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 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 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Membership Fgunction Editor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[1.5 0]、[1,5 5]和[1.5 10]； 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[0 0 1 3]和[7 9 10 10]； 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[0 5 10]、[10 15 20]和[20 25 30]。 （4）设置模糊规则：打开Rule Editor窗口，通过选择添加三条模糊规则： ①if (service is poor) or (food is rancid) then (tip is cheap) ②if (service is good) then (tip is average) ③if (service is excellent) or (food is delicious) then (tip is generous) 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（Surface Viewer）查看小费模糊推理的输入输出关系曲面。通过规则观察器（Rule Viewer）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[0.5 0]）、mf2（π函数[0.754 2.58 3.32 4.64]）、mf3(π函数[3.19 4.88 5.81 7.11])、mf4(π函数[6.362 7.9 8.56 9.54])和mf5（S函数[8.664 9.83 ]）; 输出变量speed分为五个与输入模糊空间对应的线性函数：mf1([0.8 0.2])、 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Rule Editor窗口，通过选择添加五条模糊规则： ① if（height is mf1） then (speed is mf1) ② if（height is mf2） then (speed is mf2) ③ if（height is mf3） then (speed is mf3) ④ if（height is mf4） then (speed is mf4) ⑤ if（height is mf5） then (speed is mf5) 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（Surface Viewer）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（Rule Viewer）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]、[0.3 0]和[0.3 1]； 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]、[0.03 0]和[0.03 0.1]； 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]、 [-0.1 0 0.1]、[0.2 0.3 0.4]和[0.8 0.9 1]。 （4）设置模糊规则：打开Rule Editor窗口，通过选择添加三条模糊规则： ①if (level is okay) then (valve is no_change) ②if (level is low) then (valve is open_fast) ③if (level is high) then (valve is close_fast) ④if (level is okay) and (rate is positive) then (valve is close_slow) ⑤if (level is okay) and (rate is negative) then (valve is poen_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（Surface Viewer）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（Rule Viewer）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=[ 0 0 0 1 1 1 ] 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=[0 1 1 3 3 5; 0 1 3 1 3 5]; t=[0 0 0 1 1 1 ]; ptest=[0 1 3 4;3 2 2 1]; net=newp(minmax(p),1); [net rt]=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([0 10],[5 1],{'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.');