基于MATLAB的模糊控制系統(tǒng)設(shè)計(jì)

1、實(shí)驗(yàn)一 基于MATLAB的模糊控制系統(tǒng)設(shè)計(jì)1.1實(shí)驗(yàn)內(nèi)容（1）基于MATLAB圖形模糊推理系統(tǒng)設(shè)計(jì)，小費(fèi)模糊推理系統(tǒng)；（2）飛機(jī)下降速度模糊推理系統(tǒng)設(shè)計(jì)；（3）水箱液位模糊控制系統(tǒng)設(shè)計(jì)及仿真運(yùn)行。1.2實(shí)驗(yàn)步驟1小費(fèi)模糊推理系統(tǒng)設(shè)計(jì)（1）在MATLAB的命令窗口輸入fuzzy命令，打開模糊邏輯工具箱的圖形用戶界面窗口，新建一個(gè)Madmdani模糊推理系統(tǒng)。（2）增加一個(gè)輸入變量，將輸入變量命名為service、food，輸出變量為tip，這樣建立了一個(gè)兩輸入單輸出模糊推理系統(tǒng)框架。（3）設(shè)計(jì)模糊化模塊：雙擊變量圖標(biāo)打開Membership Fgunction Editor窗口，分別將兩個(gè)輸入變

2、量的論域均設(shè)為0,10,輸出論域?yàn)?,30。通過增加隸屬度函數(shù)來進(jìn)行模糊空間劃分。輸入變量service劃分為三個(gè)模糊集：poor、good和excellent，隸屬度函數(shù)均為高斯函數(shù)，參數(shù)分別為1.5 0、1,5 5和1.5 10；輸入變量food劃分為兩個(gè)模糊集：rancid和delicious，隸屬度函數(shù)均為梯形函數(shù)，參數(shù)分別為0 0 1 3和7 9 10 10；輸出變量tip劃分為三個(gè)模糊集：cheap、average和generous，隸屬度函數(shù)均為三角形函數(shù)，參數(shù)分別為0 5 10、10 15 20和20 25 30。（4）設(shè)置模糊規(guī)則：打開Rule Editor窗口，通過選擇添加

3、三條模糊規(guī)則：if (service is poor) or (food is rancid) then (tip is cheap)if (service is good) then (tip is average)if (service is excellent) or (food is delicious) then (tip is generous)三條規(guī)則的權(quán)重均為1. （5）模糊推理參數(shù)均使用默認(rèn)值，通過曲面觀察器（Surface Viewer）查看小費(fèi)模糊推理的輸入輸出關(guān)系曲面。通過規(guī)則觀察器（Rule Viewer）查看對具體輸入的模糊推理及輸出情況，輸入各種不同的數(shù)據(jù)，查看模

4、糊推理情況及輸出數(shù)據(jù)。（6）增加規(guī)則，查看曲面的變化、推理輸出的變化。2.飛機(jī)下降速度模糊推理系統(tǒng)設(shè)計(jì)（1）打開模糊推理邏輯工具箱的圖形用戶界面，新建一個(gè)Sugeno模糊推理系統(tǒng)。（2）將輸入變量命名為height，輸出變量為speed，這是一個(gè)SISO模糊推理系統(tǒng)。（3）設(shè)計(jì)模糊化模塊：分別將輸入變量的論域設(shè)為0,10，輸出論域不用修改。模糊空間劃分:輸入變量height分為五個(gè)模糊集：mf1（高斯函數(shù)0.5 0）、mf2（函數(shù)0.754 2.58 3.32 4.64）、mf3(函數(shù)3.19 4.88 5.81 7.11)、mf4(函數(shù)6.362 7.9 8.56 9.54)和mf5（S函數(shù)

5、8.664 9.83 ）;輸出變量speed分為五個(gè)與輸入模糊空間對應(yīng)的線性函數(shù)：mf1(0.8 0.2)、 mf2(4.6 -4.5) 、mf3(10.3 -26)、 mf4 (16 -64)和mf5(20 -100). （4）設(shè)置模糊規(guī)則：打開Rule Editor窗口，通過選擇添加五條模糊規(guī)則： if（height is mf1） then (speed is mf1) if（height is mf2） then (speed is mf2) if（height is mf3） then (speed is mf3) if（height is mf4） then (speed is m

6、f4) if（height is mf5） then (speed is mf5)五條的權(quán)重均為1.模糊推理參數(shù)均使用默認(rèn)值，通過曲面觀察器（Surface Viewer）查看飛機(jī)降落速度模糊推理的輸入輸出關(guān)系曲面。通過規(guī)則觀察器（Rule Viewer）查看對具體輸入的模糊推理及輸出情況，輸入各種不同的數(shù)據(jù)，查看模糊推理情況及輸出數(shù)據(jù)。（6）修改規(guī)則、隸屬度函數(shù)參數(shù)，查看曲線的變化，修改參數(shù)使輸入輸出關(guān)系曲線擬合二次曲線更好。3水箱液位模糊控制系統(tǒng)設(shè)計(jì)及仿真運(yùn)行（1）打開模糊邏輯工具箱的圖形用戶界面窗口，新建一個(gè)Madmdani模糊推理系統(tǒng)。（2）增加一個(gè)輸入變量，將輸入變量命名為level

7、、rate，輸出變量為valve，這樣建立了一個(gè)兩輸入單輸出模糊推理系統(tǒng),保存為tank().fis。（3）設(shè)計(jì)模糊化模塊：將輸入變量rate的論域設(shè)為-0.1,0.1,另外兩個(gè)變量采用論域-1,1。通過增加隸屬度函數(shù)來進(jìn)行模糊空間劃分。輸入變量level劃分為三個(gè)模糊集：high、okay和low，隸屬度函數(shù)均為高斯函數(shù)，參數(shù)分別為0.3 -1、0.3 0和0.3 1；輸入變量rate劃分為三個(gè)模糊集：negative、none和delicious，隸屬度函數(shù)均為高斯函數(shù)，參數(shù)分別為0.03 -0.1、0.03 0和0.03 0.1；輸出變量valve劃分為五個(gè)模糊集：close_fast、

8、close_slow、no_change、open_slow和open_fast，隸屬度函數(shù)均為三角形函數(shù)，參數(shù)分別為-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）設(shè)置模糊規(guī)則：打開Rule Editor窗口，通過選擇添加三條模糊規(guī)則：if (level is okay) then (valve is no_change)if (level is low) then (valve is open_fast)if (level is high) then (valve is close_fast)if (leve

9、l is okay) and (rate is positive) then (valve is close_slow)if (level is okay) and (rate is negative) then (valve is poen_slow)五條的權(quán)重均為1。（5）修改部分模糊推理參數(shù)：And采用乘（pord）、Or采用概率或（probor）、Implication采用乘（pord），其余均由默認(rèn)值，通過曲面觀察器（Surface Viewer）查看水箱液位模糊推理的輸入輸出關(guān)系曲面。通過規(guī)則觀察器（Rule Viewer）查看對具體輸入的模糊推理及輸出情況，輸入各種不同的數(shù)據(jù)，查

10、看模糊推理情況及輸出數(shù)據(jù)。實(shí)驗(yàn)三 基于MATLAB的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)3.1實(shí)驗(yàn)內(nèi)容（1）利用MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱設(shè)計(jì)感知器實(shí)現(xiàn)線性兩分類；（2）利用MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱編程設(shè)計(jì)前饋神經(jīng)網(wǎng)絡(luò)逼近平方函數(shù)。3.2實(shí)驗(yàn)步驟1感知器實(shí)現(xiàn)線性分類設(shè)計(jì)（1）問題描述：已知二維平面上的六個(gè)樣本點(diǎn) （0,0）、（1,1）、（1,3）、（3,1）、（3,3）、（5,5）。它們的標(biāo)簽（目標(biāo)值）為：t= 0 0 0 1 1 1 編程設(shè)計(jì)感知器，實(shí)現(xiàn)樣本點(diǎn)的分類。（2）在MATLAB中新建M文件編程：建立變量保存六個(gè)樣本的二維輸入值、目標(biāo)值變量保存樣本的目標(biāo)值。（3）利用newp建立一個(gè)兩輸入單輸出的感知

11、器。（4）利用六個(gè)訓(xùn)練樣本訓(xùn)練感知器。（5）顯示建立的感知器分類面，用測試樣本進(jìn)行分類測試。參考程序如下：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.IW1b1=net.b1epoch1=tr.epochperf1=tr.perfpause;plotpv(p,t);plotpc(net.iw1,net.b1);pause;t2=sim(net,ptest);lotpv(ptest,t2);plotpc(iw1,b1);2設(shè)計(jì)前饋神經(jīng)網(wǎng)絡(luò)逼近平方函數(shù)（1）問題描述：設(shè)計(jì)前饋神經(jīng)網(wǎng)絡(luò)在x0,10區(qū)間上逼近函數(shù)y=x（2）在MATLAB中新建M文件編程：產(chǎn)生100個(gè)隨機(jī)訓(xùn)練樣本及函數(shù)值。（3）利用newff建立一個(gè)兩輸入單輸出兩層前饋網(wǎng)絡(luò)，隱藏五個(gè)神經(jīng)元。（4）設(shè)計(jì)訓(xùn)練參數(shù)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)。（5）對神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真測試，顯示輸出曲線。（6）觀察過擬合現(xiàn)象：如果采用50個(gè)隱層神經(jīng)元，測試性能如何？參考程序如下：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