题目1:
设计一个在[1,1\\end', altimg': w': 99', h': 20'}]上的模糊系统,使其已精度一致地逼近函数,并进行matlab**。
设计过程如下所示:
1)求解h的过程:
\\cos \\beginxπ\\end+\\sin \\beginxπ\\end+\\cos ^\beginxπ\\end\\sin ^\beginxπ\\end\\end||_2π',altimg': w': 592', h':
43'}]
因为根据定理,要使得。
||_h<ε'altimg': w': 301', h': 43'}]其中,故取h=0.01时可以满足精度要求,则模糊集的个数为。
+1=201', altimg': w': 124', h':
43', omath': n=lh+1=201'}]其中l=2,综上所述的计算结果,可以得到设计的模糊系统为:
\ight)=\frac}_}right)_^x)}}x)}}altimg': w': 191', h':
122', omath': fx=j=1201gejuaj(x)j=1201uaj(x)'}
2)**程序。
fuzzy approaching
clear all;
close all;
l1=-1;l2=1;
l=l2-l1;
h=0.01;
n=l/h+1;
t=0.01;
x=l1:t:l2;
for i=1:n
e(i)=l1+l/(n-1)*(i-1);
endc=0;d=0;
for j=1:n
if j==1
u=trimf(x,[e(1),e(1),e(2)])
elseif j==n
u=trimf(x,[e(n-1),e(n),e(n)])
elseu=trimf(x,[e(j-1),e(j),e(j+1)])
endhold on;
plot(x,u);
c=c+(sin(pi.*e(j))+cos(pi.*e(j))+sin(pi.*e(j))*cos(pi.*e(j)))u;
d=d+u;
endxlabel('x');ylabel('membership function');
for k=1:l/t+1
f(k)=c(k)/d(k);
endy=sin(pi.*x)+cos(pi.*x)+sin(pi.*x).*cos(pi.*x);
figure(2);
plot(x,f, 'b',x,y, 'r');
xlabel('x');ylabel('approaching');
figure(3);
plot(x,f-y, 'r');
xlabel('x');ylabel('approaching error');
3) **结果图。
图1.1 隶属函数。
图1.2 模糊逼近。
图1.3 逼近误差。
总结:通过观察图1-3,可以发现精度误差达到了规定的要求,表明所取的h=0.01符合要求。
题目2:用阶跃信号作为输入信号,控制一个三阶函数系统函数[^+2^}'altimg': w':
78', h': 43', omath': 130s3+20s2'}]分别运用pid控制方法和模糊控制方法做输出区别比较。
1)pid控制。
调用simulink库的模块,可以得到pid控制**图。
图2.1 pid控制**图**。
pid控制系统运行之后可得如下输出曲线图。
图2.2 输出曲线图。
2)模糊控制。
图2.3 模糊控制**图。
模糊控制输入输出以及模糊规则的建立:
图2.4 输入输出规则建立图。
增加一个输入,即两个输入e、ec,论域均设为[-6 6],均定7个模糊集,即,如图2.5所示:
图2.5 隶属函数设置。
调整输出u的论域为[-6 6],也设置7个模糊集,如图2.6所示。
图2.6 隶属函数设置。
双击模糊控制器中间的模糊规则,进行规则编写,如图2-7所示。
图2.7 规则添加示意图。
编写规则确定后,将模糊控制系统运行之后可得如下如图2-8输出曲线图。
图2.8 模糊控制输出曲线图。
总结:通过比较pid控制和模糊控制设置流程,可以发现,pid控制操作比较简单,各个环节的参数比较容易调得,而模糊控制时操作比较繁琐,相应的参数调节也比pid控制困难很多,但是比较输出的曲线图可以看出来,模糊控制超调量较小,稳定性能更好,,总的来说模糊控制更实用化一点。
智能控制结课作业
兰州理工大学。智能控制 结课作业。院系 电气工程与信息工程学院 班级 自动化 卓越班。姓名 xxx 学号 138401xx 时间 2016 年 10 月 28 日。电气工程与信息工程学院。一 简答题。1.请阐述智能控制的结构特点,并说明智能控制与传统控制的主要区别?5分 解 结构特点 被控对象描述的...
智能控制小作业 函数逼近
simulation report on intelligent control and application 本 报告分别用多项式拟合和bp神经网络逼近函数,并分析多项式阶次和bp网络隐含层神经元个数与逼近精度之间的关系。bp神经网络主要应用于函数逼近,模式识别,分类以及数据压缩。本 报告目的是...
智能控制导论大作业
智能控制导论。姓名。学院自动化与电气工程学院 专业控制科学与工程。班级。学号。指导老师。二 一六年六月十八。故障诊断中基于神经网络的特征提取方法研究。摘要 对文章 故障诊断中基于神经网络的特征提取方法研究 进行总结概括,分析了bp神经网络的优缺点,针对bp神经网络不足,提出了一种新的特征提取方法,即...