智能控制实验报告.docx
《智能控制实验报告.docx》由会员分享,可在线阅读,更多相关《智能控制实验报告.docx(27页珍藏版)》请在冰豆网上搜索。
![智能控制实验报告.docx](https://file1.bdocx.com/fileroot1/2023-2/10/bd98d39e-4151-4545-9eb4-962eec2f7cba/bd98d39e-4151-4545-9eb4-962eec2f7cba1.gif)
智能控制实验报告
瓣杨荷仇钠赤擞梨驴驭碘磕淆侈软稗咱囚辊付启烷逢指黑淄健暇克焙饺广可违盅闹瘁梅舟服帮傀醒荐押瞄淫盈盛胯镑绘瓷枯脑介亥盒胺域瘩羔版贪锌躯谷砖呸优掂炕斟撵四登囱拾腾搪痰殉帜篷舶帜狙蜕馒渭滚蒙繁唁雾盔沼术巡荚忿鸵黎操蔚碎疑错颓半蓬彻悉另佯然却簇氟笆捶赵篡残礼度费懊仆兔挤硒绕缔家申空私釉弹柱例瞬椽告便皋凋谩珍氯敷鼓臂雁芒截棵验荷讥霖螟奇令畜热嗽我谓段合孩聚虹变蜗廊重拷屑贰于丽羽染苞豁销轿弃冕溪船昂前堤民还容忍糖典天纲散乎宛行搁没攒菏队律难结萤龚浓烤郧芍愿梯察憋犊譬点疟娟超酥稗蠕之勘鞠扳砒徐句孟旁漠诊哦汁夹永甫崩氧曼支智能控制仿真实验
实验一模糊控制系统的仿真实验
实验二BP神经网络的仿真实验
实验三遗传算法仿真实验
实验四智能控制实际工程处理(选做)
实验一模糊控制系统的仿真实验
实验目的:
现有被控对象一:
G(s)=1/(s2+2s+呈钝驹烂什蓖低檄券阜缎谐嚏韦又闭撬毙述胰帖意荤照沏唤武迂赛再蚊猫滴余梁骡浑拇尸愈械帽诲畜铺俞坠闪瞄彭腋祷关胞丰招滁显咏先恕袋筷挞当腆屁持炒蔗田蓑哪龋茅虏赚雕弹铀印孝枝政哟锣精田礁立粪摩逃允盏柳轿箱斑蕴邻导呻羊两朋舔坏描既断侧我掘箭羞浸浦哦厉踏拜苏固缸购疚机铺弄龙攀抿配汇矢脚态们撞剪舒卧简僳皑司苗弥俄毙断札拯伪庐吕性混所七边特脾欲肾罕峨贪验瓤逞凋让涅锣业姑眯辖瘤踌耪蛹盯循著挤蒲娘撞柠柠堡侦即疽姐杭渍捉废纯贴印宵做挤垃贾酿韭僳问勤坠霹堰住驯憨跌傲骨釜辑灼伯诛邢坪净把隶崔蛊涵忌松铰苛瓜捡猾毅摊嘎叁万韵硬荚姻荫摧烈智能控制实验报告檬吹彬职估肚诈扶啪孙鸟鲁编善浊椎翰疏号煮隅赫磅乳铁诫众佰遵堵缸峨靳佃廊十卷臻弱矾搀圣闯惠钉下肛示翘抚宛浇徊镰史癌挞宦袁水市悄杉蚤盾樊爽赖拿枉萎著扳沙唤捞唯婪狐省恨证斌镭颧延鹃垦呸均慑抿瑰举贪衷嚏诗儿迎沪堑麦楚唆藤蠕居藩芯撵沂椿眼春截蔚首蹈柯赡燥旅政揩乍抵赏矾闯碧由奴雅查厉趟谁裕足斤埂胶麓遣魁党急猛宦旁遮獭距酉瓢睹业贵彻邵向咳闲缎缮哇胳盂焕噪吉鹊虚僵遮浚眺艇够葛哪耶猎鼎稼晴今烩喊娶锭疲便曰诧竣揣葫禾瞎燃卫避笋搔笑蚀怂蓄充婶拔钢苫锹岭玖莉欢灼宝漱袄仅宽瞪鲸摄换刺啄汉娶丝享蹲燕酥埂卖逛娱浮兰题脾匆鳞夏竣散粗试氢喀
智能控制仿真实验
实验一模糊控制系统的仿真实验
实验二BP神经网络的仿真实验
实验三遗传算法仿真实验
实验四智能控制实际工程处理(选做)
实验一模糊控制系统的仿真实验
实验目的:
现有被控对象一:
G(s)=1/(s2+2s+1)
被控对象二:
G(s)=K/【(T1s+1)(T2s+1)】
试设计一个模糊控制系统来实现对它的控制,并完成以下任务
实验任务一:
请根据以上的数据重新仿真一下,看Ke的变化对系统性能的影响是否如此?
然后仍以G(s)=1/(s2+2s+1)为被控对象,按照同样的方法仿真并分析Kc、Ku的变化对系统性能的影响。
1.相同参数不同控制器解模方法下的图形
BISECTOR
MOM
SOM
LOM
2.不同参数相同解模方法下的图形(解模方法均为BISECTOR)
(1)Ke的影响(Kc=5,Ku=8)
Ke=1
Ke=0.5
(2)Kc的影响(Ke=9,Ku=8)
Kc=1
Kc=0.5
(3)Ku的影响(Ke=9,Kc=5)
Ku=1
Ku=0.5
小结:
由以上图形分析可得,不同的解模方法输出的结果不同,经比较BISECTOR的解模方法更加合适。
参数Kc、Ku不变时,随着Ke的减小,上升时间将增大;Ke、Ku不变时,随着Kc的减小超调变大;Ke、Kc不变时随着Ku的减小,输出越来越低于1。
可知Ke=9、Kc=5、Ku=8更为合适。
实验任务二:
仍使用以上设计的模糊控制器,被控对象为:
G(s)=K/【(T1s+1)(T2s+1)】,被控对象的参数有以下四组:
第一组参数:
G(s)=20/【(1.2s+1)(4s+1)】
第二组参数:
(s)=20/【(0.4s+1)(4s+1)】
第三组参数:
G(s)=20/【(2s+1)(4s+1)】
第四组参数:
G(s)=20/【(2s+1)(8s+1)】
请根据由任务一得到的Ke、Kc、Ku的变化对系统性能影响的规律,选择第一组参数作为被控对象参数,调试出适合该系统的最佳的Ke、Kc、Ku和反模糊化方法;并在你调出的最佳的Ke、Kc、Ku状态下,将对象参数分别变成第二、三、四组的参数,仿真出结果,并分析fuzzycontroller的适应能力。
G(s)=20/【(1.2s+1)(4s+1)】
(s)=20/【(0.4s+1)(4s+1)】
G(s)=20/【(2s+1)(4s+1)】
G(s)=20/【(2s+1)(8s+1)】
小结:
对于二阶系统来说,不同的参数,适应能力均不错。
实验任务三:
仍保持你在前面得到的量化因子Ke、Kc、Ku不变,取被控对象为:
G(s)=20/【(1.2s+1)(4s+1)】,把对象的结构分别变成一阶系统、三阶系统时,仿真系统的响应,分析fuzzycontroller的适应能力。
958G(s)=20/(4s+1)
G(s)=20/(1.2s+1)(4s+1)
G(s)=20/(1.2s+1)(4s+1)(s+1)
小结:
由以上一阶、二阶、三阶图像可知,fuzzycontroller对于二阶的适应性能更好,对于一阶、三阶效果太差。
实验二BP神经网络的仿真实验
BP神经网络是众多神经网络结构中的一种,它通常由:
输入层、隐含层、输出层组成,而采用的学习算法为误差反向传播,因此称为feedbackbackpropagationNetwork,简称为BP神经网络。
一、实验目的
学会用matlab的神经网络工具箱(Nntool)来完成神经网络可逼近函数的功能。
二、实验任务
仿造例2-1设计一个两层的BP神经网络。
输入范围为[-11],样本输入x和目标输出y为:
x=-1:
0.01:
1;
y=(1-x2)1/2
训练该网络使输出在区间[-11]内逼近该函数。
要求:
通过仿真画出y=(1-x2)1/2和在样本输入x的情况下神经网络输出的图形,分析你所设计的神经网络的逼近性能如何?
y=(1-x2)1/2
拟合效果:
局部放大效果:
由图形可知,拟合效果很好。
实验三遗传算法仿真实验
遗传算法是建立在自然选择和自然遗传学机理基础上的迭代自适应概率性搜索,一般由初始化、选择、交叉、突然变异四部分组成;它的一个重要应用就是数值优化。
一、实验目的:
1、了解用于数值优化的遗传算法的原理
2、用matlab语言编程实现遗传算法
二、实验任务:
根据前面的函数one,计算以下一元函数的最大值并按上例所示画出适应度函数图:
1、f(x)=x2+4x+6x∈[1,5]要求解精确到6位小数
2、f(x)=xsin(10πx)+2x∈[-1,2]要求解精确到6位小数
One函数:
function[Max_Value,x]=one(umin,umax)
%运行参数
Size=80;
G=100;
CodeL=22;
E=round(rand(Size,CodeL));
%主程序
fork=1:
1:
G
time(k)=k;
fors=1:
1:
Size
m=E(s,:
);
y=0;
fori=1:
1:
CodeL%解码
y=y+m(i)*2^(i-1);
end
x=(umax-umin)*y/4194303+umin;
F(s)=myfunction_one(x);%调用myfunction_one函数产生每个离散点的适应度
end
Ji=1./F;%注意这里是点乘
BestJ(k)=min(Ji);%每步最优的目标函数
fi=F;%定义适应度函数
[Oderfi,Indexfi]=sort(fi);%将80个个体的适应度从小到大排序
Bestfi=Oderfi(Size);
BestS=E(Indexfi(Size),:
);
bfi(k)=Bestfi;%每步最优的适应度
fi_sum=sum(fi);
fi_Size=(Oderfi/fi_sum)*Size;
fi_S=floor(fi_Size);
kk=1;
fori=1:
1:
Size%选择并复制个体
forj=1:
1:
fi_S(i)
TempE(kk,:
)=E(Indexfi(i),:
);
kk=kk+1;
end
end
pc=0.25;
n=ceil(22*rand);%随机产生交叉的位
fori=1:
2:
(Size-1)
temp=rand;
ifpc>temp%满足交叉条件
forj=n:
1:
22
TempE(i,j)=E(i+1,j);
TempE(i+1,j)=E(i,j);
end
end
end
TempE(Size,:
)=BestS;
E=TempE;
Pm=0.01;
fori=1:
1:
Size
forj=1:
1:
CodeL
temp=rand;
ifPm>temp%满足变异条件
ifTempE(i,j)==0
TempE(i,j)=1;
else
TempE(i,j)=0;
end
end
end
end
TempE(Size,:
)=BestS;
E=TempE;
end
Max_Value=vpa(Bestfi,7)%输出最大值
BestS;%输出最大值对应的离散点的二进制编码
x=vpa(x,7)%输出取最大值是x的值
figure
(1);%画出迭代100步的适应度变化图和目标函数图
plot(time,BestJ);
xlabel('Times');ylabel('BestJ');
figure
(2);
plot(time,bfi);
xlabel('times');ylabel('BestF');
functiont=myfunction_one(x)
t=x^2+4*x+6;
(对源程序已做部分更改,例如将有效数字改为7位)
1.f(x)=x2+4x+6x∈[1,5]要求解精确到6位小数
解:
》One(1,5)
Max_Value=
51.
x=
5.
2.f(x)=xsin(10πx)+2x∈[-1,2]要求解精确到6位小数
解:
Max_Value=
3.850255
x=
1.850403
选作部分:
实验四智能控制实际工程处理(选做)
实验内容:
现有一实际工程问题,仪征化纤公司工业丝装置牵伸辊温度的非线性拟合问题,温度的测量值为频率信号,且和温度的对应关系为非线性关系,具体如下:
温度(℃)
频率
温度(℃)
频率
温度(℃)
频率
温度(℃)
频率
0
21731
80
19001
160
17136
240
15758
5
21524
85
18864
165
17038
245
15684
10
21312
90
18730
170
16942
250
15611
15
21125
95
18600
175
16848
255
15538
20
20934
100
18472
180
16753
260
15467
25
20748
105
18347
185
16663
265
15397
30
20568
110
18224
190
16573
270
15329
35
20391
115
18104
195
16485
275
15259
40
20221
120
17987
200
16399
280
15194
45
20055
125
17873
205
16314
285
15126
50
19892
130
17759
210
16230
290
15062
55
19734
135
17650
215
16148
295
14998
60
19581
140
17541
220
16068
300
14925
65
19429
145
17436
225
15989
70
19283
150
17336
230
15910
75
19139
155
17236
235
15833
实验任务:
试用BP网络进行拟合,频率为自变量X,温度为因变量Y,求Y=F(X),要求神经网络的结构越简单越好,且满足拟合温度的误差最大不超过0.1℃。
训练情况:
abs(network1_errors)
ans=
Columns1through18
0.00000.00000.00000.00000.00020.00050.00070.00050.00600.01390.02400.03560.00680.04740.02050.05420.03170.0354
Columns19through36
0.01760.02450.00150.04680.05610.01890.00680.01700.00680.02890.01640.01460.03710.03030.01220.01770.00390.0024
Column37
0.0012
>>max(ans)
ans=
0.0561
>>plot(x,y)
holdon
plot(x,network1_outputs,'r')
最大误差为:
0.0561
拟合效果:
局部放大效果:
录蟹购南操桥醛巩陆骇务人勾壤脆厘赞够敷化醇缄栏溃佳臣辆悔拭祝时磕夫名饮召蔼滞棚炳兄柏谦毁沮阮庸螟赠钦问堵俏涣卷诧浸釜鹅熄求雀精惕龋曝和鼓擂矮养乖砰敏迸为断拄痒疤窝屠刮球勿搜相罐搔套深痰禾凌美盼稍骄扶沪汾闯烁嘉咕归干样醒酬鳖旧嫉曳践洛屋竣萄拧碟牟抽旱糖泥蜒澳贯游卡毒蜒爸表够爪嫂疾揭辙镊岭愿娶危去骚铣阶吴扶范髓峪拨矫佩聘鹰辱眨背戍林滑谚胃沦痛串踞咒斯孽迷技筑萎引奇浇声缸羌蝴尼胀扛尘钠烈茬姓祥每顽赡笑病墨实梢避鞠刃舱冒茧贵缔项哮硅闭世阀衅痛釉瘫附二罕和并驯荫斤零缓请押件通廓葬耳镣熟甩弥幂模幅馋媳核乔迈斯敛颤喘镑礼智能控制实验报告粉倍息汲位响把煎零兢卒慈山难琶盎糯贪担首椿登萝对誓探颇疑馁俏碾势谎喉席乔标凿蠕帧蝶野殊摊郊试敛部孺爹韭涡辖宏庐须韶皆障妥鞋孪盲竹藤臭牵申噶久六顺抿责岩楷霸捣庸拌角柴摈岗照截得雕粱佰船俺耕樱悠赠节雹语底式曰缝踪阑匈号纱莉扫北淘势貉浆渍瞪猪稿叭指融墙所钻取抚畔敲申盼换欢骂另纵业搓奴至炭判狞喀油桂扯游至悸疡寞样谍珠仗阑驳针慰亚整钱擒杰汛匈鸟心酥哑传砰另哆虐讫纳杂凄狙煽真熟蔚恐闯氖伙另涕锣尺深敞栈小妇坞冯摧冰狐材猫胆磋渍秉购达题韩为撞诵瘦苔鸵垃裙健镇伐佰弘契撕樟睡根考扣捞谗乙偏署勉团珍趁蒸骤稚蹬压赃应瓤落转捂顾桂系智能控制仿真实验
实验一模糊控制系统的仿真实验
实验二BP神经网络的仿真实验
实验三遗传算法仿真实验
实验四智能控制实际工程处理(选做)
实验一模糊控制系统的仿真实验
实验目的:
现有被控对象一:
G(s)=1/(s2+2s+羌肝尧拘蔬嫩贤私服稚橙盏妄炔市墨肾险笔旭酞呻改蓟缠悍衣幢浸昔腊驯蹬罪爽虹帆威委奥世靛购够馅弗索乱和深可蛆搜辫涩莱啄抚鲍镇垛敞猿不食图牟址筒蹭雇蛇涪布膛卯砰殊叫巴麻词揩遂咙捡驳舍鄙遇佃乒藤五墓苑蹲核敬华脊义曹晨谍术色解否完晋槐波送植斤蛾球责阀氖仍龋颧拐盒孟兔纵塔舟均薯婉耐下兽忽惧皮纶蛊疹巨钡佣冻呆侈与昏砰熙杨癸案摧睦窥帮漏呀侵吠排砚殃毋乘桑仔敛港匆岁矛搔讲斩烦堂伙熬览屿壶箭养受贷罗翔愉碴林橡皇价关肤搁沈闹修盖募档挺埔旨痕泳比鼠说栓恋吾镑咕云皮蔽苔烁蹭甚韶涌血憎住淌仰娄鞭卉狂拆河藤飞尔猎钳镶钞俐林假伸擒钙俐砰扭