智能控制实验指导书

1《智能控制》实验指导书唐桂忠袁启昌编南京工业大学自动化学院2010年4月2实验一模糊逻辑与模糊控制一、实验目的1．应用MATLAB中模糊推理系统FIS工具建立模糊推理系统进行模糊推理。2．应用ANFIS工具进行模糊建模。2．进行一维模糊控制与二维模糊控制系统设计与仿真。二、实验内容1．熟悉MATLABFuzzy工具箱的使用。2．应用Fuzzy工具箱中的模糊推理系统FIS工具建立模糊推理系统，用mamdani法进行模糊推理。3．用ANFIS工具和Sugeno模糊推理方法进行模糊建模。4．使用Simulink工具和FLC（模糊逻辑控制器）进行一维模糊控制与二维模糊控制系统设计与仿真。三、实验方法与步骤1．应用FIS工具和mamdani方法进行tipper问题的模糊推理A.确定输入、输出模糊集合的隶属函数，制定模糊推理规则，建立模糊推理系统;B.进行模糊推理，观察输入精确量的模糊化、强度转移法模糊推理的过程图解、输出模糊量的精确化方法。2．应用ANFIS工具进行模糊建模A.获取待建模的样本数据集;B.建立初始的Sugeno模糊推理系统，训练前用输入数据对FIS进行测试;C.选择训练方式和训练参数，对FIS进行训练，训练后用输入数据对FIS进行测试、观察建模效果、调整模型参数、重新训练直至模型满足要求；D.观察训练前后FIS参数的变化。3．在Simulink中进行水位模糊控制系统设计与仿真A.应用FIS工具设计二维模糊控制器的结构，确定二维输入及输出模糊集合的隶属函数，制定模糊控制规则，建立二维模糊控制器；3B.在Simulink中建立水位模糊控制系统模型，进行二维模糊控制仿真；C.在相同对象下进行常规PID控制仿真；D.应用FIS工具将二维模糊控制规则修改为一维模糊控制，进行一维模糊控制仿真；E.对以上各种情况进行分析比较。四、实验报告内容与要求1．绘制mamdani方法进行tipper问题的模糊推理图形；2．说明ANFIS工具进行模糊建模的步骤和结果；3．绘出二维模糊控制器输入及输出模糊集合的隶属函数曲线；3．写出一维和二维水位模糊控制的控制规则；4．绘出一维、二维模糊控制以及PID控制的控制性能并进行比较。4实验二神经网络与神经网络控制一、实验目的1．了解线性神经网络及反向传播网络（BP网络）的应用方法。2．了解神经网络在控制系统中的应用。二、实验内容1．应用线性神经网络进行建模；2．观察反向传播网络的BP网络训练过程；3．应用BP算法和改进的BP算法训练BP网络实现函数逼近；4．训练径向基函数网络（RBF）实现函数逼近；5．进行神经网络控制系统仿真。三、实验方法与步骤1．应用线性神经网络逼近滤波器函数输出A.已知输入当前值和前两个时刻的值及目标函数，用线性神经网络建模；B.比较滤波器系数与神经网络权值矩阵。2．调用DEMO观察反向传播网络的BP网络训练过程A.正向仿真计算；B.反向传播计算和权值更新。3．应用BP算法和改进的BP算法训练BP网络实现函数逼近A.应用BP算法训练BP网络实现函数逼近；B.应用动量－学习率自适应调整算法训练BP网络实现函数逼近；C.应用LM优化算法训练BP网络实现函数逼近。4.用神经网络GUI工具nntool，训练径向基函数网络（RBF）实现函数逼近A.打开神经网络GUI工具nntool；B.输入样本数据、建立网络、训练网络；C.观察训练结果，进行网络仿真计算。55.进行神经网络模型参考控制仿真A.采用两个神经网络，分别构成控制器和系统模型；B.对系统模型进行辨识；C.训练控制器神经网络，使得系统输出跟踪参考模型的输出；D.进行神经网络模型参考控制系统仿真。四、实验报告内容与要求1．写出应用线性神经网络逼近滤波器函数输出的MATLAB程序和运行结果；2．写出LM优化算法训练BP网络实现函数逼近的MATLAB程序和运行结果；3．叙述神经网络模型参考控制仿真的步骤和结果。