昆工智能控制实验报告doc.docx
《昆工智能控制实验报告doc.docx》由会员分享，可在线阅读，更多相关《昆工智能控制实验报告doc.docx（13页珍藏版）》请在冰豆网上搜索。
昆工智能控制实验报告doc
昆明理工大学
《智能控制导论》学生实验报告
班级：
测控121姓名：
李仕雄学号：
201210402104日期：
2015.5.15
实验一
一、实验名称：
模糊控制器设计与仿真研究
二、实验目的：
要求通过上机实习，熟悉MATLAB的基本操作命令、simulink和模糊控制工具箱的使用，掌握利用MATLAB设计模糊控制器的基本方法，为以后利用计算机进行模糊控制系统分析与设计打下良好的基础。
二、实验要求：
1、给出模糊控制器的设计过程；
2、建立模糊控制结构图；
3、建立E、EC和U的隶数度函数赋值表；
4、建立模糊控制规则表；
5、记录试验曲线
三、实验报告内容：
四、实验总结
通过本次实验进一步熟悉了MATLAB的基本操作、simulink和模糊控制工具箱的使用，掌握了模糊控制的原理，组成以及如何利用MATLAB设计模糊控制器的一些基本方法。
实验二
一、实验名称：
BP神经网络逼近与测试程序研究
二、实验目的：
要求通过上机实习，熟悉MATLAB的基本操作命令、simulink的使用，掌握利用MATLAB设计神经网络模式识别的基本方法，为以后利用计算机进行神经网络控制系统分析与设计打下良好的基础。
二、实验要求：
1、给出BP神经网络的结构；
2、设计BP网络的训练程序；
3、设计BP网络的测试程序；
4、记录BP网络的逼近效果曲线和逼近误差曲线；
5、记录测试曲线
三、实验报告内容：
1、BP神经网络的结构：
2、BP网络的训练程序：
clear;clc;
P=-1:
0.1:
1;
P2=-1:
0.1:
1;
T=[-0.96-0.577-0.07290.3770.6410.660.4610.1336...
-0.201-0.434-0.5-0.393-0.16470.09880.3072...
0.3960.34490.1816-0.0312-0.2183-0.3201];
plot（P,T,'r+'）;
[R,Q]=size（P）;[S2,Q]=size（T）;S1=5;
[W1,B1]=rands（S1,R）;
[W2,B2]=rands（S2,S1）;
b1=[];b2=[];
b1=B1*ones（1,21）;
b2=B2*ones（1,21）;
a2=W2*tansig（W1*P2+b1）+b2;
A2=purelin（a2）;
holdon
plot（P,A2）
holdoff
disp（'按任一键继续'）
pause
net=newcf（minmax（P）,[5,1],{'tansig','purelin'},'traingd'）;%创建两层前向反馈网络
net.trainParam.epochs=7000;%初始化训练次数
net.trainParam.goal=9.5238e-004;%初始化误差值
net.trainParam.lr=0.15;%学习速率
[net,tr]=train（net,P,T）;%训练网络
Y=sim（net,P）;%计算结果
plot（P,Y,'b-'）
holdon
plot（P,T,'r+'）;
holdoff
4、初始网络的输出曲线：
5、训练结束网络是输出结果：
6、训练10次的结果：
7、训练50次的结果：
8、训练500次的结果
9、训练3000次的结果：
10、训练6000次的结果：
1、BP网络的测试程序
P=-1:
0.1:
1;
T=[-0.96-0.577-0.07290.3770.6410.660.4610.1336...
-0.201-0.434-0.5-0.393-0.16470.09880.3072...
0.3960.34490.1816-0.0312-0.2183-0.3201];
net=newcf（minmax（P）,[5,1],{'tansig','purelin'},'traingd'）;%创建两层前向回馈网络
y1=sim（net,P）;
figure,plot（P,T,'r+',P,y1,'--'）
title（'没有训练的网络仿真结果'）;
xlabel（'时间'）;ylabel（'仿真输出--原函数+'）;
net.trainParam.epochs=5000;%初始化训练次数
net.trainParam.goal=9.5238e-004;%初始化误差值
net.trainParam.lr=0.2;
[net,tr]=train（net,P,T）;%训练网络
Y=sim（net,P）;%计算结果
figure,plot（P,Y,'b-'）
Holdon
plot（P,T,'r+'）;
holdoff
2、训练结束网络误差记录：
3、没有训练的网络仿真：
4、实验总结：
通过这次实验，对于BP神经网络有了比较深刻的认识，掌握了BP神经网络的特点及结构，会简单的设计BP神经网络。
升级会员 