基于MATLAB的模糊控制系统设计Word格式.docx
《基于MATLAB的模糊控制系统设计Word格式.docx》由会员分享,可在线阅读,更多相关《基于MATLAB的模糊控制系统设计Word格式.docx(15页珍藏版)》请在冰豆网上搜索。
输入变量food划分为两个模糊集:
rancid和delicious,隶属度函数均为梯形函数,参数分别为[0013]和[791010];
输出变量tip划分为三个模糊集:
cheap、average和generous,隶属度函数均为三角形函数,参数分别为[0510]、[101520]和[202530]。
(4)设置模糊规则:
打开RuleEditor窗口,通过选择添加三条模糊规则:
if(serviceispoor)or(foodisrancid)then(tipischeap)
if(serviceisgood)then(tipisaverage)
if(serviceisexcellent)or(foodisdelicious)then(tipisgenerous)
三条规则的权重均为1。
(5)模糊推理参数均使用默认值,通过曲面观察器(SurfaceViewer)查看小费模糊推理的输入输出关系曲面。
通过规则观察器(RuleViewer)查看对具体输入的模糊推理及输出情况,输入各种不同的数据,查看模糊推理情况及输出数据。
(6)增加规则,查看曲面的变化、推理输出的变化.
2。
飞机下降速度模糊推理系统设计
(1)打开模糊推理逻辑工具箱的图形用户界面,新建一个Sugeno模糊推理系统。
(2)将输入变量命名为height,输出变量为speed,这是一个SISO模糊推理系统。
分别将输入变量的论域设为[0,10],输出论域不用修改.
模糊空间划分:
输入变量height分为五个模糊集:
mf1(高斯函数[0.50])、mf2(π函数[0.7542.583。
324。
64])、mf3(π函数[3.194.885。
817.11])、mf4(π函数[6.3627.98。
569。
54])和mf5(S函数[8.6649.83]);
输出变量speed分为五个与输入模糊空间对应的线性函数:
mf1([0。
80.2])、mf2([4.6-4.5])、mf3([10.3—26])、mf4([16—64])和mf5([20—100]).
打开RuleEditor窗口,通过选择添加五条模糊规则:
if(heightismf1)then(speedismf1)
if(heightismf2)then(speedismf2)
if(heightismf3)then(speedismf3)
if(heightismf4)then(speedismf4)
if(heightismf5)then(speedismf5)
五条的权重均为1。
模糊推理参数均使用默认值,通过曲面观察器(SurfaceViewer)查看飞机降落速度模糊推理的输入输出关系曲面。
通过规则观察器(RuleViewer)查看对具体输入的模糊
推理及输出情况,输入各种不同的数据,查看模糊推理情况及输出数据.
(6)修改规则、隶属度函数参数,查看曲线的变化,修改参数使输入输出关系曲线拟合二次曲线更好.
3水箱液位模糊控制系统设计及仿真运行
(1)打开模糊逻辑工具箱的图形用户界面窗口,新建一个Madmdani模糊推理系统。
(2)增加一个输入变量,将输入变量命名为level、rate,输出变量为valve,这样建立了一个两输入单输出模糊推理系统,保存为tank()。
fis。
将输入变量rate的论域设为[—0.1,0。
1],另外两个变量采用论域[-1,1]。
输入变量level划分为三个模糊集:
high、okay和low,隶属度函数均为高斯函数,参数分别为[0。
3-1]、[0。
30]和[0.31];
输入变量rate划分为三个模糊集:
negative、none和delicious,隶属度函数均为高斯函数,参数分别为[0.03—0。
1]、[0.030]和[0.030。
1];
输出变量valve划分为五个模糊集:
close_fast、close_slow、no_change、open_slow和open_fast,隶属度函数均为三角形函数,参数分别为[—1-0.9-0.8]、[-0.6-0。
5—0.4]、[—0.100.1]、[0。
20。
30.4]和[0.80.91]。
①if(levelisokay)then(valveisno_change)
②if(levelislow)then(valveisopen_fast)
③if(levelishigh)then(valveisclose_fast)
④if(levelisokay)and(rateispositive)then(valveisclose_slow)
⑤if(levelisokay)and(rateisnegative)then(valveispoen_slow)
五条的权重均为1.
(5)修改部分模糊推理参数:
And采用乘(pord)、Or采用概率或(probor)、Implication采用乘(pord),其余均由默认值,通过曲面观察器(SurfaceViewer)查看水箱液位模糊推理的输入输出关系曲面。
实验三基于MATLAB的神经网络设计
3.1实验内容
(1)利用MATLAB的神经网络工具箱设计感知器实现线性两分类;
(2)利用MATLAB的神经网络工具箱编程设计前馈神经网络逼近平方函数。
3.2实验步骤
1.感知器实现线性分类设计
(1)问题描述:
已知二维平面上的六个样本点
(0,0)、(1,1)、(1,3)、(3,1)、(3,3)、(5,5)。
它们的标签(目标值)为:
t=[000111]
编程设计感知器,实现样本点的分类。
(2)在MATLAB中新建M文件编程:
建立变量保存六个样本的二维输入值、目标值变量保存样本的目标值.
(3)利用newp建立一个两输入单输出的感知器。
(4)利用六个训练样本训练感知器。
(5)显示建立的感知器分类面,用测试样本进行分类测试.
参考程序如下:
p=[011335;
013135];
t=[000111];
ptest=[0134;
3221];
net=newp(minmax(p),1);
[netrt]=train(net,p,t);
iw1=net。
IW{1}
b1=net.b{1}
epoch1=tr。
epoch
perf1=tr.perf
pause;
plotpv(p,t);
plotpc(net。
iw{1},net.b{1});
pause;
t2=sim(net,ptest);
lotpv(ptest,t2);
plotpc(iw1,b1);
2设计前馈神经网络逼近平方函数
(1)问题描述:
设计前馈神经网络在x∈[0,10]区间上逼近函数y=x²
(2)在MATLAB中新建M文件编程:
产生100个随机训练样本及函数值。
(3)利用newff建立一个两输入单输出两层前馈网络,隐藏五个神经元。
(4)设计训练参数,训练神经网络。
(5)对神经网络进行仿真测试,显示输出曲线。
(6)观察过拟合现象:
如果采用50个隐层神经元,测试性能如何?
rand(’state'
,sum(100*clock));
p=10*rand(1,100);
t=p.^2;
Testp=0:
0。
1:
10;
net=newff([010],[51],{'
tansig'
'
purelin’},’trainlm'
);
net。
trainParam。
epochs=50;
trainParam.goal=0。
0001;
show=1;
net=train(net,p,t);
y2=sim(net,p);
plot(p,t,'
r+'
p,y2,'
.'
);
y3=sim(net,Testp);
plot(TTestp,y3,'
k.’);