基于MATLAB的模糊控制系统设计.docx
《基于MATLAB的模糊控制系统设计.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的模糊控制系统设计.docx（16页珍藏版）》请在冰点文库上搜索。
基于MATLAB的模糊控制系统设计
实验一基于MATLAB的模糊控制系统设计
1.1实验内容
（1）基于MATLAB图形模糊推理系统设计，小费模糊推理系统；
（2）飞机下降速度模糊推理系统设计；
（3）水箱液位模糊控制系统设计及仿真运行。
1.2实验步骤
1小费模糊推理系统设计
（1）在MATLAB的命令窗口输入fuzzy命令，打开模糊逻辑工具箱的图形用户界面窗口，新建一个Madmdani模糊推理系统。
（2）增加一个输入变量，将输入变量命名为service、food，输出变量为tip，这样建立了一个两输入单输出模糊推理系统框架。
（3）设计模糊化模块：
双击变量图标打开MembershipFgunctionEditor窗口，分别将两个输入变量的论域均设为[0,10],输出论域为[0,30]。
通过增加隶属度函数来进行模糊空间划分。
输入变量service划分为三个模糊集：
poor、good和excellent，隶属度函数均为高斯函数，参数分别为[1.50]、[1,55]和[1.510]；
输入变量food划分为两个模糊集：
rancid和delicious，隶属度函数均为梯形函数，参数分别为[0013]和[791010]；
输出变量tip划分为三个模糊集：
cheap、average和generous，隶属度函数均为三角形函数，参数分别为[0510]、[101520]和[202530]。
（4）设置模糊规则：
打开RuleEditor窗口，通过选择添加三条模糊规则：
if（serviceispoor）or（foodisrancid）then（tipischeap）
if（serviceisgood）then（tipisaverage）
if（serviceisexcellent）or（foodisdelicious）then（tipisgenerous）
三条规则的权重均为1.
（5）模糊推理参数均使用默认值，通过曲面观察器（SurfaceViewer）查看小费模糊推理的输入输出关系曲面。
通过规则观察器（RuleViewer）查看对具体输入的模糊推理及输出情况，输入各种不同的数据，查看模糊推理情况及输出数据。
（6）增加规则，查看曲面的变化、推理输出的变化。
2.飞机下降速度模糊推理系统设计
（1）打开模糊推理逻辑工具箱的图形用户界面，新建一个Sugeno模糊推理系统。
（2）将输入变量命名为height，输出变量为speed，这是一个SISO模糊推理系统。
（3）设计模糊化模块：
分别将输入变量的论域设为[0,10]，输出论域不用修改。
模糊空间划分:
输入变量height分为五个模糊集：
mf1（高斯函数[0.50]）、mf2（π函数[0.7542.583.324.64]）、mf3（π函数[3.194.885.817.11]）、mf4（π函数[6.3627.98.569.54]）和mf5（S函数[8.6649.83]）;
输出变量speed分为五个与输入模糊空间对应的线性函数：
mf1（[0.80.2]）、mf2（[4.6-4.5]）、mf3（[10.3-26]）、mf4（[16-64]）和mf5（[20-100]）.
（4）设置模糊规则：
打开RuleEditor窗口，通过选择添加五条模糊规则：
if（heightismf1）then（speedismf1）
if（heightismf2）then（speedismf2）
if（heightismf3）then（speedismf3）
if（heightismf4）then（speedismf4）
if（heightismf5）then（speedismf5）
五条的权重均为1.
模糊推理参数均使用默认值，通过曲面观察器（SurfaceViewer）查看飞机降落速度模糊推理的输入输出关系曲面。
通过规则观察器（RuleViewer）查看对具体输入的模糊
推理及输出情况，输入各种不同的数据，查看模糊推理情况及输出数据。
（6）修改规则、隶属度函数参数，查看曲线的变化，修改参数使输入输出关系曲线拟合二次曲线更好。
3水箱液位模糊控制系统设计及仿真运行
（1）打开模糊逻辑工具箱的图形用户界面窗口，新建一个Madmdani模糊推理系统。
（2）增加一个输入变量，将输入变量命名为level、rate，输出变量为valve，这样建立了一个两输入单输出模糊推理系统,保存为tank（）.fis。
（3）设计模糊化模块：
将输入变量rate的论域设为[-0.1,0.1],另外两个变量采用论域[-1,1]。
通过增加隶属度函数来进行模糊空间划分。
输入变量level划分为三个模糊集：
high、okay和low，隶属度函数均为高斯函数，参数分别为[0.3-1]、[0.30]和[0.31]；
输入变量rate划分为三个模糊集：
negative、none和delicious，隶属度函数均为高斯函数，参数分别为[0.03-0.1]、[0.030]和[0.030.1]；
输出变量valve划分为五个模糊集：
close_fast、close_slow、no_change、open_slow和open_fast，隶属度函数均为三角形函数，参数分别为[-1-0.9-0.8]、[-0.6-0.5-0.4]、[-0.100.1]、[0.20.30.4]和[0.80.91]。
（4）设置模糊规则：
打开RuleEditor窗口，通过选择添加三条模糊规则：
①if（levelisokay）then（valveisno_change）
②if（levelislow）then（valveisopen_fast）
③if（levelishigh）then（valveisclose_fast）
④if（levelisokay）and（rateispositive）then（valveisclose_slow）
⑤if（levelisokay）and（rateisnegative）then（valveispoen_slow）
五条的权重均为1。
（5）修改部分模糊推理参数：
And采用乘（pord）、Or采用概率或（probor）、Implication采用乘（pord），其余均由默认值，通过曲面观察器（SurfaceViewer）查看水箱液位模糊推理的输入输出关系曲面。
通过规则观察器（RuleViewer）查看对具体输入的模糊推理及输出情况，输入各种不同的数据，查看模糊推理情况及输出数据。
实验三基于MATLAB的神经网络设计
3.1实验内容
（1）利用MATLAB的神经网络工具箱设计感知器实现线性两分类；
（2）利用MATLAB的神经网络工具箱编程设计前馈神经网络逼近平方函数。
3.2实验步骤
1．感知器实现线性分类设计
（1）问题描述：
已知二维平面上的六个样本点
（0,0）、（1,1）、（1,3）、（3,1）、（3,3）、（5,5）。
它们的标签（目标值）为：
t=[000111]
编程设计感知器，实现样本点的分类。
（2）在MATLAB中新建M文件编程：
建立变量保存六个样本的二维输入值、目标值变量保存样本的目标值。
（3）利用newp建立一个两输入单输出的感知器。
（4）利用六个训练样本训练感知器。
（5）显示建立的感知器分类面，用测试样本进行分类测试。
参考程序如下：
p=[011335;013135];
t=[000111];
ptest=[0134;3221];
net=newp（minmax（p）,1）;
[netrt]=train（net,p,t）;
iw1=net.IW{1}
b1=net.b{1}
epoch1=tr.epoch
perf1=tr.perf
pause;
plotpv（p,t）;
plotpc（net.iw{1},net.b{1}）;
pause;
t2=sim（net,ptest）;
lotpv（ptest,t2）;
plotpc（iw1,b1）;
2设计前馈神经网络逼近平方函数
（1）问题描述：
设计前馈神经网络在x∈[0,10]区间上逼近函数y=x²
（2）在MATLAB中新建M文件编程：
产生100个随机训练样本及函数值。
（3）利用newff建立一个两输入单输出两层前馈网络，隐藏五个神经元。
（4）设计训练参数，训练神经网络。
（5）对神经网络进行仿真测试，显示输出曲线。
（6）观察过拟合现象：
如果采用50个隐层神经元，测试性能如何？
参考程序如下：
rand（'state',sum（100*clock））;
p=10*rand（1,100）;
t=p.^2;
Testp=0:
0.1:
10;
net=newff（[010],[51],{'tansig''purelin'},'trainlm'）;
net.trainParam.epochs=50;
net.trainParam.goal=0.0001;
net.trainParam.show=1;
net=train（net,p,t）;
y2=sim（net,p）;
plot（p,t,'r+',p,y2,'.'）;
pause;
y3=sim（net,Testp）;
plot（TTestp,y3,'k.'）;
升级会员 