智能控制作业
智能控制(神经网络)-作业
智能控制作业学生姓名: 学号: 专业班级:（一）7-2 采用BP网路、RBF网路、DRNN网路逼近线性对象, 分别进行matlab 仿真。
（二）采用BP网络仿真网络结构为2-6-1。
采样时间1ms, 输入信号, 权值的初值随机取值, 。
仿真m文件程序为:%BP simulationclear all;clear all;xite=0.5;alfa=0.5;w1=rands(2,6); % value of w1,initially by randomw1_1=w1;w1_2=w1;w2=rands(6,1); % value of w2,initially by randomw2_1=w2;w2_2=w2_1;dw1=0*w1;x=[0,0]';u_1=0;y_1=0;I=[0,0,0,0,0,0]'; % input of yinhanceng cellIout=[0,0,0,0,0,0]'; % output of yinhanceng cellFI=[0,0,0,0,0,0]';ts=0.001;for k=1:1:1000time(k)=k*ts;u(k)=0.5*sin(3*2*pi*k*ts);y(k)=(u_1-0.9*y_1)/(1+y_1^2);for j=1:1:6I(j)=x'*w1(:,j);Iout(j)=1/(1+exp(-I(j)));endyn(k)=w2'*Iout; %output of networke(k)=y(k)-yn(k); % error calculationw2=w2_1+(xite*e(k))*Iout+alfa*(w2_1-w2_2); % rectify of w2for j=1:1:6FI(j)=exp(-I(j))/(1+exp(-I(j))^2);endfor i=1:1:2for j=1:1:6dw1(i,j)=e(k)*xite*FI(j)*w2(j)*x(i); % dw1 calculation endendw1=w1_1+dw1+alfa*(w1_1-w1_2); % rectify of w1% jacobian informationyu=0;for j=1:1:6yu=yu+w2(j)*w1(1,j)*FI(j);enddyu(k)=yu;x(1)=u(k);x(2)=y(k);w1_2=w1_1;w1_1=w1;w2_2=w2_1;w2_1=w2;u_1=u(k);y_1=y(k);endfigure(1);plot(time,y,'r',time,yn,'b');xlabel('times');ylabel('y and yn');figure(2);plot(time,y-yn,'r');xlabel('times');ylabel('error');figure(3);plot(time,dyu);xlabel('times');ylabel('dyu');运行结果为:（三）采用RBF网络仿真网路结构为2-4-1, 采样时间1ms, 输入信号, 权值的初值随机取值, , 高斯基函数初值, 。
智能控制技术作业1
智能控制11.已知系统的传递函数为：G(s)=^^e g。
假设系统给定为阶跃值r=30，10S+1系统的初始值r(0)=0。
试分别设计常规的PID控制器;常规的模糊控制器;比较两种控制器的控制效果。
解：(1).利用Ziegler-Nichols 整定公式整定PID调节器的初始参数表1.调节器Ziegler-Nichols 整定公式KP TI TDPT /(K T)PI0.9T/(K T) 3.3 TPID1.2T/(K T)2.2 T0.5 T由公式可得\ /常规PID控制器的设计:P=18Ti=1.65Td=O SIMULINK仿真图^Bl*ck FardBCtcrsL Step]—S-tn 口tiJM：F:n且！valae.|35Saocrle tiae:pP iRt^Tpret vect{}r pEiTKHteri AB 1-D1*7 二「二匕二匸匚rzzrinb c -二："〔二r.QBl*ck rarutt«rs： Tr^nsstrl Dclarp Tf Dfrlaj丄口sir <PE匚LT；td do：口T tp the qrpvt ;iEnJl- n；匚ur*cr i;au订：<hiTi tm delay i i lariE^r t郎an tJifr iinlat^on it»口i；£«上冒itlA* Ln^tLBl iTlDUt'I偌斗设定仿真时间为10s仿真结果CdX1C«l M*lp ApplyU2SJ 厂Direct r*fr；throi；ch at input liiXiiu liJieaxisttian.Pndfl prdflh tfo-T ；incari；ftt iQTL；:A也Q何丹ASS S昌嘩ffl 也| ** C? ® e附币■(2).模糊控制器的设计:1.在matlab命令窗口输入“ fuzzy ”确定模糊控制器结构：即根据具体的系统确定输入、输出量。
智能控制题目及解答
智能控制题目及解答 Document number：WTWYT-WYWY-BTGTT-YTTYU-2018GT智能控制题目及解答第一章绪论作业作业内容1．什么是智能、智能系统、智能控制2．智能控制系统有哪几种类型，各自的特点是什么3．比较智能控制与传统控制的特点。
4．把智能控制看作是AI(人工智能)、OR(运筹学)、AC(自动控制)和IT(信息论)的交集，其根据和内涵是什么5．智能控制有哪些应用领域试举出一个应用实例，并说明其工作原理和控制性能。
1 答：智能：能够自主的或者交互的执行通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维。
智能系统：是指具有一定智能行为的系统，对于一定的输入，它能产生合适的问题求解相应。
智能控制：智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。
是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法。
2 答：（1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能。
（2）人-机结合作为作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务。
（3）无人参与的自组控制系统：为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务。
3 答：在应用领域方面，传统控制着重解决不太复杂的过程控制和大系统的控制问题；而智能控制主要解决高度非线性、不确定性和复杂系统控制问题。
在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法；传统控制通常捕获精确知识来满足控制指标，而智能控制通常是学习积累非精确知识；传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统。
智能控制 作业
基于单片机的温度模糊控制模糊控制系统的设计开发归结起来分成两大部分：一是硬件系统设计，包括参数检测、放大、A/D 转换、D/A 转化、执行部件等过程输入输出通道设计和模糊控制器设计，模糊控制器可选择数字单片机、模糊单片机和PLC 等可编程控制器；二是软件设计，包括模糊控制算法设计及程序实现。
另外，可用微机实现对模糊控制器和控制现场的通信和管理。
1 模糊控制器的结构设计被控制对象是恒温箱，用电压220V 、额定功率500W 的卤素灯加热，采用铂电阻PT100检测温度和固态继电器控制加热功率。
模糊控制器采用两个模糊变量，如图1所示。
图1图中，E 是温度误差，E=T0-T ，T0是温度给定值，本例设为100℃，T 是实测值，设定恒温箱温度的模糊控制区为85-115℃，从室温到85℃和超过115℃为开关控制区或者人工控制区，可快速升温或降温，这时温度范围是±15℃。
U 是固态继电器的控制角增量，根据实际情况设定。
本设计采用MSP430F5438A 单片机进行控制。
2 模糊控制规则本设计采用单输入单输出方式，基本思路是：温度的比较转换成数字量的比较，导通角的控制实际上是用单片机发出周期性的脉冲，这里用到的是单片机的16位定时器Timer A ，在温度范围85-115℃之间，温度变化为±15℃，模糊化为±3级，即{-3，-2，-1，0，1，2，3}，每级表示15℃，同理，误差变化率也模糊化为±3级。
采用经验法，直接选用经验证过的控制表。
E 是温度误差，C 是误差变T 0ETU化率。
3 软件实现#include<msp430x54x.h>#include<stdio.h>#include"T_ctl.h"extern int charm[49]={3,3,2,2,2,2,1, 2,2,2,1,1,1,1, 2,1,1,1,0,0,0, 1,1,0,0,0,-1,-1, 0,0,0,-1,-1,-1,-2, -1,-1,-1,-1,-2,-2,-2, -1,-2,-2,-2,-2,-3,-3};char s=1; //判断模糊控制是否第一次执行的标志void pwm_set(void) //配置Timer_A{P2DIR |= 0x04; // P2.2 outputP2SEL |= 0x04; // P2.2 option selectTA1CCTL0 = OUTMOD_7; // CCR0 toggle modeTA1CCTL1 = OUTMOD_7;TA1CCR0 =32767; //Cycle 1sTA1CCR1 =0;TA1CTL |= TASSEL_1 + MC_1 + TACLR; // ACLK, upmode, clear TAR}float convert(unsigned long a) //将采集的16进制数转换成浮点电压值{float b;b=2.5*(float)a/(float)0xffffffff;return b;}int fuzzy(float u) //模糊化和去模糊化{int e0,e,de,f_e,f_de,num0,num,pwm_w;float t;t=50.0+180*(u-1.736);e=(int)t-105;if(s==1){s=0;e0=e;return 0;}de=e-e0;f_e=e/3;f_de=de/6;num0=(f_de+3)+7*(f_e+3);num=charm[num0];switch(num){case 3:pwm_w=3;break;case 2:pwm_w=4;break;case 1:pwm_w=5;break;case 0:pwm_w=6;break;case -1:pwm_w=7;break;case -2:pwm_w=8;break;case -3:pwm_w=9;break;default:break;}return pwm_w;}int pwm_ctl(float u) //温度检测和判别{int pwm_w;if(u<=1.903){pwm_w=1;}else if(u>1.903&&u<=1.992){pwm_w=2;}else if(u>1.992&&u<=2.092){pwm_w=fuzzy(u);}return pwm_w;}unsigned int width(int pwm_w) //不同模式对应的不同脉宽{unsigned int w;switch(pwm_w){case 0:w=32767;break;case 1:w=0;break;case 2:w=16384;break;case 3:w=16384;break;case 4:w=19114;break;case 5:w=21844;break;case 6:w=24575;break;case 7:w=32767;break;case 8:w=32767;break;case 9:w=32767;break;default:break;}return w;}4 结论本设计对恒温箱的温度进行模糊控制，在85-115℃之间，温度控制准确度在±1℃，达到了预期的控制要求。
智能控制技术作业
智能控制技术作业1、什么是智能、智能系统、智能控制？（1）将感觉、去记、回忆、思维、语言、行为的整个过程称为智能（2）由感知、规划、执行子系统组成，具有认知、概念与推理、记忆与学习完成适应性、通用性功能的反馈控制系统称为智能系统。
（3）通过认知、记忆、学习、推理、协作等智能要素与技术手段，实现复杂系统的适应性与通用性功能的反馈控制称为智能控制。
2、智能控制系统有哪几种形式？模糊控制、神经控制、行为控制、自适应控制等。
3、比较智能控制与传统控制的特点？古典控制特点：（1）依赖于控制对象精确模型；（2）对控制对象的有用信息（信息源/人的语言知识、系统输入输出数据、系统评价结果等）没有充分利用；（3）控制方法依赖于系统模型的结构与参数，没有固定的设计程式，通用性不强，限制了工程应用；（4）对非线性、强耦合系统，非模型系统、无模型系统难以适应；智能控制特点：（1）适用于非线性、强耦合的系统；（2）适用于无模型（只有系统数据）系统；（3）适用于非模型（可以是模糊语言模型、行为模型等）系统；（4）能够应用多种信息，包括语言、样本等。
（5）具有较强的适应性；（6）具有较固定的设计程式4、比较模糊集合与普通集合的异同，模糊性与随机性的不同。
经典集合:一个范围内所有对象的整体；集合自身不能作为其内的元素模糊集合：设A是集合X到[0，1]的一个映射，A：X→[0，1]，x→A(x) 则称A 是X上的模糊集，A(x)称为模糊集A的隶属函数，或称A(x)为x对模糊集A的隶属度。
模糊性与随机性区别：（1）随机性表示未发生的事件可能发生的可能性（概率）。
（2）模糊性表示已发生/未发生事件、属性量的程度(大小)；（3）随机性由事物自身及环境运动规律决定；（4）模糊性由事物自身及环境运动规律、人的认知程度共同决定；5、简述模糊控制系统的工作原理。
人的经验是一系列含有语言变量值的条件语句和规则，而模糊集合理论能十分恰当地表达具有模糊性的语言变量和条件语句。
智能控制作业
题目1：求取模糊控制表（课本62-67页，matlab编程求解）解：MATLAB编程如下：%实现功能：计算模糊控制表clcclear%x的隶属度表，其中x代表的是误差eX=[1.0 0.8 0.7 0.4 0.1 zeros(1,8);0.2 0.7 1.0 0.7 0.3 zeros(1,8);0 0.1 0.3 0.7 1.0 0.7 0.2 zeros(1,6);zeros(1,4) 0.1 0.6 1.0 zeros(1,6);zeros(1,6) 1.0 0.6 0.1 zeros(1,4);zeros(1,6) 0.2 0.7 1.0 0.7 0.3 0.1 0;zeros(1,8) 0.2 0.7 1.0 0.7 0.3;zeros(1,8) 0.1 0.4 0.7 0.8 1.0];%y的隶属度表，其中y表示的是误差的导数Y=[1.0 0.7 0.3 zeros(1,10);0.3 0.7 1.0 0.7 0.3 zeros(1,8);0 0 0.3 0.7 1.0 0.7 0.3 zeros(1,6);zeros(1,4) 0.3 0.7 1.0 0.7 0.3 zeros(1,4);zeros(1,6) 0.3 0.7 1.0 0.7 0.3 0 0;zeros(1,8) 0.3 0.7 1.0 0.7 0.3;zeros(1,10) 0.3 0.7 1];%z的隶属度表，其中z表示的是控制量uZ=Y;%模糊控制规则表%其中: 1代表NB，2代表NM，3代表NS% 4代表ZE，5代表PS，6代表PM，7代表PBrule=[1 1 1 1 2 4 4;1 1 1 12 4 4;2 2 2 2 4 5 5;2 23456 6;2 23456 6;3 34 6 6 6 6;4 4 6 7 7 7 7;4 4 6 7 7 7 7];Set=[-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6]; %模糊集合control_data=[]; %control_data待求的模糊控制表for i=1:13 %控制模糊表的行变量control=[];for j=1:13 %控制模糊表的列变量x0=Set(i);y0=Set(j);CCC=[]; %存放Ci;CCC矩阵将来存放的是56*13维的矩阵for m=1:8 %模糊控制规则表的行变量Ai=X(m,:); %Ai为列向量for n=1:7 %模糊控制规则表的列变量Bi=Y(n,:); %Bi为列向量Ci=Z(rule(m,n),:); %模糊控制规则表的控制变量%得到RiA矩阵RiA=zeros(13,13);for p=1:13for q=1:13RiA(p,q)=min(Ai(p),Ci(q));endend%AA表示A' 矩阵AA=zeros(1,13);[a1,b1]=find(x0==Set);AA(a1,b1)=1;%最小最大原则求取CiACIA_temp=zeros(13,13);for ii=1:13CIA_temp(:,ii)=min(AA',RiA(:,ii));%先取小endCIA=max(CIA_temp);%再取大%%%%%%%%%%%%%%%%%%%%%%%%%得到RiB矩阵RiB=zeros(13,13);for p=1:13for q=1:13RiB(p,q)=min(Bi(p),Ci(q));endend%BB表示B' 矩阵BB=zeros(1,13);[a2,b2]=find(y0==Set);BB(a2,b2)=1;%最小最大原则求取CiBCIB_temp=zeros(13,13);for ii=1:13CIB_temp(:,ii)=min(BB',RiB(:,ii));endCIB=max(CIB_temp);%求CIA和CIB的交C=min(CIA,CIB);CCC=[CCC;C];endend%求出56个Ci的并C_max=max(CCC);%利用重心法解模糊temp=C_max.*Set;control_temp=sum(temp)/sum(C_max);control=[control,control_temp];endcontrol_data=[control_data;control];enddisp('模糊控制表如下:');control_data=roundn(control_data,-2) %保留2位小数且四舍五入fid=fopen('kongzhi.txt','w');count=fprintf(fid,'%d\n',control);fclose(fid);运行结果如下：题目二：被控对象)14)(12(20)(++=s s s G 给定为100，设计一个模糊控制器实现对象系统的控制。
智能控制作业
一．全自动洗衣机的模糊控制分析摘要: 对全自动洗衣机的模糊控制进行了分析,详细介绍了如何定义洗衣机的模糊控制输入、输出量.根据专家知识和手动操作人员长期积累的经验,给出了模糊控制的具体规则.以确定洗衣机洗涤时间为例,利用Matlab进行了仿真研究,采用取小运算对模糊规则进行推理,并采用最大平均法得到反模糊化结果,所得结果与理论计算结果接近相同.关键词: 全自动洗衣机; 模糊控制; 模糊推理1.全自动洗衣机的一般模糊控制原理1. 1模糊控制输入量模糊控制输入量是模糊推理的前件,对于全自动洗衣机模糊控制器而言,主要有衣质、衣量、脏污程度和脏污性质4个输入量.这4个输入量的模糊子集隶属函可定义为:衣质,论域的语言值定义为棉、棉纤、纤3 种; 衣量,论域的语言值定义为多、中多、中少、少4种; 脏污程度,论域的语言值定义为很脏、一般脏不太脏3 种; 脏污性质,论域的语言值定义为油性、中性和泥性3种1. 2模糊控制的输出量模糊控制的输出是模糊推理的后件, 对于全自动洗衣机模糊控制器而言, 主要包括水位、洗涤时间、洗涤剂投放量和水流强度4个量.这4个输出量的模糊子集隶属函数可定义为:洗涤剂投放量,论域的语言值定义为很少、少、中、多和很多5种;洗涤时间,论域的语言值定义为很短、短、中、长、很长5种;水位高低, 论域的语言值定义为很低、低、高、很高4种;水流强度,论域的语言值定义为弱、中和强3种.1. 3模糊控制规则模糊控制器的规则库是基于专家知识和手动操作人员长期积累的经验, 是按人的直觉推理的一种语言表示形式. 通常有一系列的关系词连接而成, 如IF-THEN, ELSE 等. 为了简明表示模糊规则,将上述模糊控制输出量用数字表示. 例如: 洗涤时间(很短、短、中、长、很长) = ( 1、2、3、4、5), 其余3个输出量表示与此类似, 当输出量论域为3 种时,则用3个数字表示. 根据专家的经验并结合衣物的实际洗涤情况, 可得到表1所示的模糊控制规则.表1，全自动洗衣机模糊控制规则衣物很脏一般脏不太脏衣质衣量油污泥污油污泥污油污泥污棉多 4 553 4 553 4 353 4 353 4 343 4 343中多 3 553 3 453 3 342 3 332 3 232 3 232中少 2 453 2 342 2 342 2 342 2 232 2 122少 1 342 1 232 1 232 1 222 1 111 1 111棉纤多 4 553 4 453 4 353 4 343 4 342 4 242中多 3 553 3 453 3 442 3 342 3 232 3 232中少 2 442 2 342 2 332 2 232 2 221 2 111少 1 332 1 232 1 221 1 221 1 111 1 111纤多 4 553 4 553 4 442 4 342 4 332 4 232中多 3 552 3 442 3 432 3 332 3 232 3 222中少 2 442 2 332 2 332 2 222 2 211 2 111少 1 331 1 231 1 221 1 221 1 111 1 111表1中每一项有4位数字,从左到右依次代表水位、洗涤剂投放量、冼涤时间、水流方式4 个输出变量,每位数的取值代表相应的输出所取的模糊子集.参考文献:[ 1] 经顺林, 潘皓炫, 肖健华. 全自动洗衣机的自适应模糊控制方法[ J] . 计算机技术与自动化1999, 18( 4): 13- 17.[ 2] 彭小娟. 智能洗衣机的模糊控制系统[ J] . 新余高专学报, 2001, 6( 2) : 17- 18.[ 3] 冯海涛. 智能模糊技术在全自动洗衣机中的应用[ J]. 家用电器, 2002( 6): 30- 31.[ 4] 张道德, 杨光友, 周国柱, 等. 工业洗衣机模糊控制的设计[ J]. 微计算机信息, 2005, 21( 7): 37- 39二．全自动洗衣机的自适应模糊控制方法摘要本文分析了模糊控制技术在全自动洗衣机的应用及其不足,提出了一种可行的自适应模糊控制法,应用该方法可使全自动洗衣机在保证洗涤质量的前提下,降低生产成本。
安徽工程大学智能控制大作业
《智能控制》大作业姓名：王阵伟班级：自动化学号：310210510621011、简答题：1.1.根据目前智能控制系统的研究和发展，智能控制系统主要有哪些方面的工作可做进一步的探索和开展？目前研究方向内容： 1 智控的基础理论和方法研究 2 智控的系统结构研究 3 基于知识系统及专家控制 4 基于模糊系统的智能控制 5 基于学习及适应性的智控 6 基于神经网络的智控7 基于信息论和进化论的学习控制器研究8 其他，如计算机智能集成制造系统，智能计算系统，智能并行系统，智能容错控制，智能机器人等。
需要探索的方面: 1 开展智控理论与应用的研究2 充分运用神经生理学心理学认知科学和人工智能等学科的基本理论，深入研究人类解决问题时表现出来的经验技巧策略，建立切实可行的智控体系结构； 3 把现有的知识工程模糊系统信息论进化论神经网络理论和技术与传统的控制理论相结合，充分利用现有的控制理论，研究适合于当前计算机资源条件的智控策略和系统；4 研究人-机交互式的智控系统和学习系统以不断提高智控系统的智能水平； 5 研究适合智控系统的并行处理机信号处理器智能传感器和智能开发工具软件，以解决智控系统在实际应用中存在的问题，使智控得道更广泛应用。
1.2.画出模糊控制系统的基本结构图，并简述模糊控制器各组成部分所表示的意模糊控制器主要由模糊化接口、规则库、模糊推理、清晰化接口四部分组成，各部分的作用概述如下。
1.模糊化接口模糊化是通过在控制器的输入、输出论域上定义语言变量，来将精确的输入、输出值转换为模糊的语言值。
它的作用是将真实的确定量输入转换为一个模糊量。
把物理量的清晰制转换成模糊语言变量的过程叫做清晰量的模糊化2.规则库模糊控制器的规则是基于专家知识活手动操作人员长期积累的经验，他是按人的直觉推理的一种语言表达形式。
模糊规则通常有一系列的关键词连接而成，如if-then、else、also、end等，关系词必须经过“翻译”才能将模糊规则数值化。
- 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)。
1、已知某一炉温控制系统，要求温度保持在600度恒定。
针对该控制系统有以下控制经验：（1）若炉温低于600度，则升压；低的越多升压越高。
（2）若炉温高于600度，则降压；高的越多降压越低。
（3）若炉温等于600度，则保持电压不变。
设模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。
输入、输出变量的量化等级为7级，取5个模糊集。
试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。
解：1）确定变量定义理想温度为600℃，实际温度为T，则温度误差为E=600-T。
将温度误差E作为输入变量2）输入量和输出量的模糊化将偏差E分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。
将偏差E的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到温度模糊表如表1所示。
表1 温度变化E划分表控制电压u也分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。
将电压u的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到电压变化模糊表如表2所示。
表2 电压变化u划分表表3 模糊控制规则表E PB PS ZO NS NB u PB PS ZO NS NB2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态误差为零，超调量不大于1%，输出上升时间≤0.3s 。
假定被控对象的传递函数分别为：255.01)1()(+=-s e s G s)456.864.1)(5.0(228.4)(22+++=s s s s G解：在matlab 窗口命令中键入fuzzy ，得到如下键面：设e 的论域范围为[-1 1]，de 的论域范围为[-0.1 0.1]，u 的论域范围为[0 2]。
将e 分为8个模糊集，分别为NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB;MATLAB中的设置界面如下：模糊规则的确定：模糊控制器的输出量在simulink中调用模糊控制器，观察输出结果运行结果为ScopeScope1 Scope23、利用去模糊化策略，分别求出模糊集A 的值。
模糊集A 的定义为：)90,50,30,10,()(x trap x A =μ解：（1）面积重心法（2）面积等分法（3） 最大隶属度平均法（4） 最大隶属度取最小法（5） 最大隶属度取最大法4、设论域x={a1，a2，a3}，y={b1，b2，b3}，z={c1，c2}已知 ，试确定“If A AND B then C”所决定的模糊关系R ，以及输入为3211.015.0a a a A ++=3216.011.0a b b B ++=2114.0c c C +=32111.05.00.1a a a A ++=11230.10.51B b b b =++时的输出C1。
解：[]1.015.0=A[]6.011.0=B[]14.0=C[]1.05.011=A []15.01.01=B[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⨯⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⨯=1.06.05.01.015.01.01.01.06.011.01.015.0B A D []⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⨯⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⨯=1.01.01.06.011.05.05.01.01.01.01.04.04.01.04.04.01.014.01.01.01.06.011.05.05.01.0C D R T[]⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⨯⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⨯=1.01.01.05.05.01.015.01.015.01.01.05.01111B A D [][]5.04.01.01.01.06.011.05.05.01.01.01.01.04.04.01.04.04.01.01.01.01.05.05.01.015.01.01=⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡= R D T∴ 2115.04.0c c C +=5 利用两层BP 神经网络完成对[-π，π]区间上正弦函数逼近，隐层函数取S 型传输函数，输出层的激活函数取线性传输函数。
（采用神经网络工具箱提供的函数完成）解：根据条件在MATLAB 环境下，采用神经网络工具箱提供的函数完成正弦函数逼近如下： 程序代码如下：仿真结果如下：图1为原函数与网络训练前后仿真结果的比较（图中红色曲线代表训练前的网络，绿色代表训练后的网络，蓝色代表原函数）图1 原函数与网络训练前后的仿真结果图2为误差曲线图2 误差曲线模糊控制理论在⏹一、概述⏹二、在汽车上的应用方面⏹三、举例说明在汽车空调当中的应用一、概述⏹１、什么叫模糊控制？所谓模糊控制，就是对难以用已有规律描述的复杂系统，采用自然语言（如大、中、小）加以叙述，借助定性的、不精确的及模糊的条件语句来表达。
模糊控制是一种基于语言的一种智能控制2、为什么采用模糊控制？⏹传统的自动控制控制器的综合设计都要建立在被控对象准确的数学模型(即传递函数模型或状态空间模型)的基础上，但是在实际中，很多系统的影响因素很多，（油气混合过程、缸内燃烧过程等），很难找出精确的数学模型。
这种情况下，模糊控制的诞生就显得意义重大。
因为模糊控制不用建立数学模型不需要预先知道过程精确的数学模型。
⏹要研制智能化的汽车，就离不开模糊控制技术如汽车空调：人体舒适度的模糊性和空调复杂系统3、工作原理⏹把由各种传感器测出的精确量转换成为适于模糊运算的模糊量,然后将这些量在模糊控制器中加以运算, 最后再将运算结果中的模糊量转换为精确量, 以便对各执行器进行具体的操作控制。
⏹在模糊控制中, 存在着一个模糊量和精确量之间相互转化的问题模糊控制原理图s:系统的设定值。
x1, x2:模糊控制的输入(精确量)。
X,1 , X2:模糊量化处理后的模糊量。
U:经过模糊控制规则和近似推理后得出的模糊控制量。
u:经模糊判决后得到的控制量(精确量)。
y:对象的输出。
也可以表示成工作步骤：输入量模糊化建立模糊规则进行模糊推理输出量反模糊3、模糊控制的特点①适用于不易获得精确数学模型的被控对象，②是一种语言变量控制器③从属于智能控制的范畴。
该系统尤其适于非线性，时变，滞后系统的控制④抗干扰能力强，响应速度快，并对系统参数的变化有较强的鲁棒性。
二、模糊控制在汽车的应用方面1、ABS防抱死系统工况的多变及轮胎的非线性2、汽车巡航系统外界负荷的扰动、汽车质量和传动系效率的不确定性、被控对象的强非线性3、汽车空调人体舒适感的模糊性和空调复杂结构4、半主动悬架系统参数不稳定性5、发动机三、在汽车空调上的应用对汽车空调系统的要求：★技术性能和控制性能优良，满足人体舒适性的要求；★节能自动控制的应用是达到这两方面要求的一个重要途径。
经典控制理论：建立数学模型现代控制理论：状态方程空调器为典型的传质换热系统，结构和内部物理过程复杂，难以建立精确的数学模型。
汽车空调由于工作条件多变，用传统的控制方法如:PID控制，难以获得较好的控制效果。
对于环境干扰，鲁棒性好，能够抑制非线性因素对控制器的影响全空调型客车空调原理图1、外进风;2出风口;3蒸发器风机:4蒸发器芯;5热水器芯:6温度门:7、出风口:8车内进风⏹模糊控制是基于语言的控制⏹模糊语言集的组成：T（E）T（E）={负大，负中，负小，零，正小，正中，正大}用模糊语言变量E 来描述偏差，或用符号表示负大NB（Negative Big）、负中NM（Negative Medium）、负小NS（Negative Small）、零ZE（Zero）、正小PS（Positive Small）、正中PM（Positive Medium），正大PB（Positive Big），则：T（E）= {NB，NM，NS，ZE，PS，PM，PB}X建立隶属函数：⏹各参数对相应子集的隶属函数分别由不同的函数族决定。
参数的相应子集指该参数被人为地划分成的等级所构成的一组模糊集合。
相应子集的多少，由控制精度决定。
⏹例如，参数“温差”的相应子集可以是“正大，正小，负小，负大”，也可以是“正大，正中，正小，负小，负中，负大”，后者比前者模糊子集多，因而控制精度更高（在其它条件相同的情况下）。
温度偏差x 的相应子集为：正大：u(ⅹ) =1-1/（1+0.5X2）(X>0)正中：u (ⅹ)=1/（1+（x-2）2）(X>0)正小：u (ⅹ)=1/（1+(x-1)2）(X>0)正很小：u (ⅹ)=1/（1+0.5X2）(X>0)负很小：u (ⅹ)=1/（1+0.5X2）(X<0)负小：u (ⅹ)=1/（1+(x+1)2）(X<0)负中：u (ⅹ)=1/（1+(x+2)2）(X<0)负大：u (ⅹ)= 1-1/（1+0.5X2）(X<0)温度偏差E的隶属函数温度变化率Eu的隶属函数控制输出量U的隶属函数模糊集合对温度的设定普通集合对温度的定义★汽车空调模糊控制系统的控制执行器：压缩机、蒸发器风机、电子膨胀阀★控制目标:压缩机能量调节机构控制其排量;蒸发器风机控制车内的送风量;电子膨胀阀控制压缩机吸入气体的过热度。
执行器和控制量之间有交互的影响, 增加了控制的复杂性。
汽车空调模糊控制框图模糊控制规则：（根据人工经验设定）根据温差和温差变化率设定等级，推导压缩机排量、膨胀阀开度和风机转速的等级。
(1) 如果温差“正大”, 温差变化率“负很小”, 认为机器制冷力严重不足。
运行状态设置为: 压缩机排量为“最大”, 膨胀阀开度为“最大”, 风机转速为“最大”。
(2) 如果温差“正中”, 温差变化率“正大”, 认为机器制冷力不足, 运行状态设置为: 压缩机排量为“大”, 膨胀阀开度为“大”, 风机转速为“大”。
(3) 如果温差“正小”, 温差变化率“正中”, 认为机器制冷力仍不足, 运行状态设置为: 压缩机排量为“中”, 膨胀阀开度为“中”, 风机转速为“中”。
如果温差变化率相应子集数和温差相同, 均为8 个, 那么, 这种类型的规则应有64 条模糊控制规则表建立模糊控制规则的基本思想:当误差大或较大时，选择控制量以尽快消除误差为主，而当误差较小时，选择控制量要注意防止超调，以系统的稳定性为主要出发点。
以误差为负大时，误差变化为负大为例，这时误差有增大的趋势，为尽快消除已有的负大误差并抑制误差变大，所以控制量取负大，即使风门开度达到最小，减少通过加热器的风量。
控制步骤：⑴. 计算出温度差x ，温差的变化率，x, 即为精确的控制输入。