智能控制--模糊控制实验报告
智能控制理论基础实验报告
北京科技大学 智能控制理论基础实验报告 学院 专业班级 姓名 学号 指导教师 成绩 2014 年4月17日
实验一采用SIMULINK的系统仿真 一、实验目的及要求： 1.熟悉SIMULINK 工作环境及特点 2.掌握线性系统仿真常用基本模块的用法 3.掌握SIMULINK 的建模与仿真方法 二、实验内容： 1．了解SIMULINK模块库中各子模块基本功能 微分 积分 积分步长延时 状态空间模型 传递函数模型 传输延迟 可变传输延迟 零极点模型
直接查询表 函数功能块MATLAB函数 S函数（系统函数） 绝对值 点乘 增益 逻辑运算 符号函数 相加点 死区特性 手动开关 继电器特性 饱和特性 开关模块 信号分离模块 信号复合模块 输出端口 示波器模块 输出仿真数据到文件
通过实验熟悉以上模块的使用。 2. SIMULINK 的建模与仿真方法 （1）打开模块库，找出相应的模块。鼠标左键点击相应模块，拖拽到模型窗口中即可。 （2）创建子系统：当模型大而复杂时，可创建子系统。 （3）模块的封装： （4）设置仿真控制参数。 3．SIMULINK仿真实际应用 PID控制器的仿真实现。 控制对象的开环传递函数如下图： 加入PID控制器，求系统单位负反馈闭环单位阶跃响应，要求通过调节器的作用使系统满足超调量20%，上升时间3s，调节时间10s的要求。使输出曲线如下图。要求加入的PID控制器封装成一个模块使用。 三、实验报告要求： 1.针对具体实例写出上机的结果，体会其使用方法，并作出总结。
控制对象的开环传递函数如下图： 加入PID控制器，求系统单位负反馈闭环单位阶跃响应，要求通过调节器的作用使系统满足超调量20%，上升时间3s，调节时间10s的要求。使输出曲线如下图。要求加入的PID控制器封装成一个模块使用。PID如下： 图1-PID控制器仿真 设计的PID控制器参数为，P-0.3，I-0.5,D-0.4,尽可能的达到超调量20%，上升时间3s，调节时间10s的要求，仿真曲线图如下： 图2-PID控制器仿真曲线图 才实验开始的初期，我觉得这个实验过于简单，但是上手之后，我发现它是
机器人控制技术基础实验报告
华北电力大学 实验报告 | | 实验名称:机器人控制技术基础 课程名称：机器人控制技术基础 实验人：张钰信安1601 201609040126 李童能化1601 201605040111 韩翔宇能化1601 201605040104 成绩： 指导教师：林永君、房静 实验日期： 2016年3月4日-3月26日 华北电力大学工程训练中心
第一部分：单片机开发板 实验一：流水灯实验 实验目的：通过此实验，初步掌握单片机的 IO 口的基本操作。 实验内容：控制接在 P0.0上的 8个LED L0—L8 依次点亮，如此循环。 硬件说明： 根据流水灯的硬件连接，我们发现只有单片机的IO口输出为低电平时LED灯才会被点亮，我们先给P0口设定好初值，只让其点亮一盏灯，然后用左右移函数即可依次点亮其他的灯。 源程序如下： #include
led_1=1; led_2=0; display_ms(10); led_2=1; led_3=0; display_ms(10); led_3=1; led_4=0; display_ms(10); led_4=1; led_5=0; display_ms(10); led_5=1; led_6=0; display_ms(10); led_6=1; led_7=0; display_ms(10); led_7=1; led_8=0; display_ms(10); led_8=1; } } 第二部分：机器人小车 内容简介：机器人小车完成如图规定的赛道，从规定的起点开始,记录完成赛道一圈的时间。必须在30秒之内完成，超时无效。其中当小车整体都在赛道外时停止比赛，视为犯规，小车不规定运动方向,顺时针和逆时针都可以采用，但都从规定的起点开始记录时间。 作品优点及应用前景： 单片机可靠性高，编程简单单片机执行一条指令的时间是μs级，执行一个扫描周期的时间为几ms乃至几十ms。相对于电器的动作时间而言，扫描周期是
《模糊控制》实验指导书
《模糊控制》实验指导书李士勇沈毅周荻邱华洲袁丽英 实验名称： 实验地点： 指导教师： 联系电话： Harbin Institute of Technology 2005.3
模糊控制实验指导书 一、 实验目的 利用Matlab 软件实现模糊控制系统仿真实验，了解模糊控制的查询表方法和在线推理方法的基本原理及实现过程，并比较模糊控制和传统PID 控制的性能的差异。 二、 实验要求 设计一个二维模糊控制器分别控制一个一阶被控对象1 1 )(11+=s T s G 和二阶被控对象) 1)(1(1 )(212++= s T s T s G 。先用模糊控制器进行控制，然后改变控制对 象参数的大小，观察模糊控制的鲁棒性。为了进行对比，再设计PID 控制器，同样改变控制对象参数的大小，观察PID 控制的鲁棒性。也可以用其他语言编制模糊控制仿真程序。 三、 实验内容 （一）查询表式模糊控制器实验设计 查询表法是模糊控制中的最基本的方法，用这种方法实现模糊控制决策过程最终转化为一个根据模糊控制系统的误差和误差变化（模糊量）来查询控制量（模糊量）的方法。本实验利用了Matlab 仿真模块——直接查询表（Direct look-up table ）模块（在Simulink 下的Functions and Tables 模块下去查找），将模糊控制表中的数据输入给 Direct look-up table ，如图1所示。设定采样时间（例如选用0.01s ），在仿真中，通过逐步调整误差量化因子Ke ，误差变化的量化因子Kec 以及控制量比例因子Ku 的大小，来提高和改善模糊控制器的性能。
模糊控制详细讲解实例
一、速度控制算法： 首先定义速度偏差-50 km/h ≤e （k ）≤50km/h ，-20≤ec （i ）= e （k ）- e （k-1）≤20，阀值e swith =10km/h 设计思想：油门控制采用增量式PID 控制算法,刹车控制采用模糊控制算法，最后通过选择规则进行选择控制量输入。 选择规则： e （k ）<0 ① e （k ）>- e swith and throttlr_1≠0 选择油门控制 ② 否则：先将油门控制量置0，再选择刹车控制 0 《智能控制技术》实验报告书 学院： 专业： 学号： 姓名： 实验一：模糊控制与传统PID控制的性能比较 一、实验目的 通过本实验的学习，使学生了解传统PID控制、模糊控制等基本知识，掌握传统PID控制器设计、模糊控制器设计等知识，训练学生设计控制器的能力，培养他们利用MATLAB进行仿真的技能，为今后继续模糊控制理论研究以及控制仿真等学习奠定基础。 二、实验内容 本实验主要是设计一个典型环节的传统PID控制器以及模糊控制器，并对他们的控制性能进行比较。主要涉及自控原理、计算机仿真、智能控制、模糊控制等知识。 通常的工业过程可以等效成二阶系统加上一些典型的非线性环节，如死区、饱和、纯延迟等。这里，我们假设系统为：H(s)=20e0.02s/(1.6s2+4.4s+1) 控制执行机构具有0.07的死区和0.7的饱和区，取样时间间隔T=0.01。 设计系统的模糊控制，并与传统的PID控制的性能进行比较。 三、实验原理、方法和手段 1.实验原理： 1)对典型二阶环节，根据传统PID控制，设计PID控制器，选择合适的PID 控制器参数k p、k i、k d； 2)根据模糊控制规则，编写模糊控制器。 2.实验方法和手段： 1)在PID控制仿真中，经过仔细选择，我们取k p=5，k i=0.1，k d=0.001； 2)在模糊控制仿真中，我们取k e=60，k i=0.01，k d=2.5，k u=0.8； 3)模糊控制器的输出为：u= k u×fuzzy(k e×e, k d×e’)－k i×∫edt 其中积分项用于消除控制系统的稳态误差。 4)模糊控制规则如表1-1所示： 在MATLAB程序中，Nd用于表示系统的纯延迟（Nd=t d/T）,umin用于表示控制的死区电平，umax用于表示饱和电平。当Nd=0时，表示系统不存在纯延迟。 5)根据上述给定内容，编写PID控制器、模糊控制器的MATLAB仿真程序， 在线推理式模糊逻辑控制器设计实验报告 学院：电力学院 专业：自动化 学号： 姓名： 时间：2013年11月16日 一、实验目的 利用Matlab软件实现模糊控制系统仿真实验，了解模糊控制的在线推理方法的基本原理及实现过程。 二、实验要求 以matlab模糊工具箱中提供的一个水位模糊控制系统仿真的实例，定义语言变量的语言值，设置隶属度函数，根据提供的规则建立模糊逻辑控制器。最后启动仿真，观察水位变化曲线。 三、实验步骤 叙述在线推理模糊控制的仿真的主要步骤。 1）在matlab命令窗口输入：sltank，打开水位控制系统的simulink仿真模型图，如图； 2）在matlab的命令窗口中，输入指令：fuzzy，便打开了模糊推理系统编辑器（FIS Editor），如图； 3）利用FIS Editor编辑器的Edit/Add variable/input菜单，添加一条输入语言变量，并将两个输入语言和一个输出语言变量的名称分别定义为：level；rate；valve。其中，level代表水位（三个语言值：低，高，正好），rate代表变化率（三个语言值：正，不变，负），valve代表阀门（五个语言变量：不变，迅速打开，迅速关闭，缓慢打开，缓慢关闭）； 4）①利用FIS Editor编辑器的Edit/membership function菜单，打开隶属度函数编辑器，如下图，将输入语言变量level的取值范围（range）和显示范围（display range）设置为[-1，1]，隶属度函数类型（type）设置为高斯型函数（gaussmf），而所包含的三条曲线的名称（name）和参数（parameters）（[宽度中心点]）分别设置为：high,[0.3 -1];okay [0.3 0];low [0.3 1]。其中high 、okay、low分别代表水位高、正好、低； ②将输入语言变量rate的取值范围（range）和显示范围（display range） 设置为[-0.1，0.1]，隶属度函数类型（type）设置为高斯型函数（gaussmf），而 所包含的三条曲线的名称（name）和参数（parameters）（[宽度中心点]）分 温度模糊控制实验（选学） 一、实验目的 1．认识Labview 虚拟仪器在测控电路的应用； 2．通过实验，改变P 的参数，观察对整个温度测控系统的影响； 3．进一步认识固态继电器和温度变送器，了解其工作原理； 4．了解什么是模糊控制理论。 二、预习要点 1．了解模糊控制理论的由来及应用； 2．Labview 虚拟仪器图形软件（本实验指导书附录中对使用环境详细介绍）。 三、实验原理 温度还是通过固态继电器的导通关断来实现加热过程的，控制周期即是一个 加热和冷却周期，PID 调节的实现也是通过这个周期实现的，在远离温度预设值 的时固态继电器在温度控制周期中持续加热（假设导通时间是T），在接近温度 预设值时通过PID 得到的值来控制这一周期内固态继电器的开关时间（假设导通 时间是1/2T）维持温度（假设导通时间是1/4T）。 本实验暂时用的是模糊控制原理中的的比例控制钟摆无限接近的控制理论， 所以温度预设值不能超过（最大温度+实验开始前温度）/2，例如实验开始前温度为25 度，最大为100 度，那么预设最大为62.5 度，当然这样可能几天温度才能被控制好，所以建议温度不超过实验开始温度5 度，同时我们在将来的升级中 会用更好的模糊理论代替现有的较差的控制理论，这里还要指出好的模糊控制理 论在一定程度上比好的PID 控制还要稳定，做的好的模糊控制是经验与理论的最 完美结合。 四、实验项目 用模糊PID 控制水箱温度。 五、实验仪器 ZCK-II 型智能化测控系统。 六、实验步骤及操作说明 1．打开仪器面板上的总电源开关，绿色指示灯亮起表示系统正常； 2．打开仪器面板上的液位电源开关，绿色指示灯亮起表示系统正常； 3，确保贮水箱内有足够的水，参照图2（图见第三章）中阀门位置设置阀门开关，将阀门1、3、5、6 打开，阀门2、4 关闭； 4．参看变频器操作说明书将其设置在手动操作挡； 5．单击控制器RUN 按钮，向加热水箱注水，直到水位接近加热水箱顶部，完全 淹没加热器后单击STOP 按钮结束注水； 6．关闭仪器面板上的液位电源开关，红色指示灯亮起表示系统关闭； 7．打开仪器面板上的加热电源开关，绿色指示灯亮起表示系统正常； 8．打开计算机，启动ZCK-II 型智能化测控系统主程序； 12 9．用鼠标单击温度控制动画图形进入温度控制系统主界面，小组实验无须在个人信息输入框填写身份，直接确定即可； 10．在温度系统控制主界面中，单击采集卡测试图标，进入数据采集卡测试程序。 一切设置确认无误后即可单击启动程序图标，观察温度和电压的变化，也可以单 击冷却中左边的开关按钮进入加热程序，观察温度上升曲线及电流表和电压表变 化，确认传感器正常工作后点击程序结束，等待返回主界面图标出现即可返回温 度控制主界面进入下一步实验。 11．在温度系统控制主界面中，单击传感器标定图标，进入传感器标定程序。本 程序界面基本和数据采集卡测试程序界面基本相同，操作请参照步骤10 进行，一切设置确认无误后即可单击启动程序图标，观察温度和电压的变化，同时用温 度计测量加热箱内水温，并用传感器标定控制图标完成精确标定。标定完成后加 热水箱到30 摄氏左右时程序结束，等待返回主界面图标出现即可返回温度控制主界面进入下一步实验； 12．在温度系统控制主界面中，单击模糊PID 系统图标，进入模糊PID 温度控制系统程序。点击控制参数图标，进入控制参数设定界面，按照参数表4 中的小 组1 给定的预设参数填写。确定返回后点击采集参数图标按照参数表4 中的小组 同济大学电子与信息工程学院实验报告 姓名：学号： 学院：专业： 实验课程名称： 任课教师： 实验项目名称：基于BP神经网络的自整定PID控制仿真实验日期： 一、实验内容： 1.熟悉神经网络的特征、结构及学习算法。 2.通过实验掌握神经网络自整定PID的工作原理。 3.了解神经网络的结构对控制结果的影响。 4.掌握用MATLAB实现实现神经网络控制系统仿真的方法。 二、实验步骤及结果演示 1.实验步骤： （1）被控对象为一时变非线性对象，数学模型可表示为 式中系数a(k)是慢时变的， （2）如图5所示确定BP网络的结构，选4-5-3型的BP网络，各层加权系数的初值取区间[-0.5,0.5]上的随机数，选定学习率η=0.25和惯性系数α=0.05. （3）在MATLAB下依据整定原理编写仿真程序并调试。 （4）给定输入为阶跃信号，运行程序，记录实验数据和控制曲线。 （5）修改神经网络参数，如学习速率、隐含层神经元个数等，重复步骤（4）。 （6）分析数据和控制曲线。 图5 BP神经网络结构 2.结果展示： （1）实验代码： xite=0.25; alfa=0.02; IN=4; H=10; Out=3; wi=[ 0.4634 -0.4173 0.3190 0.4563; 0.1839 0.3021 0.1112 0.3395; -0.3182 0.0470 0.0850 -0.0722; -0.6266 0.0846 0.3751 -0.6900; -0.3224 0.1440 -0.2873 -0.0193; -0.0232 -0.0992 0.2636 0.2011; -0.4502 -0.2928 0.0062 -0.5640; -0.1975 -0.1332 0.1981 0.0422; 0.0521 0.0673 -0.5546 -0.4830; -0.6016 -0.4097 0.0338 -0.1503]; wi_1=wi;wi_2=wi;wi_3=wi; wo=[ -0.1620 0.3674 0.1959; -0.0337 -0.1563 -0.1454; 0.0898 0.7239 0.7605; 0.3349 0.7683 0.4714; 0.0215 0.5896 0.7143; -0.0914 0.4666 0.0771; 0.4270 0.2436 0.7026; 0.0215 0.4400 0.1121; 0.2566 0.2486 0.4857; 0.0198 0.4970 0.6450 ]'; wo_1=wo;wo_2=wo;wo_3=wo; x=[0,0,0]; u_1=0;u_2=0;u_3=0;u_4=0;u_5=0; y_1=0;y_2=0;y_3=0; oh=zeros(H,1); I=oh; error_2=0; error_1=0; ts=0.001; for k=1:1:6000 time(k)=k*ts; rin(k)=1; a(k)=1.2*(1-0.8*exp(-0.1*k)); 浙工大过程控制实验报告 202103120423徐天宇过程控制系统实验报告 实验一：系统认识及对象特性测试 一实验目的 1了解实验装置结构和组成及组态软件的组成使用。 2 熟悉智能仪表的使用及实验装置和软件的操作。 3熟悉单容液位过程的数学模型及阶跃响应曲线的实验方法。 4学会有实际测的得单容液位过程的阶跃响应曲线，用相关的方法分别确定它们的参数，辨识过程的数学模型。二实验内容 1 熟悉用MCGS组态的智能仪表过程控制系统。 2 用阶跃响应曲线测定单容液位过程的数学模型。三实验设备 1 AE2000B型过程控制实验装置。 2 计算机，万用表各一台。 3 RS232-485转换器1只，串口线1根，实验连接线若干。四实验原理 如图1-1所示，设水箱的进水量为Q1，出水量为Q2，水箱的液面高度为h，出水阀V2固定于某一开度值。根据物料动态平衡的关系，求得： 在零初始条件下，对上式求拉氏变换，得： 式中，T为水箱的时间常数（注意：阀V2的开度大小会影响到水箱的时间常数），T=R2*C，K=R2为单容对象的放大倍数， R1、R2分别为V1、V2阀的液阻，C 为水箱的容量系数。 阶跃响应曲线法是指通过调节过程的调节阀，使过程的控制输入产生一个阶跃变化，将被控量随时间变化的阶跃响应曲线记录下来，再根据测试记录的响应曲线求取输入输出之间的数学模型。本实验中输入为电动调节阀的开度给定值OP，通过改变电动调节阀的开度给定单容过程以阶跃变化的信号，输出为上水箱的液位高度h。电动调节阀的开度op通过组态软件界面有计算机传给智能仪表，有智能仪表输出范围为：0~100%。水箱液位高度有由传感变送器检测转换为4~20mA的标准信号，在经过智能仪表将该信号上传到计算机的组态中，由组态直接换算成高度值，在计算机窗口中显示。因此，单容液位被控对象的传递函数，是包含了由执行结构到检测装置的所有液位单回路物理关系模型有上述机理建模可知，单容液位过程是带有时滞性的一阶惯性环节，电动调节阀的开度op，近似看成与流量Q1成正比，当电动调节阀的开度op为一常量作为阶跃信号时，该单容液位过程的阶跃响应为 需要说明的是表达式（2-3）是初始量为零的情况，如果是在一个稳定的过程下进行的阶跃响应，即输入量是在原来的基础上叠加上op的变化，则输出表达式是对应原来输出值得基础上的增 《智能控制导论》上机实验报告 专业班级：自动化121 姓名：蒋德鹏 学号：201210401117 指导教师：詹跃东 昆明理工大学信息工程与自动化学院自动化系 2015年5月 洗衣机的模糊控制系统仿真 一、实验软件 Matlabb/Simulink 编程语言. 二、实验目的 1. 熟悉智能控制系统中的建模与控制过程； 2. 熟悉专家控制、模糊控制和神经网络的建模和控制算法的应用； 3. 熟悉专家控制、模糊控制和神经网络的编程语言的应用。 三、需要的预备知识 1. 熟悉Matlabb/Simulink 编程语言； 2. 熟悉专家控制、模糊控制和神经网络建模与控制方法； 3. 熟悉Matlabb/Simulink 的应用； 4. 熟悉Matlabb/Simulink 常用人机接口设计。 四、实验数据及步骤 1. 实验内容 洗衣机的模糊控制系统仿真； 2. 实验原理 模糊控制的基本原理和基本流程； 基本原理：模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它从行为上模仿人的模糊推理和决策过程。该方法首先将操作人员或专家经验编程模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上。图为模糊控制原理框图。 图一 模糊控制原理框图 给定值 模糊化 模糊推理 规则库 逆模糊 传感器 执行机构 被控对象 精确量 模糊控制器 基本流程： 2. 实验步骤 （1）确定洗衣机模糊控制的结构 如图二所示为洗衣机模糊控制推理框图。 图二 洗衣机模糊控制推理框图 开始 确定模糊控制器的结构 定义输入、输出模糊集 定义隶属函数 污泥X 油脂 Y 洗涤时间Z 洗衣机模糊控 制器 建立模糊控制规则 模糊推理 Matlab 仿真 结束 实验一 模糊控制器的MATLAB 仿真 一、实验目的 本实验要求利用MATLAB/SIMULINK 与FUZZYTOOLBOX 对给定的二阶动态系统，确定模糊控制器的结构，输入和输出语言变量、语言值及隶属函数，模糊控制规则；比较其与常规控制器的控制效果；研究改变模糊控制器参数时，系统响应的变化情况；掌握用 MATLAB 实现模糊控制系统仿真的方法。 实验时数：3学时。 二、实验设备：计算机系统、Matlab 仿真软件 三、实验原理 模糊控制器它包含有模糊化接口、规则库、模糊推理、清晰化接口等部分，输人变量是过程实测变量与系统设定值之差值。输出变量是系统的实时控制修正变量。模糊控制的核心部分是包含语言规则的规则库和模糊推理。模糊推理就是一种模糊变换，它将输入变量模糊集变换为输出变量的模糊集，实现论域的转换。工程上为了便于微机实现，通常采用“或”运算处理这种较为简单的推理方法。Mamdani 推理方法是一种广泛采用的方法。它包含三个过程：隶属度聚集、规则激活和输出总合。模糊控制器的体系结构如图1所示。 图1 模糊控制器的体系结构 四、实验步骤 （1）对循环流化床锅炉床温，对象模型为 ()()1140130120 ++s s 采用simulink 图库，实现常规PID 和模糊自整定PID 。 （2）确定模糊语言变量及其论域：模糊自整定PID 为2输入3输出的模糊控制器。该模糊控制器是以|e|和|ec|为输入语言变量，Kp 、Ki 、Kd 为输出语言变量，其各语言变量的论域如下： 误差绝对值：e={0，3，6，10}； 误差变化率绝对值：ec={0，2，4，6}； 输出Kp：Up={0，0.5，1.0，1.5}； 输出Ki：Ui={0，0.002，0.004，0.006}； 输出Kd：Ud={0，3，6，9}。 （3）语言变量值域的选取：输入语言变量|e|和|ec|的值域取值“大”(B)、“中”(M)、“小”(s)和“零”(Z) 4种；输出语言变量Kp、Ki、Kd的值域取值为“很大”(VB)、“大”(B)、“中”(M)、“小”(s) 4种。 （4）规则的制定：根据PID参数整定原则及运行经验，可列出输出变量Kp、Ki、Kd 的控制规则表。 （5）推理方法的确定 隐含采用“mamdani”方法：max-min； 推理方法，即“min”方法； 去模糊方法：面积中心法； 选择隶属函数的形式：三角型。 控制理论与控制工程 《智能控制基础》 课程实验报告 专业：控制理论和控制工程 班级：双控研2016 姓名：洪帅 任课教师：马兆敏 2016年12 月4 日 第一部分：模糊控制 实验一模糊控制的理论基础实验 实验目的： 1 练习matlab中隶属函数程序的编写，同时学习matlab数据的表达、格式、文件格式、存盘 2 学习matlab中提供的典型隶属函数及参数改变对隶属度曲线的影响 3 模糊矩阵合成仿真程序的学习 4 模糊推理仿真程序 实验内容 （1）要求自己编程求非常老，很老，比较老，有点老的隶属度函数。 1隶属函数编程 试验结果如图1-1 图1-1隶属度函数曲线 （2）完成思考题P80 2-2 写出W及V两个模糊集的隶属函数，并绘出四个仿真后的曲线。 仿真曲线见图1-2， 图1-2隶属度函数曲线 2 典型隶属函数仿真程序 学习下列仿真程序，改变各函数中的参数，观察曲线的变化，并总结各种隶属函数中其参数变化是如何影响曲线形状变换的。 M=1 M=3 M=3 M=4 M=5 M=6 图1-3 M在1、2、3、4、5、6时的图形 2 模糊矩阵合成仿真程序：学习P31例2-10，仿真程序如下， （1）完成思考题P81 2-5，并对比手算结果。完成思考题P81 2-4，并对比手算结果。 （2）2-5： (1)Matlab结果如下 ① ② ③ P81 2-5手算结果： P=? ? ? ? ? ? 7.0 2.0 9.0 6.0 Q=? ? ? ? ? ? 4.0 1.0 7.0 5.0 R=? ? ? ? ? ? 7.0 7.0 3.0 2.0 S=? ? ? ? ? ? 5.0 6.0 2.0 1.0 (P Q) R=? ? ? ? ? ? 4.0 4.0 6.0 6.0 (PUQ) S=? ? ? ? ? ? 5.0 6.0 5.0 6.0 (P S)U(Q S)=? ? ? ? ? ? 5.0 6.0 5.0 6.0 总结：手算结果和MATLAB运行结果一致。 (2) （2）思考题P81 2-4 Matlab运行结果如下： P81 2-4题手算结果如下： () 30 20 10 4.0 1 10 4.0 20 30 + + + + - + - + - = e ZE μ () 30 20 3.0 10 1 3.0 10 20 30 + + + + - + - + - = e PS μ ()() 30 20 10 4.0 3.0 10 20 30 + + + + - + - + - = ?e e PS ZE μ μ ()() 30 20 3.0 10 1 1 10 4.0 20 30 + + + + - + - + - = ?e e PS ZE μ μ 总结：手算结果和MATLAB运行结果一致。 4 模糊推理仿真程序：学习P47 例2-16，仿真程序如下。（1）完成思考题2-9，并对比手算结果。 Matlab结果如下 智能控制实验报告 姓名 学院 专业自动化班级 学号 指导教师 成绩 2019 年 12 月 25 日 实验一 模糊控制在角度随动系统中的应用一、实验目的与意义学习 Matlab 中建立模糊控制器的方法；了解模糊控制在角度随动系统中的 应用。 二、实验内容在 Matlab 中建立模糊控制器，将生成的模糊规则表插入程序代码中，交叉 编译代码，下载到目标版中进行测试。 1 、Matlab 文本模式建立模糊控制器（必做） 2 、利用 Matlab 模糊逻辑工具箱建立模糊控制器（选做） 3 、模糊控制器 Simulink 仿真（必做） 4 、嵌入式程序交叉编译（选做） 三、实验结果 1 、matlab 文本模式建立模糊控制器 %Fuzzy Controller Design clear all; close all; %新建 FIS a=newfis("myfuzzy"); %输入e，范围[-48,48],7 个模糊语言，NB,NM,NS,Z,PS,PM,PB a=addvar(a,"input","e",[-48 48]); %Parameter e a=addmf(a,"input",1,"NB","trimf",[-48 -36 -24]); a=addmf(a,"input",1,"NM","trimf",[-36 -24 -12]); a=addmf(a,"input",1,"NS","trimf",[-24 -12 0]); a=addmf(a,"input",1,"Z","trimf",[-12 0 12]); a=addmf(a,"input",1,"PS","trimf",[0 12 24]); a=addmf(a,"input",1,"PM","trimf",[12 24 36]); a=addmf(a,"input",1,"PB","trimf",[24 36 48]); %输入ec，范围[-64,64],7 个模糊语言，NB,NM,NS,Z,PS,PM,PB a=addvar(a,"input","ec",[-64 64]); %Parameter ec a=addmf(a,"input",2,"NB","trimf",[-64 -48 -32]); a=addmf(a,"input",2,"NM","trimf",[-48 -32 -16]); a=addmf(a,"input",2,"NS","trimf",[-32 -16 0]); a=addmf(a,"input",2,"Z","trimf",[-16 0 16]); a=addmf(a,"input",2,"PS","trimf",[0 16 32]); a=addmf(a,"input",2,"PM","trimf",[16 32 48]); a=addmf(a,"input",2,"PB","trimf",[32 48 64]); %输出u，范围[-90,90]，7 个模糊语言，NB,NM,NS,Z,PS,PM,PB a=addvar(a,"output","u",[-90 90]); %Parameter u a=addmf(a,"output",1,"NB","trimf",[-90 -65 -45]); a=addmf(a,"output",1,"NM","trimf",[-65 -45 -25]); a=addmf(a,"output",1,"NS","trimf",[-45 -25 0]); a=addmf(a,"output",1,"Z","trimf",[-25 0 25]); a=addmf(a,"output",1,"PS","trimf",[0 25 45]); a=addmf(a,"output",1,"PM","trimf",[25 45 65]); a=addmf(a,"output",1,"PB","trimf",[45 65 90]); %模糊规则表，7*7=49 行，5 列 rulelist=[1 1 1 1 1; 1 2 1 1 1; 1 3 1 1 1; 1 4 2 1 1; 1 5 2 1 1; 1 6 3 1 1; 1 7 4 1 1; 智能控制实验 实验名称 基本模糊控制器设计 电子工程与自动化 学院 智能科学与技术 专业 08003902 班 作者 吴 学号 实验日期 2011 年 12 月 6 日 辅导员意见： 辅导员 成绩 签 名 基本模糊控制器的设计 一、实验目的 1、掌握MATLAB 软件中的模糊工具箱的使用。 2、掌握模糊控制器设计的步骤和要点。 二、实验内容 本实验设计一个含有模糊控制器的控制系统，并对该系统进行仿真，研究模糊控制器的设计方法。在此基础上自己设计5个语言变量的模糊控制器，控制系统的方框图如下： 三、实验原理 1、在Matlab 环境下，使用fuzzy 命令，进入FIS 编辑器，用File\New FIS 菜单创建Mamdani 型Fuzzy 控制器。 2、首先将输入变量1命名ER ，然后增加一个输入变量命名CE ，将输出命名CU ，这样就规定了该控制器为2个输入变量ER 和CE ，一个输出变量CU 。 3、进入隶属函数编辑界面，分别将ER 、CE 和CU 的论域设定为[-2，2]、[-0.2，0.2]和[-2，2]，分别对上述3个变量增加3和隶属函数，并以F 、O 、Z 表示变量为负值、零附近和正值。 4、进入规则编辑器界面，添加模糊控制规则，并用规则观察器和曲面观察器，对控制规则的总体情况进行观察。 5、模糊控制器设计完后，将该FIS 存盘，并将它作为一个变量保存到Workspace 中。 6、在Matlab 环境下，进入Simuink 工具箱，建立该控制系统的仿真模型，其中的模糊 控制器从模糊工具箱中取得，并将它的FIS 指定为我们前面 设计完成的模糊控制器变量。 7、对上述控制系统进行仿真，观察控制系统的阶跃响应。 四、实验内容及步骤 1、按上述步骤建立模糊控制系统的模型，进行仿真测试，观察控制系统的阶跃响应。 以下是语言变量为三个的模糊控制模型的设计过程： 其中ER 和CE 为两个输入量，CU 为输出，论域分别设定为[-2，2]、[-0.2，0.2]和[-2，2]。并且在Simulink 的参数选择的Advanced 选项参数中的Optimizations 的各设 置改为off （见实验内容2的最后一个截图）。此处因为所用受控对象为S S 1 2 有 积分环节所以CU 有正有负。 各个语言变量的设计 模糊推理规则设计 隶属度函数设计 推理规则判别显示（可检查规则设计是否有误） 简单电子系统设计报告 ---------智能循迹小车 学号201009130102 年级10 学院理学院 专业电子信息科学与技术 姓名马洪岳 指导教师刘怀强 摘要 本实验完成采用红外反射式传感器的自寻迹小车的设计与实现。采用与白色地面色差很大的黑色路线引导小车按照既定路线前进，在意外偏离引导线的情况下自动回位。 本设计采用单片机STC89C51作为小车检测、控制、时间显示核心，以实验室给定的车架为车体，两直流机为主驱动，附加相应的电源电路下载电路，显示电路构成整体电路。自动寻迹的功能采用红外传感器，通过检测高低电平将信号送给单片机，由单片机通过控制驱动芯片L298N驱动电动小车的电机，实现小车的动作。 关键词：STC89C51单片机；L298N；红外传感器；寻迹 一、设计目的 通过设计进一步掌握５１单片机的应用，特别是在控制系统中的应用。进一步学习５１单片机在系统中的控制功能，能够合理设计单片机的外围电路，并使之与单片机构成整个系统。 二、设计要求 该智能车采用红外传感器对赛道进行道路检测，单片机根据采集到的信号的不同状态判断小车当前状态，通过电机驱动芯片L298N发出控制命令，控制电机的工作状态以实现对小车姿态的控制，绕跑到行驶一周。 三、软硬件设计 硬件电路的设计 1、最小系统： 小车采用atmel公司的AT89C52单片机作为控制芯片，图1是其最小系统电路。主要包括：时钟电路、电源电路、复位电路。其中各个部分的功能如下： （1）、电源电路：给单片机提供5V电源。 （2）、复位电路：在电压达到正常值时给单片机一个复位信号。 图1 单片机最小系统原理图 2、电源电路设计： 模型车通过自身系统，采集赛道信息，获取自身速度信息，加以处理，由芯片给出指令控制其前进转向等动作，各部分都需要由电路支持，电源管理尤为重要。在本设计中，51单片机使用5V电源，电机及舵机使用5V电源。考虑到电源为电池组，额定电压为4.5V，实际充满电后电压则为4-4.5V，所以单片机及传感器模块采用最小系统模块稳压后的5V电源供电，舵机及电机直接由电池供电。 3、传感器电路： 智能控制实验报告模糊控制器的仿真 一．实验目的 1.了解模糊控制的原理 2.学习Matlab模糊逻辑工具箱的使用 3.使用工具箱进行模糊控制器的仿真 二．实验设备 1.计算机 2.Matlab软件 3.window 7操作系统 三．实验原理 模糊逻辑控制又称模糊控制，是以模糊集合论，模糊语言变量和模糊逻辑推理为基础的一类计算机控制策略，模糊控制是一种非线性控制。图1-1是模糊控制系统基本结构，由图可知模糊控制器由模糊化，知识库，模糊推理和清晰化（或去模糊化）四个功能模块组成。 针对模糊控制器每个输入，输出,各自定义一个语言变量。因为对控制输出的判断，往往不仅根据误差的变化，而且还根据误差的变化率来进行综合评判。所以在模糊控制器的设计中，通常取系统的误差值e和误差变化率ec为模糊控制器的两个输入，则在e的论域上定义语言变量“误差E”，在ec的论域上定义语言变量“误差变化EC”；在控制量u的论域上定义语言变量“控制量U”。 通过检测获取被控制量的精确值，然后将此量与给定值比较得到误差信号e，对误差取微分得到误差变化率ec，再经过模糊化处理把分明集输入量转换为模糊集输入量，模糊输入变量根据预先设定的模糊规则，通过模糊逻辑推理获得模糊控制输出量，该模糊输出变量再经过去模糊化处理转换为分明集控制输出量。 四．实验步骤 1、在MATLAB主窗口中单击工具栏中的Simulink快捷图标，弹出“Simulink Library Browser”窗口，单击Create a new model快捷图标，弹出模拟编辑窗口，用Matlab中的Simulink 工具箱，组成一个模糊控制系统，如图所示： 2、在MATLAB命令窗口输入fuzzy，并按回车键，弹出如下的FIS Editer界面，即模糊推理系统编辑器。 实验二模糊控制实验 实验目的matlab中的模糊工具箱的使用及模糊控制器的应用 1）用fuzzy工具箱计算P82 2-14，要求求出控制器输出。 2）用FUZZY工具箱完成洗衣机模糊控制器设计要求求出控制器输出。完成模糊控制决策表。 一、用fuzzy工具箱计算P82 2-14，并与手算结果对比。 实验结果如图1-1所示， 图1-1题目2-14的实验结果 二、用FUZZY工具箱完成洗衣机模糊控制器设计。 （1）题目分析：洗衣时间长短实际与衣物的脏污程度有关，太脏了就洗久点，不脏就可以洗快点。 人类的操作经验是由模糊的自然语言描述的，在洗衣机的调节中，人类的操作经验是： （1）“如果污泥越多，且油脂越多，洗涤时间就越长；” （2）“如果污泥适中，且油脂适中，洗涤时间就适中；” （3）“如果污泥越少，且油脂越少，洗涤时间就越短；” 通过分析可以知道这实际是一个开环的控制决策过程： 输入是污泥度x与油污度y，输出是洗涤时间z。在该规则中对这些量进行衡量的是一些模糊词语，“多”、“少”、“长”、“短”。 （2）定义输入、输出模糊集 将污泥x 分为3个模糊集：{SD （污泥少），MD （污泥中），LD （污泥多）} 论域：{0，50，100} 将油脂分为3个模糊集：{NG （油脂少），MG （油脂中），LG （油脂多）} 论域：{0，50，100} 输出模糊集： 将洗涤时间分为5个模糊集：{VS （很短），S （短），M （中等），L （长），VL （很长）}。 论域：{0，10，25，40，60} 单位s 例如： （3）建立模糊控制器 求：假设当前传感器测得信息为：x0（污泥）=90，y0（油脂）=90 观察控制器的输出。 (4)建立控制决策表 x0=10，20,30,40,50,60，70,80,90，y0=10，20,30,40,50,60，70,80,90，分别取值时，控制器的输出。 (5)改变输入输出变量的模糊值、隶属度函数的曲线、解模糊的方法等，观察控制器三维图以及控制器输出， Maltlab 提供5种反模糊化方法： 1.centroid ：面积重心法； 2.bisector ：面积等分法； 3.mom ：最大隶属度平均法； 4.som ：最大隶属度取小法； 5.lom ：最大隶属度取大法 三、按照上述要求完成洗衣机模糊控制器设计。 1.下图1-2为洗衣机输入为[90 90]时的输出结果 x D e g r e e o f m e m b e r s h i p z D e g r e e o f m e m b e r s h i p 模糊控制的应用 学院实验学院 专业电子信息工程 姓名 指导教师 日期 2011 年 9 月 20 日 在自动控制中，包括经典理论和现代控制理论中有一个共同的特点，即控制器的综合设计都要建立在被控对象准确的数学模型(如微分方程等)的基础上，但是在实际工业生产中，很多系统的影响因素很多，十分复杂。建立精确的数学模型特别困难，甚至是不可能的。这种情况下，模糊控制的诞生就显得意义重大，模糊控制不用建立数学模型，根据实际系统的输入输出的结果数据，参考现场操作人员的运行经验，就可对系统进行实时控制。模糊控制实际上是一种非线性控制，从属于智能控制的范畴。现代控制系统中的的控制能方便地解决工业领域常见的非线性、时变、在滞后、强耦合、变结构、结束条件苛刻等复杂问题。可编程控制器以其高可靠性、编程方便、耐恶劣环境、功能强大等特性很好地解决了工业控制领域普遍关心的可靠、安全、灵活、方便、经济等问题，这两者的结合，可在实际工程中广泛应用。 所谓模糊控制，其定义是是以模糊数学作为理论基础，以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的一种控制。模糊控制具有以下突出特点： (1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现 场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用 (2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对 那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。 (3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易 导致较大差异；但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。 (4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控 制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。(5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱， 尤其适合于非线性、时变及纯滞后系统的控制。 由于有着诸多优点，模糊理论在控制领域得到了广泛应用。下面我们就以下示例介绍模糊控制在实际中的应用： 电机调速控制系统见图1，模糊控制器的输入变量为实际转速与转速给定值 ，输出变量为电机的电压变化量u。图2为电机调试之间的差值e及其变化率e c 输出结果，其横坐标为时间轴，纵坐标为转速。当设定转速为2 000r／s时，电机能很快稳定运行于2 000r／s；当设定转速下降到1 000r／s时，转速又很快下降到1 000r／s稳定运行。 图1智能控制技术实验报告
在线推理法模糊控制器实验报告
温度模糊控制实验
同济智能控制实验报告 基于BP神经网络的自整定PID控制仿真
浙工大过程控制实验报告
智能控制导论实验报告(2015) (zm)
实验一--模糊控制器的MATLAB仿真
模糊实验报告洪帅
2020年智能控制实验报告
智能控制实验报告
智能循迹小车实验报告
模糊控制仿真
模糊控制器汇总
模糊控制的应用实例与分析