1、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BP神经网
2、络逼近与测试程序研究 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。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:T=-0.96 -0.577 -0.0729 0.377 0.641 0.66 0.461 0.1336 . -0.201 -0.434
3、-0.5 -0.393 -0.1647 0.0988 0.3072 . 0.396 0.3449 0.1816 -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);hold onplot(P,A2)hold offdisp(按任一键继续)pausenet=newcf(minma
4、x(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-) 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 %创建两层前向回馈网络y1=sim(net,P);figure,plot(P,T,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; % 初始化误差值net.trainParam.lr = 0.2;figure,plot(P,Y,Hold on2、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 。