智能控制作业

智能控制作业
智能控制作业

题目1:求取模糊控制表(课本62-67页,matlab编程求解)解:

MATLAB编程如下:

%实现功能:计算模糊控制表

clc

clear

%x的隶属度表,其中x代表的是误差e

X=[1.0 0.8 0.7 0.4 0.1 zeros(1,8);

0.2 0.7 1.0 0.7 0.3 zeros(1,8);

0 0.1 0.3 0.7 1.0 0.7 0.2 zeros(1,6);

zeros(1,4) 0.1 0.6 1.0 zeros(1,6);

zeros(1,6) 1.0 0.6 0.1 zeros(1,4);

zeros(1,6) 0.2 0.7 1.0 0.7 0.3 0.1 0;

zeros(1,8) 0.2 0.7 1.0 0.7 0.3;

zeros(1,8) 0.1 0.4 0.7 0.8 1.0];

%y的隶属度表,其中y表示的是误差的导数

Y=[1.0 0.7 0.3 zeros(1,10);

0.3 0.7 1.0 0.7 0.3 zeros(1,8);

0 0 0.3 0.7 1.0 0.7 0.3 zeros(1,6);

zeros(1,4) 0.3 0.7 1.0 0.7 0.3 zeros(1,4);

zeros(1,6) 0.3 0.7 1.0 0.7 0.3 0 0;

zeros(1,8) 0.3 0.7 1.0 0.7 0.3;

zeros(1,10) 0.3 0.7 1];

%z的隶属度表,其中z表示的是控制量u

Z=Y;

%模糊控制规则表

%其中: 1代表NB,2代表NM,3代表NS

% 4代表ZE,5代表PS,6代表PM,7代表PB

rule=[1 1 1 1 2 4 4;

1 1 1 1

2 4 4;

2 2 2 2 4 5 5;

2 2

3

4

5

6 6;

2 2

3

4

5

6 6;

3 3

4 6 6 6 6;

4 4 6 7 7 7 7;

4 4 6 7 7 7 7];

Set=[-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6]; %模糊集合

control_data=[]; %control_data待求的模糊控制表

for i=1:13 %控制模糊表的行变量

control=[];

for j=1:13 %控制模糊表的列变量

x0=Set(i);

y0=Set(j);

CCC=[]; %存放Ci;CCC矩阵将来存放的是56*13维的矩阵for m=1:8 %模糊控制规则表的行变量

Ai=X(m,:); %Ai为列向量

for n=1:7 %模糊控制规则表的列变量

Bi=Y(n,:); %Bi为列向量

Ci=Z(rule(m,n),:); %模糊控制规则表的控制变量

%得到RiA矩阵

RiA=zeros(13,13);

for p=1:13

for q=1:13

RiA(p,q)=min(Ai(p),Ci(q));

end

end

%AA表示A' 矩阵

AA=zeros(1,13);

[a1,b1]=find(x0==Set);

AA(a1,b1)=1;

%最小最大原则求取CiA

CIA_temp=zeros(13,13);

for ii=1:13

CIA_temp(:,ii)=min(AA',RiA(:,ii));%先取小

end

CIA=max(CIA_temp);%再取大

%%%%%%%%%%%%%%%%%%%%%%%%

%得到RiB矩阵

RiB=zeros(13,13);

for p=1:13

for q=1:13

RiB(p,q)=min(Bi(p),Ci(q));

end

end

%BB表示B' 矩阵

BB=zeros(1,13);

[a2,b2]=find(y0==Set);

BB(a2,b2)=1;

%最小最大原则求取CiB

CIB_temp=zeros(13,13);

for ii=1:13

CIB_temp(:,ii)=min(BB',RiB(:,ii));

end

CIB=max(CIB_temp);

%求CIA和CIB的交

C=min(CIA,CIB);

CCC=[CCC;C];

end

end

%求出56个Ci的并

C_max=max(CCC);

%利用重心法解模糊

temp=C_max.*Set;

control_temp=sum(temp)/sum(C_max);

control=[control,control_temp];

end

control_data=[control_data;control];

end

disp('模糊控制表如下:');

control_data=roundn(control_data,-2) %保留2位小数且四舍五入fid=fopen('kongzhi.txt','w');

count=fprintf(fid,'%d\n',control);

fclose(fid);

运行结果如下:

题目二:被控对象)

14)(12(20

)(++=s s s G 给定为100,设计一个模糊控制器实

现对象系统的控制。

解:

5

.010

25.010)14)(12(20)(+-+=++=

s s s s s G

离散化:

;1010)(5.025.0e

e

T

T

z z z z z G ----

-=

取采样周期T 为0.01s ;所以98.025.0=-e

T

,95.05.0=-e

T

)

()

(93.093.13.0)(2

z U z Y z z

z G z =

+-=

转成差分方程:);(3.0)(93.0)1(93.1)2(k u k y k y k y +-+=+ 阶跃输入为100,那么:

确定偏差的实际范围为【-100,100】;偏差变化率的实际范围【-100,100】;控制信号的变化范围【-20,20】;

模糊控制,一般采用离线计算出控制表,然后在实际控制中查表

控。为了简单起见,采用上题计算出来的控制规则。【即课本67页求出的控制表。】

模糊化:偏差error ,偏差变化率econvert ,控制信号u 的模糊论域都为:【-6 6】的整数。

200

13

=

=k k eb e ,;4013=k u

由上题导出控制表;

169个控制信号组成的控制表一个个输入显得麻烦。实际上可以先新建一个word 或txt 文本,将上题中计算出来的控制表写入该word 或txt 文本。接下来用的时候,打开并读取这个word 或txt 文本即可。

(1)新建一个空的txt 文件。名为kongzhi.txt 。 (2)在上题的程序中加入以下命令: fid=fopen('kongzhi.txt','w'); count=fprintf(fid,'%d\n',control); fclose(fid);

接下来,运行程序即可,就能将计算出来的控制表以列向量的形式保存到txt 文件中。

(3)用textread 函数就可以直接读取该txt 文件。

然而在实际应用过程中,也可实现pc 机与下位机(比如单片机,arm 或者PLC )之间的通信,将txt 文本传输给下位机。

程序如下所示:

clear clc

T=0:0.01:2;

r=100*ones(1,length(T)); %阶跃输入

u=zeros(1,length(T));

M=textread('kongzhi.txt'); %读取控制表

y(1)=0;

y(2)=0;

u(1)=0;

u(2)=0;

u(3)=0;

m=0;

ke=13/200; %量化因子ke

keb=13/200;

ku=13/40;

for i=3:length(T)

y(i)=1.93*y(i-1)-0.93*y(i-2)+0.3*u(i); %差分方程 y输出error=r(i)-y(i); %误差

econvert=error-m; %误差变化率

m=error; %误差更新

a=int8(ke*error)+7; %将实际偏差变化到模糊论域中

b=int8(keb*econvert)+7; %将实际偏差变化率变化到模糊论域中

t=13*(a-1)+b;

u1=M(t);

u(i+1)=ku*u1;

end

plot(T,y,'r');

hold on;

plot(T,r)

运行结果如下所示:

00.20.40.60.81 1.2 1.4 1.6 1.82

20

40

60

80

100

120

智能控制技术作业

3-1 模糊逻辑控制器由哪几部分组成?各完成什么功能? 答:模糊控制系统的主要部件是模糊化过程、知识库(数据库和规则库)、推理决策和精确化计算。 1、模糊化过程 模糊化过程主要完成:测量输入变量的值,并将数字表示形式的输入量转化为通常用语言值表示的某一限定码的序数。 2、知识库 知识库包括数据库和规则库。 1)、数据库 数据库提供必要的定义,包含了语言控制规则论域的离散化、量化和正规化以及输入空间的分区、隶属度函数的定义等。 2)、规则库 规则库根据控制目的和控制策略给出了一套由语言变量描述的并由专家或自学习产生的控制规则的集合。它包括:过程状态输入变量和控制输出变量的选择,模糊控制系统的建立。 3、推理决策逻辑 推理决策逻辑是利用知识库的信息模拟人类的推理决策过程,给出适合的控制量。(它是模糊控制的核心)。 4、精确化过程 在推理得到的模糊集合中取一个能最佳代表这个模糊推理结果可能性的精确值的过程称为精确化过程。

{模糊控制器采用数字计算机。它具有三个重要功能: 1)把系统的偏差从数字量转化为模糊量(模糊化过程、数据库两块); 2)对模糊量由给定的规则进行模糊推理(规则库、推理决策完成); 3)把推理结果的模糊输出量转化为实际系统能够接受的精确数字量或模拟量(精确化接口)。} 3-2 模糊逻辑控制器常规设计的步骤怎样?应该注意哪些问题? 答:常规设计方法 设计步骤如下: 1、确定模糊控制器的输入、输出变量 2、确定各输入、输出变量的变化范围、量化等级和量化因子 3、在各输入和输出语言变量的量化域内定义模糊子集。 4、模糊控制规则的确定 5、求模糊控制表 3-3 已知由极大极小推理法得到输出模糊集为:0.30.810.50.112345 C = ++++-----.试用重心法计算出此推理结果的精确值z 。 重心法 重心法 是取模糊隶属度函数的曲线与横坐标围城面积的重心为模糊推理最终输出值。 连续:0()()v V v V v v dv v v dv μμ=??

2019级智能控制技术专业人才培养方案

(3+2)智能控制技术专业人才培养方案 一、专业名称及代码 专业名称:智能控制技术 专业代码:560304 二、招生对象、学制及学历 本专业招收普通初中毕业生,全日制五年,其中中职3年、高职2年。 三、人才培养目标与规格 1.人才培养目标 本专业主要针对锦州地区对智能控制技术技能型人才的需要,面向新型工业化的机电制造、新能源、电力和新型建材等行业,从事智能化电气元件的设计、制造、调试、维护和管理的高级技术应用性专门人才。能完成智能化设备及其生产线的安装调试、运行和维护;智能电气元件的自动化设计与改造、故障诊断、管理与售后;智能配电柜的设计制造等典型工作任务,具有较强的实践动手能力、拥护党的基本路线,德、智、体、美全面发展的高级技术应用型人才。 三、培养规格及课程体系: 能力、素质结构如下表:

六、专业核心课程简介

七、实践教学安排表 八、专业教学计划 1.教学执行计划

填写说明:打*号课时由讲座、班会、讨论、竞赛等形式完成, 2、教学环节综合分析 (1) 理论教学与实践教学比例分析 学时与学分分析 (2) 九、教学实施保障 1.师资队伍配备 (1)“双师型”专业教学团队 智能控制专业教学团队由专、兼职教师组成,本专业的专职专业教师为28人,兼职教师16其中,专业带头人1人,专业骨干教师4人;具有高级以上职称12人、具有中级职称10人;双师型教师24人;均为大学本科以上学历。教师队伍的职称、学历、专业能力满足教学要求。 (2)专业带头人 专业带头人具有本科学历,副高职称,具有双师能力;有较高的专业建设水平和企业实践能力;掌握国内外职业教育与专业发展动态,能够在专业规划、专业建设、科研与教研、教学改革和青年教师培养等方面发挥引领作用。 (3)专业骨干教师 专业骨干教师应具有本科以上学历,讲师以上职称,具有中高级职业资格证书,具有双师能力;独立承担一门以上工学结合专业主干课程,能够独立完成课程开发和教学改革项目,在专业建设中发挥骨干作用。 (4)企业兼职教师 兼职教师为锦州地区机电类相关企业和学校的能工巧匠,具有从事5年以上机电专业的

西电射频大作业(精心整理)

射频大作业 基于PSpice仿真的振幅调制电路设计数字调制与解调的集成器件学习

目录 题目一:基于PSpice仿真的振幅调制电路设计与性能分析 一、实验设计要求 (3) 二、理论分析 1、问题的分析 (3) 2、差动放大器调幅的设计理论 (4) 2.1、单端输出差动放大器电路 2.2、双端输出差动放大器电路 2.3、单二极管振幅调制电路 2.4、平衡对消二极管调幅电路 三、PSpice仿真的振幅调制电路性能分析 (10) 1、单端输出差动放大器调幅电路设计图及仿真波形 2、双端输出差动放大器调幅电路设计图及仿真波形 3、单二极管振幅调制电路设计图及仿真波形 4、平衡对消二极管调幅电路设计图及仿真波形 四、实验总结 (16) 五、参考文献 题目二数字调制与解调的集成器件学习 一、实验设计要求 (17) 二、概述 (17) 三、引脚功能及组成原理 (18) 四、基本连接电路 (20) 五、参考文献 (21) 六、英文附录 (21)

题目一基于PSpice仿真的振幅调制电路设计 摘要 随着大规模集成电路的广泛发展,电子电路CAD及电子设计自动化(EDA)已成为电路分析和设计中不可缺少的工具。此次振幅调制电路仿真设计基于PSpice,利用其丰富的仿真元器件库和强大的行为建模工具,分别设计了差分对放大器和二极管振幅调制电路,由此对线性时变电路调幅有了更进一步的认识;同时,通过平衡对消技术分别衍生出双端输出的差分对放大器和双回路二极管振幅调制电路,消除了没用的频率分量,从而得到了更好的调幅效果。本文对比研究了单端输出和双端输出的差分对放大器调幅电路及单二极管和双回路二极管调幅电路,通过对比观察时域和频域波形图,可知平衡对消技术可以很好地减小失真。 关键词:PSpice 振幅调制差分对放大器二极管振幅调制电路平衡对消技术 一、实验设计要求 1.1 基本要求 参考教材《射频电路基础》第五章振幅调制与解调中有关差分对放大器调幅和二极管调幅的原理,选择元器件、调制信号和载波参数,完成PSpice电路设计、建模和仿真,实现振幅调制信号的输出和分析。 1.2 实践任务 (1) 选择合适的调制信号和载波的振幅、频率,通过理论计算分析,正确选择晶体管和其它元件;搭建单端输出的差分对放大器,实现载波作为差模输入电压,调制信号控制电流源情况下的振幅调制;调整二者振幅,实现基本无失真的线性时变电路调幅;观察记录电路参数、调制信号、载波和已调波的波形和频谱。 (2) 参考例5.3.1,修改电路为双端输出,对比研究平衡对消技术在该电路中的应用效果。 (3) 选择合适的调制信号和载波的振幅、频率,通过理论计算分析,正确选择二极管和其它元件;搭建单二极管振幅调制电路,实现载波作为大信号,调制信号为小信号情况下的振幅调制;调整二者振幅,实现基本无失真的线性时变电路调幅;观察记录电路参数、调制信号、载波和已调波的波形和频谱。 (4) 参考例5.3.2,修改电路为双回路,对比研究平衡对消技术在该电路中的应用效果。 1.3 写作报告 (1) 按论文形式撰写,包括摘要、正文和参考文献,等等。 (2) 正文包括振幅调制电路的设计原理、理论分析结果、实践任务中各阶段设计的电路、参数、波形和频谱,对观察记录的数据配以图像和表格,同时要有充分的文字做分析和对比,有规律性认识。 (3) 论文结构系统、完备、条理清晰、理论正确、数据翔实、分析完整。 1.4 相关提示 (1) 所有电路和信号参数需要各人自行决定,各人有不同的研究结果,锻炼学生的独立研究和实验分析能力。 (2) 为了提高仿真精度和减小调试难度,可以将调制信号和载波的频率设置得较低。 二、理论分析 1、问题的分析 根据题目的要求,差分对放大器和二极管振幅调制电路目的都是实现基本无

智能控制指导作业

语言变量X ,Y ,Z 的隶属度函数. 设计带有纯延迟的一阶惯性环节(假设T=6,=0.02): G(s)=s e s 6102.0+ 的模糊控制器,观察仿真结果。 编程如下: %被控系统建模 num=1; den=[6,1]; [a1,b,c,d]=tf2ss(num,den);%传递函数转换到状态空间 x=[0]; %系统参数 T=0.01;h=T;td=0.02;N=1000; nd=td/T;%系统纯延迟 R=ones(1,N);%参考输入 %定义输入和输出变量及隶属度函数

a=newfis('Simple'); a=addvar(a,'input','e',[-4 4]); a=addmf(a,'input',1,'NB','trimf',[-4,-4,-2]); a=addmf(a,'input',1,'NS','trimf',[-4,-2,0]); a=addmf(a,'input',1,'ZO','trimf',[-2,0,2]); a=addmf(a,'input',1,'PS','trimf',[0,2,4]); a=addmf(a,'input',1,'PB','trimf',[2,4,4]); a=addvar(a,'input','de',[-4 4]); a=addmf(a,'input',2,'NB','trimf',[-4,-4,-2]); a=addmf(a,'input',2,'NS','trimf',[-4,-2,0]); a=addmf(a,'input',2,'ZO','trimf',[-2,0,2]); a=addmf(a,'input',2,'PS','trimf',[0,2,4]); a=addmf(a,'input',2,'PB','trimf',[2,4,4]); a=addvar(a,'output','u',[-4 4]); a=addmf(a,'output',1,'NB','trimf',[-4,-4,-2]); a=addmf(a,'output',1,'NS','trimf',[-4,-2,0]); a=addmf(a,'output',1,'ZO','trimf',[-2,0,2]); a=addmf(a,'output',1,'PS','trimf',[0,2,4]); a=addmf(a,'output',1,'PB','trimf',[2,4,4]); %模糊规则矩阵 rr=[5 5 4 4 3 5 4 4 3 3 4 4 3 3 2 4 3 3 2 2 3 3 2 2 1]; r1=zeros(prod(size(rr)),3);k=1; for i=1:size(rr,1) for j=1:size(rr,2) r1(k,:)=[i,j,rr(i,j)]; k=k+1; end end [r,s]=size(r1); r2=ones(r,2); rulelist=[r1,r2]; a=addrule(a,rulelist); %采用模糊控制器的二阶系统仿真 e=0;de=0; ke=30;kd=5;ku=1; for k=1:N %输入变量变换至论域 e1=ke*e; de1=kd*de; if e1>=4

19春北理工《智能控制基础》在线作业答案

(单选题)1: 一般认为,人工神经网络适用于() A: 线性系统 B: 多变量系统 C: 多输入多输出系统 D: 非线性系统 正确答案: (单选题)2: 递阶控制系统的结构是根据下列原理设计的() A: 精度随智能降低而提高 B: 精度随智能提高而提高 C: 精度随智能降低而降低 D: 精度与智能无关 正确答案: (单选题)3: 智能控制成为国际上独立新学科的时间为20世纪() A: 60年代 B: 70年代 C: 80年代 D: 90年代 正确答案: (单选题)4: 基于模式识别的控制系统属于() A: 学习控制系统 B: 专家控制系统 C: 进化控制系统 D: 模糊控制系统 正确答案: (单选题)5: 能够在系统运行过程中估计未知信息,并据之进行优化与控制,以便逐步改进系统性能的控制叫做() A: 最优控制 B: 反馈控制 C: 随机控制 D: 学习控制 正确答案: (单选题)6: 最早提出人工神经网络思想的学者是() A: McCulloch-Pitts B: Hebb C: Widrow-Hoff D: Rosenblatt 正确答案: (单选题)7: 解决自动控制面临问题的一条有效途径就是把人工智能等技术用于自动控制系统,其核心是() A: 控制算法 B: 控制结构 C: 控制器智能化 D: 控制系统仿真 正确答案: (单选题)8: 智能控制的“四元交集结构”的四元,指的是() A: 计算机科学、自动控制、人工智能、神经网络 B: 人工智能、自动控制、信息论、系统论 C: 人工智能、自动控制、信息论、机器学习 D: 自动控制、人工智能、信息论、运筹学 正确答案: (单选题)9: 模糊控制是以模糊集合为基础的,提出模糊集合的科学家是()

智能控制课程论文

一、引言 (3) 二、轧机液压AGC数学模型 (3) 三、基于BP神经网络的轧机AGC过程控制 (5) (一)人工神经网络基本思想及其发展 (6) (二)人工神经网络的工作原理 (7) (三)人工神经网络的主要功能特点 (8) 四、神经网络辨识 (9) (一)扩展BP神经算法 (9) (二)基于时间序列的动态模型辨识 (11) 五、辨识结果 (12) (一)轧制力辨识 (12) (二)液压AGC参数辨识 (13) 六、结果检验 (14) (一)模型检验 (14) (二)辨识结果对比 (14) 七、结论 (15) 八、参考文献: (15)

先进过程控制技术在轧机液压领域的应用 摘要:轧机液压AGC控制过程的力控精度直接影响带钢的组织性能和力学性能,是保证板带质量和板形良好的关键因素。所以对轧机液压AGC的力控制,成为热轧生产中的重要环节,对其过程进行分析和研究具有深远的现实意义。本文以国内某热轧厂轧机液压AGC控制为背景,对如何提高轧机液压AGC控制的力控精度从控制方法上入手进行了较深入系统的研究。在分析液压AGC的组成元件及其动态特性的基础上, 利用神经网络具有逼近任何非线性函数且具有自学习和自适应的能力, 建立基于时间序列的前馈动态模型辨识结构, 应用扩展BP算法对轧机液压AGC力控制系统进行非线性预测, 将预测结果应用最小二乘辨识方法进行线性系统的特征参数辨识, 仿真及实测结果表明此方法行之有效, 为轧机液压AGC的控制提供了新途径。 关键词:自适应辨识;板带轧机;液压AGC;神经网络

Advanced process control technology in the field of rolling mill hydraulic applications Abstr act: In the process of rolling mill hydraulic AGC control force control precision directly affects the organization performance and mechanics performance of the steel strip, is guarantee the quality of strip and plate shape of the key factors. So the force control of rolling mill hydraulic AGC, become the important link between the hot rolling production, analyzes its process and research has far-reaching practical significance. This paper, taking a warmwalzwerk domestic mill hydraulic AGC control as the background, on how to improve the force control precision of the rolling mill hydraulic AGC control from the control methods of conducted in-depth study of the system. Based on the analysis of dynamic characteristics of hydraulic AGC components and, on the basis of using the neural network has any nonlinear function approximation, and has the ability of self learning and adaptive feedforward dynamic model identification based on time series structure, extend the BP algorithm was applied to rolling mill hydraulic AGC force control system for nonlinear prediction, and the predicted results using least squares identification method for characteristic parameters of a linear system identification, simulation and experimental results show that this method is effective, for rolling mill hydraulic AGC control provides a new way. Key wor ds: adaptive identification; stripe mill; hydraulic AGC; neural network

西电计算机视觉大作业

数字水印技术 一、引言 随着互联网广泛普及的应用,各种各样的数据资源包括文本、图片、音频、视频等放在网络服务器上供用户访问。但是这种网络资源的幵放也带了许多弊端,比如一些用户非法下载、非法拷贝、恶意篡改等,因此数字媒体内容的安全和因特网上的侵权问题成为一个急需解决的问题。数字水印作为一项很有潜力的解决手段,正是在这种情况下应运而生。 数字水印(技术是将一些代表性的标识信息,一般需要经过某种适合的变换,变换后的秘密信息(即数字水印),通过某种方式嵌入数字载体(包括文档、音频、软件等)当中,但不影响原载体的使用价值,也不容易被人的知觉系统(如视觉或听觉系统)觉察或注意到。通过这些隐藏在载体中的信息,可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。在发生产权和内容纠纷时,通过相应的算法可以提取该早已潜入的数字水印,从而验证版权的归属和内容的真伪。 二.算法原理 2.1、灰度图像水印 2.1.1基本原理 处理灰度图像数字水印,采用了LSB(最低有效位)、DCT变换域、DWT变换域三种算法来处理数字水印。在此过程中,处理水印首先将其预处理转化为二值图像,简化算法。 (1)LSB算法原理:最低有效位算法(Least Sig nificant Bit , LSB)是很常见的空间域信息隐藏算法, 该算法就是通过改变图像像素最不重要位来达到嵌入隐秘信息的效果, 该方法隐藏的信息在人的肉眼不能发现的情况下, 其嵌入方法简单、隐藏信息量大、提取方法简单等而获得广泛应用。LSB 信息嵌入过程如下: S′=S+f S ,M 其中,S 和S′分别代表载体信息和嵌入秘密信息后的载密信息;M为待嵌入的秘密信息, 而隐写分析则是从S′中检测出M以至提取M 。 (2)DCT算法原理:DCT 变换在图像压缩中有很多应用,它是JPEG,MPEG 等数据

专家控制系统课后大作业

5-1 什么是专家系统?它具有哪些特点和优点? 专家系统(Expert System) 是一个智能计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说,专家系统是一个具有大量的专门知识与经验的程序系统,它应用人工智能技术和计算机技术,根据某领域一个或多个专家提供的知识和经验,进行推理和判断,模拟人类专家的决策过程,以便解决那些需要人类专家处理的复杂问题。简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 专家系统的特点如下: (1)启发性。不仅能使用逻辑知识,也能使用启发性知识,它运用规范的专门知识和直觉的评判知识进行判断、推理和联想,实现问题求解; (2)透明性。它使用户在对专家系统结构不了解的情况下,可以进行相互交往,并了解知识的内容和推理思路,系统还能回答用户的一些有关系统自身行为的问题; (3)灵活性。专家系统的知识与推理机构的分离,使系统不断接纳新的知识,从而确保系统内知识不断增长以满足商业和研究的需要; (4)实用性。可长期保存人类专家的知识与经验,且工作效率高、可靠性好、能汇集众多专家的特长,达到高于任何单个专家的水平,是保存、传播、使用及提高专家知识与经验的有效工具; (5)符号操作。与常规程序进行数据处理和数字计算不同,专家系统强调符号处理和符号操作。使用符号表示知识,用符号集合表示问题的概念,一个符号是一串程序设计,并可用于表示现实世界中的概念; (6)不确定性推理。领域专家求解问题的方法大多数是经验性的,经验知识一般用于表示不精确性且存在一定概率的问题。此外,其提供的有关信息往往是不确定的。而专家系统能够综合应用模糊和不确定的信息与知识进行推理; 专家系统的优点如下: (1)专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作; (2)专家系统解决实际问题时不受周围环境的影响,也不可能遗漏忘记; (3)军事专家系统的水平是一个国家国防现代化的重要标志之一;

智能控制作业

1、已知某一炉温控制系统,要求温度保持在600 度恒定。 针对该控制系统有以下控制经验: (1)若炉温低于600 度,则升压;低的越多升压越高。 (2)若炉温高于600 度,则降压;高的越多降压越低。 (3)若炉温等于600 度,则保持电压不变。设模糊控制器为一维控制器,输入语言变量为误差,输出为控制电压。输入、输出变量的量化等级为7 级,取5 个模糊集。试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。 解:1)确定变量 定义理想温度为600 C,实际温度为T,则温度误差为 E=600-T。 将温度误差E 作为输入变量 2)输入量和输出量的模糊化 将偏差E分为5个模糊集:NB、NS、ZO、PS、PB,分别为负小、负大、零、正小、正大。将偏差E 的变化分为7 个等级:-3 -2 -1 0 1 2 3,从而得到温度模糊表如表1 所示。

表1温度变化E划分表 控制电压也分为个模糊集:、、、、,分 别为负小、负大、零、正小、正大。将电压u的变化分为7 个等级:-3 -2 -1 0 1 2 3,从而得到电压变化模糊表如表2所示。 表2电压变化u划分表

表3 模糊控制规则表 E PB PS ZO NS NB u PB PS ZO NS NB Edit or: Un+ it 1 e J. 歼cw OptigT

叮叮小文库

叮叮小文库 2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态 误差为 零,超调量不大于 1%,输出上升时间w 0.3s 。假定被 控对象的传递函数分别为: Gg e 0亦 (s 1)2 G2(S ) 4.228 (s 0.5)( s 2 1.64 s 8.456) 解: 在matlab 窗口命令中键入 fuzzy ,得到如下键面: 设e 的论域范围为[-1 1] , de 的论域范围为[-0.1 0.1] , u 的论 域范围为[ 0 2]。 将e 分为8个模糊集,分别为 NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集,分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集,分别为 NB ,NM ,NS, Z ,PS ,PM ,PB;

智能控制课程结课作业

智能控制 1对于模糊控制(fuzzy)的认识和体会 模糊控制作为给合传统的基于规则的专家系统、模糊集理论和控制理论的成果而诞生,使其与基于被控过程数学模型的传统控制理论有很大的区别。在模糊控制中,并不是像传统控制那样需要对被控过程进行定量的数学建模,而是试图通过从能成功控制被控过程的领域专家那里获取知识,即专家行为和经验,当被控过程午分复杂甚全“病态”时,建立被控过程的数学校型或者不可能,或者需要高昂的代价。此时模糊控制就显得具有吸引力和实用性。由于人类专家的行为是实现模糊控制的基础,因此,必须用一种容易且有效的方式来表达人类专家的知识。IF-THEN规则格式是这种专家控制知识最和适的表式方式之一,即1F“条件”THEN“结果”,这种表示方式有两个显著的特征:它们是定性的而不是定量的;它们是一种局部知识,这种知识将局部的“条件”与局部的“结果”联系起来,前者可用模糊子集表示,而后者需要模糊蕴涵或模糊关系来表达。然而,当用计算机实现时,这种规则最终需具有数位形式,隶属函数和近似推理为数值表示集合模糊蕴涵提供了一种有利工具。 一个实际的模糊控制系统实现时需要解决三个问题:知识表示、推理策略和知识获取。知识表示是指如何将语言规则用数值方式表示出来;推理策略是指如何根据当前输入“条件”生一个合理的“结果”;知识的获取解决如何获得一组恰当的规则。由于领域专家提供的知识常常是定性的,包含某种不确定性。因此,知识的表示和推理必须是模糊的或近似的,近似推理理论正是为满足这种需要而提出的。近似推理科看做是根据一些不精确的条件推导出个精确结论的过程,许多学者对模糊表示、近似推理进行了大量的研究,在近似推理算法中,最厂泛使用的是关系矩阵模型,它基于L.A.Zadeh的合成推理规则首次由Mamdani采用,由于规则可被解释成逻辑意义上的蕴涵关系,因此人最的蕴涵算子已被提出并应用于实际中由此可见。模糊控制是以模糊集合沦、模糊语言变量及校糊逻辑推理为基础的一种计算机控制,从线性控制与非线性控制的角度分类,模糊井制是一种非线性控制。从控制器智能性看,模糊控制属智能能控制的范畴,而且它已成为日前实现智能控制的一种重要而又有效的形式。尤其是模糊制和神经网络、预测控制、遗传算法和混沌理论等新学科的相结合,正在显示出其巨大的应用潜力。 模糊控制器的基本结构包括以下四部分 1.模糊化 模糊化的作用是将输入的精确量转换成模糊化量,其中输入成份包括外界的参考输入、系统的输出或状态等。模糊化的具体过程如下:首先对这此输入进行处理,以变成模糊控制器要求的输入从。然后将上述己经处理过的输入量进行尺度变换,使其变换到各自的论域范围。在将已经变换到论域范的输入最进行模糊处理,使原先精确的输入带变成模糊量,并用相应的模糊集合来表。 2.知识库 知识库包含了具体应用领域中的知识和要求的控制目标。它通常由数据库和模糊控制规则库两部分组成:1.数据库主要包括各种语言变量的隶属函数,尺度变换因子以及模糊空间的分级数等。2.规则库包括了用模糊语言变量表示的一系列控制规则。它们反映了控制专家的经验和知识。 3.模糊推理 模糊推理是模糊控制器的核心,它具有模拟人的基于模糊概念的推理能力。该推理过程是基于模糊逻辑中的蕴含关系及推理规则来进行的。 4.清晰化 洁晰化的作用是将模糊推理得到的控制量(模糊量)变换为实际用于控制的清晰量,它包

西电电院人工智能课程大作业

西电人工智能大作业

八数码难题 一.实验目的 八数码难题:在3×3的方格棋盘上,摆放着1到8这八个数码,有1个方格是空的,其初始状态如图1所示,要求对空格执行空格左移、空格右移、空格上移和空格下移这四个操作使得棋盘从初始状态到目标状态。例如: (a) 初始状态 (b) 目标状态 图1 八数码问题示意图 请任选一种盲目搜索算法(深度优先搜索或宽度优先搜索)或任选一种启发式搜索方法(A 算法或 A* 算法)编程求解八数码问题(初始状态任选),并对实验结果进行分析,得出合理的结论。 本实验选择宽度优先搜索:选择一个起点,以接近起始点的程度依次扩展节点,逐层搜索,再对下一层节点搜索之前,必先搜索完本层节点。 二.实验设备及软件环境 Microsoft Visual C++,(简称Visual C++、MSVC、VC++或VC)微软公司的C++开发工具,具有集成开发环境,可提供编辑C语言,C++以及C++/CLI 等编程语言。 三.实验方法 算法描述: (1)将起始点放到OPEN表; (2)若OPEN空,无解,失败;否则继续; (3)把第一个点从OPEN移出,放到CLOSE表; (4)拓展节点,若无后继结点,转(2); (5)把n的所有后继结点放到OPEN末端,提供从后继结点回到n的指针; (6)若n任意后继结点是目标节点,成功,输出;否则转(2)。

流程图:

代码: #include #include typedef struct Node { int num[9]; //棋盘状态 int deepth; //派生的深度 g(n) int diffnum; //不在位的数目 h(n) int value; //耗散值 f(n)=g(n)+h(n) struct Node * pre; struct Node * next; struct Node * parent; }numNode; /* ---------- end of struct numNode ---------- */ int origin[9]; //棋盘初始状态 int target[9]; //棋盘目标状态 int numNode_num,total_step; numNode *open,*close; //Open表和Close表 numNode *create_numNode() { return (numNode *)malloc(sizeof(numNode)); } numNode *open_getfirst(numNode *head); //返回第一项,并从Open表中删除

智能控制系统课程设计

目录 有害气体的检测、报警、抽排.................. . (2) 1 意义与要求 (2) 1.1 意义 (2) 1.2 设计要求 (2) 2 设计总体方案 (2) 2.1 设计思路 (2) 2.2 总体设计方框图 2.3 完整原理图 (4) 2.4 PCB制图 (5) 3设计原理分析 (6) 3.1 气敏传感器工作原理 (7) 3.2 声光报警控制电路 (7) 3.3 排气电路工作原理 (8) 3.4 整体工作原理说明 (9) 4 所用芯片及其他器件说明 (10) 4.1 IC555定时器构成多谐振荡电路图 (11) 5 附表一:有害气体的检测、报警、抽排电路所用元件 (12) 6.设计体会和小结 (13)

有害气体的检测、报警、抽排 1 意义与要求 1.1.1 意义 日常生活中经常发生煤气或者其他有毒气体泄漏的事故,给人们的生命财产安全带来了极大的危害。因此,及时检测出人们生活环境中存在的有害气体并将其排除是保障人们正常生活的关键。本人运用所学的电子技术知识,联系实际,设计出一套有毒气体的检测电路,可以在有毒气体超标时及时抽排出有害气体,使人们的生命健康有一个保障。 1.2 设计要求 当检测到有毒气体意外排时,发出警笛报警声和灯光间歇闪烁的光报警提示。当有毒气体浓度超标时能自行启动抽排系统,排出有毒气体,更换空气以保障人们的生命财产安全。抽排完毕后,系统自动回到实时检测状态。 2 设计总体方案 2.1 设计思路 利用QM—N5气敏传感器检测有毒气体,根据其工作原理构成一种气敏控制自动排气电路。电路由气体检测电路、电子开关电路、报警电路、和气体排放电路构成。当有害气体达到一定浓度时,QM—N5检测到有毒气体,元件两极电阻变的很小,继电器开关闭合,使得555芯片组成的多谐电路产生方波信号,驱动发光二极管间歇发光;同时LC179工作,驱使蜂鸣器间断发出声音;此时排气系统会开始抽排有毒气体。当气体被排出,浓度低于气敏传感器所能感应的范围时,电路回复到自动检测状态。

智能控制翻译

智能控制导论大作业 学号:021151** 姓名:** 任课教师:吴**

目录 一、说明………………………………………………………………… I.文章出处………………………………………………………… 二、论文翻译…………………………………………………………… I.摘要……………………………………………………………… II.引言……………………………………………………………… III.背景信息…………………………………………………………… IV.神经网络整体结构……………………………………………… V.神经网络的整体的标定中的应用……………………………… VI.总结……………………………………………………………… 三、课程与论文关系…………………………………………………… 四、智能导论课程总结…………………………………………………

一、说明 本次大作业针对“Improved Calibration of Near-Infrared Spectra by Using Ensembles of Neural Network Models”文章进行翻译。这篇文章摘自IEEE SENSORS JOURNAL, VOL. 10, NO. 3, MARCH 2010。作者是Abhisek Ukil, Member, IEEE, Jakob Bernasconi, Hubert Braendle, Henry Buijs, and Sacha Bonenfant。 二、论文翻译 利用神经网络模型整体对近红外光谱校正改进 摘要: 红外(IR)或近红外(NIR)光谱技术是用来识别一种混合物或来分析材料的组成的方法。NIR光谱的校准是指利用光谱的多变量描述来预测各组分的浓度。建立一个校正模型,最先进的软件主要使用线性回归技术。对于非线性校正问题,基于神经网络的模型已经被证明是一个有意义的选择。在本文中,我们提出了一个新的基于神经网络的扩展传统的方法,利用神经网络模型整体。个别神经网络是从重采样与引导或交叉验证技术训练信息数据中获得。在一个现实的校准实施例中得到的结果表明,该集合为基础的方法,会产生一个比传统的回归方法更显著更精确和鲁棒性强的校准模型。 关键词: 自举,校准,计量学,交叉验证,傅立叶变换,近红外(NIR),近红外光谱仪,神经网络,光谱。 I.引言: 红外(IR)或近红外(NIR)光谱技术是用来识别一种混合物或来分析材料的组成的方法。这是通过学习物质与红外光间相互作用而完成的。红外/近红外光谱是指红外光的吸收为波长的函数。在红外光谱中,考虑的频率范围通常是14000和10厘米分之一。注意,所施加的频率刻度是波数(以厘米倒数为单位),而不是波长(以微米为单位)。该材料在不同频率下的吸收测定中的百分比。“化学计量学”是数学和统计方法的应用,以化学数据的分析,例如,多元校正,信号处理/调节,模式识别,实验设计等。 在化学计量学,校准是通过使用光谱多变量描述符来预测不同成分的浓度来实现。在本文中,我们提出并分析采用基于神经网络的校正模型整体。整体的个别型通过重新取样与引导或交叉验证技术的原始训练数据的实现。该集成模型被示为导致显著改善预测精度和鲁棒性,当与常规的校准方法相比。 在本文的其余部分安排如下。在第二节中,提供有关工作的背景信息。这包括使用的光谱仪,数据采样,目前最先进的校准方法和基于神经网络的校准模型的信息。第三节介绍了

智能控制作业

1、已知某一炉温控制系统,要求温度保持在600度恒定。针对该控制系统有以下控制经验: (1)若炉温低于600度,则升压;低的越多升压越高。(2)若炉温高于600度,则降压;高的越多降压越低。(3)若炉温等于600度,则保持电压不变。 设模糊控制器为一维控制器,输入语言变量为误差,输出为控制电压。输入、输出变量的量化等级为7级,取5个模糊集。试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。 解:1)确定变量 定义理想温度为600℃,实际温度为T,则温度误差为E=600-T。 将温度误差E作为输入变量 2)输入量和输出量的模糊化 将偏差E分为5个模糊集:NB、NS、ZO、PS、PB,分别为负小、负大、零、正小、正大。将偏差E的变化分为7个等级:-3 -2 -1 0 1 2 3,从而得到温度模糊表如表1所示。

表1 温度变化E划分表 控制电压u也分为5个模糊集:NB、NS、ZO、PS、PB,分别为负小、负大、零、正小、正大。将电压u的变化分为7个等级:-3 -2 -1 0 1 2 3,从而得到电压变化模糊表如表2所示。 表2 电压变化u划分表

表3 模糊控制规则表 E PB PS ZO NS NB u PB PS ZO NS NB

2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态误差为零,超调量不大于1%,输出上升时间≤0.3s 。假定被控对象的传递函数分别为: 2 55 .01)1()(+=-s e s G s ) 456.864.1)(5.0(228 .4)(22+++= s s s s G 解: 在matlab 窗口命令中键入fuzzy ,得到如下键面: 设e 的论域范围为[-1 1],de 的论域范围为[-0.1 0.1],u 的论域范围为[0 2]。 将e 分为8个模糊集,分别为NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集,分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集,分别为NB ,NM ,NS, Z ,PS ,PM ,PB;

智能控制课程设计报告书

《智能控制》课程设计报告题目:采用BP网络进行模式识别院系: 专业: 姓名: 学号: 指导老师: 日期:年月日

目录 1、课程设计的目的和要求 (3) 2、问题描述 (3) 3、源程序 (3) 4、运行结果 (6) 5、总结 (7)

课程设计的目的和要求 目的:1、通过本次课程设计进一步了解BP网络模式识别的基本原理,掌握BP网络的学习算法 2、熟悉matlab语言在智能控制中的运用,并提高学生有关智能控制系统的程序设计能力 要求:充分理解设计容,并独立完成实验和课程设计报告 问题描述 采用BP网络进行模式识别。训练样本为3对两输入单输出样本,见表7-3。是采用BP网络对训练样本进行训练,并针对一组实际样本进行测试。用于测试的3组样本输入分别为1,0.1;0.5,0.5和 0.1,0.1。 表7-3 训练样本 说明:该BP网络可看做2-6-1结构,设权值wij,wjl的初始值取【-1,+1】之间的随机值,学习参数η=0.5,α=0.05.取网络训练的最终指标E=10^(-20),在仿真程序中用w1,w2代表wij,wjl,用Iout代表 x'j。 源程序 %网络训练程序

clear all; close all; xite=0.50; alfa=0.05; w2=rands(6,1); w2_1=w2;w2_2=w2; w1=rands(2,6); w1_1=w1;w1_2=w1; dw1=0*w1; I=[0,0,0,0,0,0]'; Iout=[0,0,0,0,0,0]'; FI=[0,0,0,0,0,0]'; k=0; E=1.0; NS=3; while E>=1e-020 k=k+1; times(k)=k; for s=1:1:NS xs=[1,0; 0,0; 0,1]; ys=[1,0,-1]'; x=xs(s,:); for j=1:1:6 I(j)=x*w1(:,j); Iout(j)=1/(1+exp(-I(j))); end y1=w2'*Iout;

(最新整理)西电射频大作业

(完整)2013西电射频大作业 编辑整理: 尊敬的读者朋友们: 这里是精品文档编辑中心,本文档内容是由我和我的同事精心编辑整理后发布的,发布之前我们对文中内容进行仔细校对,但是难免会有疏漏的地方,但是任然希望((完整)2013西电射频大作业)的内容能够给您的工作和学习带来便利。同时也真诚的希望收到您的建议和反馈,这将是我们进步的源泉,前进的动力。 本文可编辑可修改,如果觉得对您有帮助请收藏以便随时查阅,最后祝您生活愉快业绩进步,以下为(完整)2013西电射频大作业的全部内容。

班级 021171 射频电路基础期中大作业 学院电子工程学院 专业遥感科学与技术 学生姓名(02117017) (02117019) (02117024) 老师姓名朱天桥老师

题目一:基于 PSpice 仿真的振幅调制电路设计 1。1 基本要求 参考教材《射频电路基础》第五章振幅调制与解调中有关差分对放大器调幅和二极管调幅的原理,选择元器件、调制信号和载波参数,完成PSpice电路设计、建模和仿真,实现振幅调制信号的输出和分析。 1。2 实践任务 (1) 选择合适的调制信号和载波的振幅、频率,通过理论计算分析,正确选择晶体管和其它元件;搭建单端输出的差分对放大器,实现载波作为差模输入电压,调制信号控制电流源情况下的振幅调制;调整二者振幅,实现基本无失真的线性时变电路调幅;观察记录电路参数、调制信号、载波和已调波的波形和频谱。 (2)参考例5。3。1,修改电路为双端输出,对比研究平衡对消技术在该电路中的应用效果。 (3) 选择合适的调制信号和载波的振幅、频率,通过理论计算分析,正确选择二极管和其它元件;搭建单二极管振幅调制电路,实现载波作为大信号,调制信号为小信号情况下的振幅调制;调整二者振幅,实现基本无失真的线性时变电路调幅;观察记录电路参数、调制信号、载波和已调波的波形和频谱。 (4) 参考例5。3。2,修改电路为双回路,对比研究平衡对消技术在该电路中的应用效果. 摘要 此次振幅调制电路仿真设计基于PSpice,利用其丰富的仿真元器件库和强大的行为建模

智能控制(神经网络)-作业

智能控制作业 学生: 学 号: 专业班级: 7-2 采用BP 网路、RBF 网路、DRNN 网路逼近线性对象 2) 1(1)1(9.0)1()(-+-?--=k y k y k u k y ,分别进行matlab 仿真。 (一)采用BP 网络仿真 网络结构为2-6-1。采样时间1ms ,输入信号)6sin(5.0)(t k u ?=π,权值21,W W 的初值随机取值,05.0,05.0==αη。 仿真m 文件程序为: %BP simulation clear all; clear all; xite=0.5; alfa=0.5; w1=rands(2,6); % value of w1,initially by random w1_1=w1;w1_2=w1; w2=rands(6,1); % value of w2,initially by random w2_1=w2;w2_2=w2_1; dw1=0*w1; x=[0,0]'; u_1=0; y_1=0; I=[0,0,0,0,0,0]'; % input of yinhanceng cell Iout=[0,0,0,0,0,0]'; % output of yinhanceng cell FI=[0,0,0,0,0,0]'; ts=0.001; for k=1:1:1000 time(k)=k*ts;

u(k)=0.5*sin(3*2*pi*k*ts); y(k)=(u_1-0.9*y_1)/(1+y_1^2); for j=1:1:6 I(j)=x'*w1(:,j); Iout(j)=1/(1+exp(-I(j))); end yn(k)=w2'*Iout; %output of network e(k)=y(k)-yn(k); % error calculation w2=w2_1+(xite*e(k))*Iout+alfa*(w2_1-w2_2); % rectify of w2 for j=1:1:6 FI(j)=exp(-I(j))/(1+exp(-I(j))^2); end for i=1:1:2 for j=1:1:6 dw1(i,j)=e(k)*xite*FI(j)*w2(j)*x(i); % dw1 calculation end end w1=w1_1+dw1+alfa*(w1_1-w1_2); % rectify of w1 % jacobian information yu=0; for j=1:1:6 yu=yu+w2(j)*w1(1,j)*FI(j); end dyu(k)=yu; x(1)=u(k); x(2)=y(k); w1_2=w1_1;w1_1=w1; w2_2=w2_1;w2_1=w2; u_1=u(k); y_1=y(k); end figure(1); plot(time,y,'r',time,yn,'b'); xlabel('times');ylabel('y and yn');

相关文档
最新文档