总结:通过fuzzy工具箱的使用完成洗衣机模糊控制器设计。

对洗衣机的输入输出进行定义模糊集,控制洗衣机洗涤时间的输出,因为由于人为意识设置规则,得出的模糊规则表不足以模拟现实洗衣机的运行,最后解模糊化时采用重心法相对比较精确。

实验三模糊控制实验--小车沿直线行进的模糊控制仿真系统实验目的模糊控制器的应用--小车沿直线行进的模糊控制仿真系统实验内容矿区除尘一直是煤矿生产的重要工作,这既是生产环境的要求也是对工作人员身体健康的保证。

采用自动行进的洒水车进行除尘工作是矿区除尘的主要发展方向。

模糊控制技术对于不确定系统具有良好的控制效果,所以引入模糊控制算法对矿区洒水车进行自动控制是解决道路凹凸影响的有效途径。

洒水车行进轨迹一定的时候,洒水车相对预定轨迹的误差如图1所示。

可以取其中两个量表示误差。

一个是洒水车行进方向与预定轨迹的夹角θ,一个是洒水车中心点到预定轨迹的距离d。

显然,当洒水车平稳行进的时候夹角θ和距离d将一直保持为0。

但是当路面凹凸不平时,洒水车在行进路线上就会产生一定的偏移。

对洒水车的控制就是控制这两个偏移量,使得洒水车在出现偏移后能自动调整方向回到预期轨迹上来。

预定轨迹图1 洒水车行进中的误差建立小车沿直线行进的模糊控制仿真系统1用fuzzy建立模糊控制器(1)输入为d,sitad的论域为【-1.2 +1.2】m,sita的论域为【-6 +6】0输出为alfalf的论域为【-30 +30】0采用夹角θ和距离d作为输入,洒水车导向轮与车体偏转角α作为输出量。

以在预定道路右向为正,左向为负。

由于路面不平带来的洒水车偏移一般都不大,设定夹角θ的范围是-6º~6º,距离d的范围是-1.2m~1.2m,偏转角α的范围是-30º~30º,(2)建立模糊子集夹角θ{NB(左偏大) NM(左偏中等) NS(左偏小)Z(夹角为0)PS(右偏小) PM(右偏中等) PB(右偏小)}距离d{NB(左偏大) NM(左偏中等) NS(左偏小)Z(偏转角为0)PS(右偏小) PM(右偏中等) PB(右偏小)}偏转角α{NB(左偏大) NM(左偏中等) NS(左偏小)Z(偏转角为0)PS(右偏小) PM(右偏中等) PB(右偏小)}(3)建立模糊规则表dNB NM NS Z PS PM PBθNB PB PB PB PB PM PS Z NM PB PM PM PM PS Z Z NS PB PM PM PS Z Z NS Z PM PS PS Z NS NS NM PS PS Z Z NS NM NM NB PM Z Z NS NM NM NB NB PB Z NS NM NB NB NB NB(4)选择合适的反模糊化方法经过对比分析,最终选择重心法。

相关文档
最新文档