智能控制实验报告
学院
目录
实验一：模糊方法实现电热箱的闭环控制实验 (2)
一、实验目的及要求 (2)
二、实验设备（硬件环境、软件环境）及要求 (3)
三、实验内容与步骤 (3)
四、实验结果与数据处理 (4)
五、分析与讨论 (5)
实验二：单神经元自适应闭环控制实验 (7)
一、实验目的及要求 (7)
二、实验设备（硬件环境、软件环境）及要求 (7)
三、实验内容与步骤 (7)
四、实验结果与数据处理 (9)
五、分析与讨论 (11)
实验一
模糊方法实现电热箱的闭环控制实验
一、实验目的及要求
1. 学习由已知对象建立一个双入单出模糊控制器;
2. 掌握利用模糊控制器实现温度控制的方法。
二、实验设备（硬件环境、软件环境）及要求
1. 电热箱一台;
2. PC机一台,TD-ACC系列教学实验系统一套。
三、实验内容与步骤
1. 参考下图编写程序,汇编、链接、装载;
其中，主程序主要完成系统初始化、查表并输出控制量等功能;IRQ7中断子程序是为了处理A/D转换完后产生的中断;IRQ6中断子程序是为了给采样周期计时,并且每一次中断产生一次PWM脉冲。
2、按照下图接线,检查接线无误后,运行程序;
3、用系统提供的专用图形显示窗口观察响应曲线,记录超调和过渡时间。
四、实验结果与数据处理
本次试验是在室内环境下进行的，烤箱的原预设温度为100℃，但是在预设100℃下，烤箱温度达不到要求，不能完成实验，温度达到一定值后，自然回落达不到要求无法完成实验，所以将程序中的预设值由64H（100）改为28H（40），即将预设给定为40摄氏度，并且在实验过程中人为添加了扰动。实验结果如下图所示：
上方图像为常规PID控制器
下方图像双入单出模糊控制器
五、分析与讨论
实验结论：
从实验结果的函数图可以看出，在实验开始阶段，温度稳定快速上升，并能在较短的时间内达到预设值，并且无超调，但稳态时并不是一条直线，存在一定误差，不过在有干扰后能够在较短时间内恢复预设值。
模糊控制在控制大滞后系统时比常规PID控制的效果要好。
结论分析：
1、被控对象是一个大滞后系统,所以在控制量发生改变时,被控对象不能立即表现出来,它要经过一段时间才能对上一个控制量作出反应
2、常规PID的控制是一种线性控制,在PID算法中,它的积分项是一个误差累加值,当系统误差为零或为负值时,虽然积分项的值开始下降,但在误差为正值时,积分项可能
已经累加到了一个很大的值,这使得积分项的值不能很快地减下来,因而在控制上就出现了惯性,因此当误差为零或为负值时,控制量不可能很快为零或为负值,系统则出现了超调和调整时间过长。当积分项累加值大过一定值时,系统则还会出现积分饱和现象,系统将振荡下去而不稳定。
模糊控制是模拟人的思维,是一种非线性控制,它的输出量是阶跃的,因而在控制方面不存在惯性和滞后问题。因为没有误差的累加,模糊控制系统也就不会出现积分饱和现象。
本实验研究的模糊控制器具有以下一些特点：
(1) 算法简单实用，本质上不依赖于系统的数字模型；
(2) 可充分利用单片机的软件资源，可靠性高，开发速度快；
(3) 克服了传统PID控制器操作的困难，提高了系统的智能化程度；
(4) 模糊控制器鲁棒性好，具有专家控制器的特点，并可推广应用于其它工作领域。
实验二：单神经元自适应闭环控制实验
一、实验目的及要求
1. 掌握单神经元控制器的设计方法;
2. 观测单神经元控制器对时变对象系统的自适应控制能力。
二、实验设备（硬件环境、软件环境）及要求
1. PC机一台
2.TD-ACC系列教学实验系统一套。
三、实验内容与步骤
1. 单神经元闭环控制器实验
(1). 参考下图编写单神经元控制器程序,汇编、链接、装载到控制机中;
将参考程序ACC5-2-1程序（单神经元控制）装载到控制机中
2）按照下图接线,调节信号源使其输出幅值为2V,周期6S的方波;
(3). 检查无误后运行程序,用示波器观察输入端R和输出端C。若系统性能不太好,根据实验现象改变相应的学习速率直到满意为止,并记下此时的响应曲线;
(4). 当响应曲线稳定后,断开“ST”和“S”端,使被控对象处于不锁零的状态;此时去掉被控对象中的10μF的电容(改变对象的时间常数),观察并记录此时的响应曲线。
2. 常规数字PID闭环控制器实验
(1). 编写数字PID控制器程序,汇编、链接、装载到控制机中;
(2).按照单神经元闭环控制器实验步骤2～4进行操作。
参考程序中部分参数取值范围（采样周期 T；学习速率 P1，P2，P3）
控制器中的参数可遵循如下的调节规律：
(1) 初始加权系数W1(0) 、W 2(0) 、W 3(0)可以任意选取，参考程序中全部取为0100H。
(2) 一般K 值偏大将使系统响应超调过大，K 值偏小使过渡过程时间加长，参考程序中
K 值取为1。
(3) 学习速率的选择：由于采用了规范化学习算法，学习速率可以取得较大，同时此神
经元控制器具有PID 特性，学习速率的选择和PID 参数的
选择相似。
若过渡过程时间太
长，可增加η1 和η3，若响应曲线下降低于给定值后又缓
慢上升到
稳态的时间太长，则减小η1
四、实验结果与数据处理
1、单神经元自适应控制
2、数字PID控制
五、分析与讨论
实验结论：
在系统开始阶段,数字PID控制的响应曲线超调和调节时间较小
结论分析：
数字PID控制器的参数是经过反复实验调试的结果,而单神经元控制器的参数需要一定的时间进行自学习。
当对象时间常数发生变化后,尤其是较大的时常改变(例如实验中去掉10μF的电容),数字PID控制器的参数已经不能适应对象的改变,此时出现了系统不稳定现象。单神经元控制器实质上是一个变系数的PID复合控制器,而且学习算法是自适应的,所以本质上是非线性的;
当被控对象由于外部条件而发生变化时,单神经元控制器可以通过自适应学习算法来改变当前的参数,因此它比常规PID控制器具有更好的鲁棒性、自适应性。
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
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
中南大学 《通信电子线路》实验报告 学院信息科学与工程学院 题目调制与解调实验 学号 专业班级 姓名 指导教师
实验一振幅调制器 一、实验目的： 1．掌握用集成模拟乘法器实现全载波调幅和抑止载波双边带调幅的方法。 2．研究已调波与调制信号及载波信号的关系。 3．掌握调幅系数测量与计算的方法。 4．通过实验对比全载波调幅和抑止载波双边带调幅的波形。 二、实验内容： 1．调测模拟乘法器MC1496正常工作时的静态值。 2．实现全载波调幅，改变调幅度，观察波形变化并计算调幅度。 3．实现抑止载波的双边带调幅波。 三、基本原理 幅度调制就是载波的振幅（包络）受调制信号的控制作周期性的变化。变化的周期与调制信号周期相同。即振幅变化与调制信号的振幅成正比。通常称高频信号为载波信号。本实验中载波是由晶体振荡产生的10MHZ高频信号。1KHZ的低频信号为调制信号。振幅调制器即为产生调幅信号的装置。 在本实验中采用集成模拟乘法器MC1496来完成调幅作用，图2-1为1496芯片内部电路图，它是一个四象限模拟乘法器的基本电路，电路采用了两组差动对由V1－V4组成，以反极性方式相连接，而且两组差分对的恒流源又组成一对差分电路，即V5与V6，因此恒流源的控制电压可正可负，以此实现了四象限工作。D、V7、V8为差动放大器V5与V6的恒流源。进行调幅时，载波信号加在V1－V4的输入端，即引脚的⑧、⑩之间；调制信号加在差动放大器V5、V6的输入端，即引脚的①、④之间，②、③脚外接1KΩ电位器，以扩大调制信号动态范围，已调制信号取自双差动放大器的两集电极（即引出脚⑹、⑿之间）输出。
图2-1 MC1496内部电路图 用1496集成电路构成的调幅器电路图如图2－2所示，图中VR8用来调节引出脚①、④之间的平衡，VR7用来调节⑤脚的偏置。器件采用双电源供电方式（＋12V，－9V），电阻R29、R30、R31、R32、R52为器件提供静态偏置电压，保证器件内部的各个晶体管工作在放大状态。 四、实验结果 1. ZD.OUT波形： 2. TZXH波形：
《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，
操作系统原理试验报告 班级： 学号： 姓名：
实验一：CPU调度 一、实验内容 选择一个调度算法，实现处理机调度。 二、实验目的 多道系统中，当就绪进程数大于处理机数时，须按照某种策略决定哪些进程优先占用处理机。本实验模拟实现处理机调度，以加深了解处理机调度的工作。 三、实验题目 1、设计一个按优先权调度算法实现处理机调度的程序； 2、设计按时间片轮转实现处理机调度的程序。 四、实验要求 PCB内容： 进程名/PID； 要求运行时间（单位时间）； 优先权； 状态： PCB指针； 1、可随机输入若干进程，并按优先权排序； 2、从就绪队首选进程运行：优先权-1/要求运行时间-1 要求运行时间=0时，撤销该进程 3、重新排序，进行下轮调度 4、最好采用图形界面； 5、可随时增加进程； 6、规定道数，设置后备队列和挂起状态。若内存中进程少于规定道数，可自动从后备 队列调度一作业进入。被挂起进程入挂起队列，设置解挂功能用于将指定挂起进程解挂入就绪队列。 7、每次调度后，显示各进程状态。 实验二：内存管理 一、实验内容 主存储器空间的分配和回收 二、实验目的 帮助了解在不同的存储管理方式下，应怎样实现主存空间的分配和回收。 三、实验题目 在可变分区管理方式下，采用最先适应算法实现主存空间的分配和回收。
四、实验要求 1、自行假设主存空间大小，预设操作系统所占大小并构造未分分区表； 表目内容：起址、长度、状态（未分/空表目） 2、结合实验一，PCB增加为： {PID，要求运行时间，优先权，状态，所需主存大小，主存起始位置，PCB指针} 3、采用最先适应算法分配主存空间； 4、进程完成后，回收主存，并与相邻空闲分区合并 .1、Vo类说明（数据存储结构） 进程控制块PCB的结构： Public class PCB{ //进程控制块PCB，代表一个进程 //进程名，作为进程的标识； private String name; //要求运行时间，假设进程运行的单位时间数； private int time; //赋予进程的优先权，调度时总是选取优先数小的进程先执行； private int priority; //状态，假设有“就绪”状态（ready）、“运行”状态（running）、 //“后备”状态（waiting）、“挂起”状态(handup) private String state; //进程存放在table中的位置 private int start; //进程的大小 private int length; //进程是否进入内存，1为进入，0为未进入 private int isIn; //进程在内存中的起始位置 private int base; //进程的大小 private int limit; //一些get和set方法以及构造器省略… };
2010级智能控制基础期末 复习思考题 一重要概念解释 1 智能控制 所谓的智能控制，即设计一个控制器（或系统），使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化做出适应性反应，从而实现由人来完成的任务。 2 专家系统与专家控制 专家系统是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 专家控制是智能控制的一个重要分支。所谓专家控制，是将专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的经验，实现对系统的控制。它由知识库和推理机构构成主体框架，通过对控制领域知识的获取与组织，按某种策略及时的选用恰当的规则进行推理输出，实现对实际对象的控制 3 模糊集合与模糊关系，模糊推理模糊控制 ● 1）模糊集合：给定论域U 上的一个模糊集A %是指：对任何元素u U ∈ 都存在一个数()[] 0,1A u μ∈与之对应，表示元素u 属于集合A % 的程度，这个数称为元素u 对集合A %的隶属度，这个集合称为模糊集合。 ● 模糊关系：二元模糊关系：设A 、B 是两个非空集合，则直积(){},|,A B a b a A b B ?=∈∈中的一个 模糊集合 称为从A 到B 的一个模糊关系。模糊关系R %可由其隶属度(),R a b μ完全描述，隶属度 (),R a b μ 表明了元素a 与元素b 具有关系R %的程度。 ● 模糊推理：知道了语言控制规则中蕴含的模糊关系后，就可以根据模糊关系和输入情况，来确定输出 的情况，这就叫“模糊推理”。 4 神经网络？ 答：人工神经网络是模拟人脑思维方式的数学模型。神经网络是在现代生物学研究人脑组织成果的基础上提出的，用来模拟人类大脑神经网络的结构和行为,对人脑进行抽象和简化，反映了人脑的基本特征，信息处理、学习、联想、模式分类、记忆等。 5 遗传算法 答：遗传算法将“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按所选择的适配置函数并通过遗传的复制、交叉及变异对个体进行筛选，使适配值高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，直到满足一定的条件。 一 专家控制部分 1. 专家系统的组成及各部分特点？
实验一MATLAB 中矩阵与多项式的基本运算 实验任务 1. 了解MATLAB命令窗口和程序文件的调用。 2 ?熟悉如下MATLAB的基本运算： ①矩阵的产生、数据的输入、相关元素的显示； ②矩阵的加法、乘法、左除、右除； ③特殊矩阵：单位矩阵、“ 1 ”矩阵、“0”矩阵、对角阵、随机矩阵的产生和运算； ④多项式的运算：多项式求根、多项式之间的乘除。 基本命令训练 1、>> eye(2) ans = 1 0 0 1 >> eye(4) ans = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 2、>> ones(2) 1 1 ans =
1 1 >> ones(4) ans = 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 >> ones(2,2) ans = 1 1 1 1 >> ones(2,3) ans = 1 1 1 1 1 1 >> ones(4,3) ans = 1 1 1 1 1 1 1 1 1 1 1 1 3、>> zeros(2) ans =
0 0 0 0 >> zeros(4) ans = 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 >> zeros(2,2) ans = 0 0 0 0 >> zeros(2,3) ans = 0 0 0 0 0 0 >> zeros(3,2) ans = 0 0 0 0 00 4、随机阵>> rand(2,3) ans = 0.2785 0.9575 0.1576 0.5469 0.9649 0.9706 >> rand(2,3)
填空题（每空1分，共20分） 控制论的三要素是：信息、反馈和控制。 传统控制是经典控制和现代控制理论的统称。 智能控制系统的核心是去控制复杂性和不确定性。 神经元（即神经细胞）是由细胞体、树突、轴突和突触四部分构成。 按网络结构分，人工神经元细胞可分为层状结构和网状结构按照学习方式分可分为：有教师学习和无教师学习。 前馈型网络可分为可见层和隐含层，节点有输入节点、输出节点、计算单元。 神经网络工作过程主要由工作期和学习期两个阶段组成。 1、智能控制是一门控制理论课程，研究如何运用人工智能的方法来构造控制系统和设计控制器；与自动控制原理和现代控制原理一起构成了自动控制课程体系的理论 基础。 2、智能控制系统的主要类型有：分级递阶控制系统，专家控制系统，学习控制系统，模糊控制系统，神经控制系统，遗传算法控制系统和混合控制系统等等。 3、模糊集合的表示法有扎德表示法、序偶表示法和隶属函数描述法。 4、遗传算法是以达尔文的自然选择学说为基础发展起来的。自然选择学说包括以下三个方面：遗传、变异、适者生存。 5、神经网络在智能控制中的应用主要有神经网络辨识技术和神经网络控制技术。 6、在一个神经网络中，常常根据处理单元的不同处理功能，将处理单元分成输入单元、输出单元和隐层单元三类。 7、分级递阶控制系统：主要有三个控制级组成，按智能控制的高低分为组织级、协调级、执行级，并且这三级遵循“伴随智能递降精度递增”原则。 传统控制方法包括经典控制和现代控制，是基于被控对象精确模型的控制方式，缺乏灵活性和应变能力，适于解决线性
、时不变性等相对简单的控制。 智能控制的研究对象具备以下的一些特点：不确定性的模型、高度的非线性、复杂的任务要求。 IC(智能控制)=AC(自动控制)∩AI(人工智能) ∩OR(运筹学) AC：描述系统的动力学特征，是一种动态反馈。 AI ：是一个用来模拟人思维的知识处理系统，具有记忆、学习、信息处理、形式语言、启发推理等功能。OR：是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。 智能控制：即设计一个控制器，使之具有学习、抽象、推理、决策等功能，并能根据环境信息的变化作出适应性，从而实现由人来完成的任务。 智能控制的几个重要分支为模糊控制、神经网络控制和遗传算法。 智能控制的特点：1，学习功能2，适应功能3，自组织功能4，优化功能 智能控制的研究工具：1，符号推理与数值计算的结合2，模糊集理论3，神经网络理论4，遗传算法5，离散事件与连续时间系统的结合。 智能控制的应用领域，例如智能机器人控制、计算机集成制造系统、工业过程控制、航空航天控制和交通运输系统等。 10、专家系统：是一类包含知识和推理的智能计算机程序，其内部包含某领域专家水平的知识和经验，具有解决专门问题的能力。 11、专家系统的构成：由知识库和推理机（知识库由数据库和规则库两部分构成） 18、专家控制的特点：灵活性、适应性和鲁棒性。 19、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。 20、模糊控制理论具有一些明显的特点：1，模糊控制不需要被控对象的数学模型2，
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));
计算机体系结构课程设计 学院：信息科学与工程学院 专业班级： 指导老师： 学号： 姓名：
目录 实验1 对指令操作码进行霍夫曼编码 (3) 一、实验目的 (3) 二、实验内容 (3) 三、设计思路 (4) 四、关键代码 (4) 五、实验截图 (5) 六、源代码 (5) 实验2 使用LRU 方法更新Cache (8) 一、实验目的 (8) 二、实验内容 (8) 三、设计思路 (9) 四、程序截图 (9) 五、实验代码 (9) 实验总结 (16) 参考文献 (16)
实验1 对指令操作码进行霍夫曼编码一、实验目的 了解和掌握指令编码的基本要求和基本原理 二、实验内容 1. 使用编程工具编写一个程序，对一组指令进行霍夫曼编码，并输出最后的编码结果以及对指令码的长度进行评价。与扩展操作码和等长编码进行比较。 2. 问题描述以及问题分析 举例说明此问题，例如： 下表所示： 对此组指令进行 HUFFMAN 编码正如下图所示： 最后得到的HUFFMAN 编码如下表所示：
最短编码长度为： H=0.45*1+0.30*2+0.15*3+0.05*4+0.03*5+0.01*6+0.01*6=-1.95. 要对指令的操作码进行 HUFFMAN 编码，只要根据指令的各类操作码的出现概率构造HUFFMAN 树再进行 HUFFAM 编码。此过程的难点构造 HUFFMAN 树，进行 HUFFAM 编 码只要对你所生成的 HUFFMAN 树进行中序遍历即可完成编码工作。 三、设计思路 观察上图，不难看出构造 HUFFMAN 树所要做的工作：1、先对各指令操作码的出现概率进行排序，构造一个有序链表。2、再取出两个最小的概率节点相加，生成一个生的节点加入到链表中，同时从两表中删除此两个节点。3、在对链表进行排序，链表是否只有一个节点，是则 HUFFAN 树构造完毕，否则继续做 2 的操作。为此设计一个工作链表（链表的元素时类，此类的功能相当结构。）、HUFFMAN 树节点、HUFFMAN 编码表节点。 四、关键代码 哈夫曼树重点在于如何排列权值大小不同的结点的顺序 private int leafNum; //叶子结点个数 private HaffmanNode[] hnodes; //哈夫曼树的结点数组 public HaffManCode(double[] weight) //构造指定权值集合的哈夫曼树 { int n = weight.length; //n个叶子结点 this.leafNum = n; this.hnodes = new HaffmanNode[2*n-1]; //n个叶子结点的哈夫曼树共有2n-1个结点 for(int i=0; i 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 （勤奋、求是、创新、奉献） 2010～2011学年第1学期考试试卷A 学院班级__ __ 姓名__________ 学号___________ 《智能控制系统》课程试卷 （本卷考试时间90 分钟） 一． 1．写出4种专家系统的知识表示方法。 逻辑表示法、产生式表示法、框架表示法、语义网络表示法 2．递阶智能系统的智能程度分布一般要遵循什么原则。 随着智能程度的提高，精度下降 3．写出宽度优先搜索和深度优先搜索的根本区别？ 深度优先与宽度优先算法最根本的不同在于：扩展的后继节点放在OPEN表的前端。 4．何谓多层前向神经网络？ 具有分层的结构，通常包括输入层、隐层（也称中间层）和输出层。每一层的神经元只接受上一层神经元的输入，并且该层神经元的输出送给下一层的各个神经元。 5．写出3种模糊输出向量的解模糊方法 重心法、最大隶属度法、取中位数判决法 6．写出基本遗传算法的3个基本操作 遗传、交叉、变异 二、简答题（共24分，每题6分） 1、简述模糊控制器的组成，及各组成部分功能 （1）模糊化接口 对于任意输入x，将其映射到模糊集系统中去，映射的过程实际上是将当前的物理输入根据模糊子集的分布情况确定出此时此刻输入值对这些模糊子集的隶属程度。 （2）知识库 知识库包括数据库和规则库。模糊控制器设计的关键在于如何有效地建立知识库，决策逻辑控制实际上是依赖规则库来实现的。 （3）推理决策逻辑 它是模糊控制的核心，利用知识库的信息模拟人类的推理决策过程，给出适合的控制量，其实质是模糊逻辑推理。 （4）精确化过程 通过模糊推理得到的结果是一个模糊集合。但实际使用中，特别是模糊控制中，必须要有一个确定的值才能去控制或驱动执行机构。在推理得到的模糊集合中取一个能最佳代表这个模糊推理结果可能性的精确值的过程称为精确化过程 2、设个体域是人类，试用两种方法（全称量词和存在量词）将语句“没有不犯错误的人”译为谓词公式 设F(x)：“x犯错误”，M(x)：x是人，则语句形式化为： ┐?x(M(x)∧┐F(x)) 或?x(M(x)→F(x)) 3、简述BP算法中工作信号正向传播、误差信号反向传播过程 （1）工作信号正向传播：输入信号从输入层经隐层，传向输出层，在输出端产生输出信号，这是信号的正向传播。在信号向前传递过程中网络的权值是固定不变的，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入误差信号反向传播。 （2）误差信号反向传播：网络的实际输出与期望输出之间差值即为误差信号，误差信号由输出端开始逐层向前传播，这是误差信号的反向传播。在误差信号反向传播的过程中，网络权值由误差反馈进行调节，通过权值的不断修正使网络的实际输出更接近期望输出 W 一、填空题 1．智能控制是一门新兴的学科，它具有非常广泛的应用领域，例 如、、和。 1、交叉学科在机器人控制中的应用在过程控制中的应用飞行器控制 2．传统控制包括和。2、经典反馈控制现代理论控制 3．一个理想的智能控制系统应具备的基本功能是、、和。 3 、学习功能适应功能自组织功能优化能力 4．智能控制中的三元论指的是：、和。 4、运筹学，人工智能，自动控制 5．近年来，进化论、、和等各门学科的发展给智能控制注入了巨大的活力，并由此产生了各种智能控制方法。 5、神经网络模糊数学专家系统 6．智能控制方法比传统的控制方法更能适应对象的、和 。6、时变性非线性不确定性 7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是 、和。 7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控 制系统 8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。 8、不确定性、高度的非线性、复杂的任务要求 9．智能控制系统的主要类型有、、、 、和。 9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混合控制系统 10．智能控制的不确定性的模型包括两类：(1) ； (2) 。 10、(1)模型未知或知之甚少；(2)模型的结构和参数可能在很大范围内变化。11．控制论的三要素是：信息、反馈和控制。 12．建立一个实用的专家系统的步骤包括三个方面的设计，它们分别是、和。知识库的设计推理机的设计人机接口的设计13．专家系统的核心组成部分为和。知识库、推理机 14．专家系统中的知识库包括了3类知识，它们分别为、、和。判断性规则控制性规则数据 15．专家系统的推理机可采用的3种推理方式为推理、和推理。 15、正向推理、反向推理和双向推理 16．根据专家控制器在控制系统中的功能，其可分为和。 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》考试试题 试题1： 针对某工业过程被控对象：0.520 ()(101)(21) s G s e s s -= ++，试分别设计常规PID 算法控制器、模糊控制器、模糊自适应PID 控制器，计算模糊控制的决策表，并进行如下仿真研究及分析： 1. 比较当被控对象参数变化、结构变化时，四者的性能； 2. 研究改善Fuzzy 控制器动、静态性能的方法。 解： 常规PID 、模糊控制、Fuzzy 自适应PID 控制、混合型FuzzyPID 控制器设计 错误！未找到引用源。. 常规PID 调节器 PID 控制器也就是比例、积分、微分控制器，是一种最基本的控制方式。它是根据给定值()r t 与实际输出值()y t 构成控制偏差()e t ，从而针对控制偏差进行比例、积分、微分调节的一种方法，其连续形式为： 1 () ()[()()]t p d i de t u t K e t e t dt T T dt =+ +? （1.1） 式中，p K 为比例系数，i T 为积分时间常数，d T 为微分时间常数。 PID 控制器三个校正环节中p K ，i T 和d T 这三个参数直接影响控制效果的好坏，所以要取得较好的控制效果，就必须合理地选择控制器的参数。 Ziegler 和Nichols 提出的临界比例度法是一种非常著名的工程整定方法。通过实验由经验公式得到控制器的近似最优整定参数，用来确定被控对象的动态特性的两个参数：临界增益u K 和临界振荡周期u T 。 用临界比例度法整定PID 参数如下： 表1.1 临界比例度法参数整定公式 控制器类型 P K i T d T P 0.5u K ∞ 0 PI 0.455u K 0.833u T 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）浙工大过程控制实验报告
智能控制导论实验报告(2015) (zm)
2011-10学年第1学期_ 智能控制试题A答案
昆工智能控制试题及答案
2020年智能控制实验报告
智能控制-考试题(附答案)
智能控制实验报告
相关主题
文本预览