智能控制第一次作业
智能控制专业实习报告
一、实习背景随着科技的飞速发展，智能化技术在各个领域的应用日益广泛。
为了更好地将所学理论知识与实践相结合，提升自己的专业素养和实际操作能力，我选择了智能控制专业进行为期一个月的实习。
本次实习地点为XX科技有限公司，该公司主要从事智能控制系统的研究、开发和生产。
二、实习目的1. 了解智能控制技术的基本原理和应用领域；2. 掌握智能控制系统的设计、调试和维护方法；3. 培养团队协作和沟通能力；4. 提高自己的实际操作能力和解决问题的能力。
三、实习内容1. 智能控制技术基础知识学习在实习初期，我重点学习了智能控制技术的基本原理和应用领域。
通过查阅资料、请教导师和同事，我对以下内容有了更深入的了解：（1）智能控制技术的基本概念和分类；（2）常见智能控制算法，如PID控制、模糊控制、神经网络控制等；（3）智能控制系统在工业、农业、医疗、家居等领域的应用。
2. 智能控制系统设计在实习过程中，我参与了多个智能控制系统的设计项目。
以下是我所参与的几个项目：（1）基于PLC的智能控制系统设计：该项目旨在利用PLC实现对工业生产过程的自动化控制。
我负责编写PLC程序，实现系统的控制逻辑和功能。
（2）基于模糊控制的智能家居系统设计：该项目旨在利用模糊控制算法实现对家庭环境的智能调节。
我负责设计模糊控制器，实现对空调、灯光、窗帘等设备的控制。
（3）基于神经网络的智能机器人控制系统设计：该项目旨在利用神经网络算法实现对机器人运动的智能控制。
我负责设计神经网络控制器，实现对机器人行走、避障等动作的控制。
3. 智能控制系统调试与维护在完成系统设计后，我参与了系统的调试和维护工作。
以下是我所参与的主要工作：（1）根据设计文档，对系统进行硬件和软件的调试，确保系统正常运行；（2）对系统进行性能优化，提高系统的稳定性和可靠性；（3）对系统进行定期维护，确保系统长期稳定运行。
4. 团队协作与沟通在实习过程中，我积极参与团队讨论，与同事共同解决问题。
智能控制实习实践报告
一、实习背景随着科技的飞速发展，智能控制技术已经广泛应用于各个领域，成为推动社会进步的重要力量。
为了更好地了解智能控制技术，提高自身的实践能力，我于近期参加了智能控制实习实践。
本次实习在一家知名智能控制系统研发公司进行，实习期间，我深入了解了智能控制系统的设计、开发与应用，收获颇丰。
二、实习目的1. 熟悉智能控制系统的基本原理和组成；2. 掌握智能控制系统的设计、开发与调试方法；3. 培养实际动手能力，提高团队协作精神；4. 了解智能控制系统在各个领域的应用。
三、实习内容1. 理论学习实习初期，我通过阅读相关书籍、资料，了解了智能控制系统的基本概念、发展历程、分类及特点。
同时，我还学习了常见智能控制算法，如PID控制、模糊控制、神经网络控制等。
2. 实践操作在实习过程中，我参与了以下实践操作：（1）智能控制系统硬件平台搭建：根据项目需求，选择合适的传感器、执行器、控制器等硬件设备，进行电路设计、焊接、调试，完成硬件平台搭建。
（2）软件编程：使用C/C++、Python等编程语言，根据项目需求，编写控制算法程序，实现智能控制系统的功能。
（3）系统集成与调试：将硬件平台与软件程序相结合，进行系统集成，并进行调试，确保系统稳定运行。
（4）智能控制系统应用：将所学知识应用于实际项目中，如智能家居、机器人控制、自动化生产线等。
3. 项目参与在实习期间，我参与了公司的一个智能控制系统研发项目。
项目涉及多个方面，包括需求分析、系统设计、编程实现、调试与优化等。
通过参与项目，我了解了项目管理的流程，提高了自己的团队协作能力。
四、实习成果1. 理论知识方面：通过实习，我对智能控制系统的基本原理、组成、算法有了更深入的了解，为今后的学习和工作打下了坚实的基础。
2. 实践能力方面：在实习过程中，我学会了硬件平台搭建、软件编程、系统集成与调试等实际操作技能，提高了自己的动手能力。
3. 团队协作方面：在项目参与过程中，我学会了与他人沟通、协作，提高了自己的团队协作能力。
智能控制-考核大作业+设计(10)-推荐下载
1.0 0.2 0.9
0.7 0.1 0.9 0.3
试求 R S ， R S ， R S Q ，以及 R S Q 。
0.4 0.6 0.3
0.8 0.3 0.7
0.4 0.5 0.8 0.2
R 0.8 0.5 0.9 ， S 0.2 0.4 0.5 ， Q 0.6 0.2 0.6 0.0
ℇ
2）输入一样本 X 和它的希望输出 d。
Ө
对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行高中资料试卷调整试验；通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关，系电通，力1根保过据护管生高线产中0不工资仅艺料可高试以中卷解资配决料置吊试技顶卷术层要是配求指置，机不对组规电在范气进高设行中备继资进电料行保试空护卷载高问与中题带资2负料2，荷试而下卷且高总可中体保资配障料置各试时类卷，管调需路控要习试在题验最到；大位对限。设度在备内管进来路行确敷调保设整机过使组程其高1在中正资，常料要工试加况卷强下安看与全22过，22度并22工且22作尽22下可护都能1关可地于以缩管正小路常故高工障中作高资；中料对资试于料卷继试连电卷接保破管护坏口进范处行围理整，高核或中对者资定对料值某试，些卷审异弯核常扁与高度校中固对资定图料盒纸试位，卷置编工.写况保复进护杂行层设自防备动腐与处跨装理接置，地高尤线中其弯资要曲料避半试免径卷错标调误高试高等方中，案资要，料求编试技5写、卷术重电保交要气护底设设装。备备置管4高调、动线中试电作敷资高气，设料中课并技3试资件且、术卷料中拒管试试调绝路包验卷试动敷含方技作设线案术，技槽以来术、及避管系免架统不等启必多动要项方高方案中式；资，对料为整试解套卷决启突高动然中过停语程机文中。电高因气中此课资，件料电中试力管卷高壁电中薄气资、设料接备试口进卷不行保严调护等试装问工置题作调，并试合且技理进术利行，用过要管关求线运电敷行力设高保技中护术资装。料置线试做缆卷到敷技准设术确原指灵则导活：。。在对对分于于线调差盒试动处过保，程护当中装不高置同中高电资中压料资回试料路卷试交技卷叉术调时问试，题技应，术采作是用为指金调发属试电隔人机板员一进，变行需压隔要器开在组处事在理前发；掌生同握内一图部线纸故槽资障内料时，、，强设需电备要回制进路造行须厂外同家部时出电切具源断高高习中中题资资电料料源试试，卷卷线试切缆验除敷报从设告而完与采毕相用，关高要技中进术资行资料检料试查，卷和并主检且要测了保处解护理现装。场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规定，制定设备调试高中资料试卷方案。
关于智能控制的详细实习报告
实习报告：智能控制一、实习背景随着科技的不断发展，人工智能技术逐渐应用于各个领域，智能控制成为现代工业生产中的重要技术手段。
在我国，智能控制技术在电气工程及其自动化专业中具有重要地位。
为了深入了解智能控制技术，提高实践能力，我参加了为期一个月的智能控制实习。
二、实习内容1. 了解智能控制的基本概念、原理和应用领域。
2. 学习智能控制算法，如模糊控制、神经网络控制、自适应控制等。
3. 掌握智能控制系统的设计与实现方法，包括硬件选型、软件开发等。
4. 参观智能控制相关企业，了解生产过程中的智能控制应用。
5. 参与实验室科研项目，实际操作智能控制系统。
三、实习过程1. 理论学习：在实习初期，我学习了智能控制的基本概念、原理和应用领域。
通过学习，我了解到智能控制是一种利用人工智能技术来实现控制目标的方法，它具有自主学习、自适应和智能化等特点。
智能控制广泛应用于工业生产、交通运输、医疗保健等领域。
2. 算法学习：在实习过程中，我学习了模糊控制、神经网络控制、自适应控制等智能控制算法。
通过理论学习和编程实践，我掌握了这些算法的原理和实现方法。
3. 系统设计：在实习中期，我参与了智能控制系统的设计与实现。
在硬件选型方面，我了解了各种传感器、执行器等硬件设备的功能和选用原则。
在软件开发方面，我学会了使用编程语言编写控制算法，并将其应用于实际系统。
4. 企业参观：在实习期间，我参观了智能控制相关企业，了解了生产过程中的智能控制应用。
通过实地参观，我看到了智能控制技术在实际生产中的重要作用，加深了对智能控制的理解。
5. 科研项目参与：在实习后期，我参与了实验室的科研项目。
在项目过程中，我实际操作了智能控制系统，解决了实际问题，提高了自己的实践能力。
四、实习收获通过这次实习，我对智能控制技术有了更深入的了解，掌握了智能控制算法、系统设计和实现方法。
同时，实习过程中的企业参观和科研项目参与，使我看到了智能控制技术在实际生产中的应用，提高了自己的实践能力和团队合作能力。
智能控制技术的实习报告
实习报告智能控制技术实习报告一、实习背景随着科技的不断发展，智能控制技术在各个领域的应用越来越广泛。
为了更好地了解智能控制技术的发展和应用，提高自己的实践能力，我参加了为期一个月的智能控制技术实习。
实习期间，我在导师的指导下，进行了智能控制系统的设计、仿真和实验，对智能控制技术有了更深入的了解。
二、实习内容1. 理论学习在实习的开始，导师为我讲解了智能控制技术的基本概念、原理和常用算法。
我学习了模糊控制、神经网络控制、自适应控制等几种常见的智能控制方法，并了解了它们在实际工程中的应用。
2. 系统设计根据实习任务，我需要设计一个智能控制系统。
在导师的指导下，我首先确定了系统的目标和需求，然后选择了合适的控制算法，最后设计了系统的整体结构。
在设计过程中，我学习了如何根据系统需求选择合适的硬件和软件，并掌握了部分编程技巧。
3. 仿真与实验为了验证所设计的智能控制系统的有效性，我使用了MATLAB软件对系统进行了仿真。
通过调整参数和算法，我成功地实现了对系统的控制。
接着，我在实验室进行了实际实验，通过与传统控制系统的对比，验证了智能控制系统的优越性。
4. 实习总结与反思通过实习，我深刻地体会到了智能控制技术在实际工程中的重要性。
与传统控制技术相比，智能控制系统具有更好的自适应性和鲁棒性，能够更好地应对复杂的工业现场环境。
同时，我也认识到智能控制技术仍存在一些问题和挑战，如算法复杂度高、实时性要求高等。
在实习过程中，我学到了很多关于智能控制技术的知识和技能，也提高了自己的实践能力。
然而，我也意识到自己在某些方面仍有不足，如对某些算法的理解和应用不够深入，编程能力有待提高等。
在今后的学习和工作中，我将继续努力，不断提高自己的综合素质，为将来的工作做好准备。
三、实习收获通过这次实习，我对智能控制技术有了更深入的了解，掌握了相关算法和仿真技巧。
同时，实习过程中的团队合作和问题解决能力也得到了锻炼。
总之，这次实习让我受益匪浅，对我的专业学习和未来职业发展具有重要意义。
智能控制第一次大作业
智能控制第一次作业指导老师李俊民学院数学与统计学院专业数学与应用数学班级071011学号********学生姓名作业题目：假设输入空间X 和Y 都为[-10，10]，输出空间Z 等于[-100，100]。
试在X ，Y 和Z 空间中确定五个梯形模糊集合：NB 、NS 、ZE 、PS 、PB 。
假定未知系统转移函数为z =（x 2-y 2）exp(-|xy |)，写出准确描述系统行为的五条（至少）模糊规则，利用z =（x 2-y 2）exp(-|xy |)，产生数据流，按模糊推理规则和面积中心法去模糊化，将输入数据对（x ,y ）映射到输出数据z 。
画出模糊输出F (x ,y )和期望输出z 的曲面，计算均方误差, 画出误差曲面。
解答：一、 五个梯形模糊集合的确定1、X 中的梯形模糊集合{(,())|}A A x x x X μ=∈，其中A 可取NB 、NS 、ZE 、PS 、PB 这五个集合，[10,10]X =-，其中0 -10 () 1 0 10x a b a A d x d cx a a x b x b x c c x d d x μ----≤≤⎧⎪≤≤⎪⎪=≤≤⎨⎪≤≤⎪≤≤⎪⎩ 可以看到梯形模糊集合的隶属度函数由四个参数（a,b,c,d ）来确定，所以只要给定不同的五组（a,b,c,d ）的值，就可以确定五个不同的梯形模糊集合NB 、NS 、ZE 、PS 、PB 。
下面我们给出X 中NB 、NS 、ZE 、PS 、PB 这五个模糊集合分别对应的（a,b,c,d ）：X 中NB 、NS 、ZE 、PS 、PB 的隶属度函数mf1,mf2,mf3,mf4,mf5的图形分别如下：2、 Y 中的梯形模糊集合{(,())|}A A y y y Y μ=∈，其中A 可取NB 、NS 、ZE 、PS 、PB 这五个集合，[10,10]Y =-，其中0 -10 () 1 0 10y a b a A d y d cy a a y b y b y c c y d d y μ----≤≤⎧⎪≤≤⎪⎪=≤≤⎨⎪≤≤⎪≤≤⎪⎩ Y 中的NB 、NS 、ZE 、PS 、PB 这五个模糊集合分别对应的（a,b,c,d ）也取表1中的值。
智能控制技术作业
智能控制技术作业1、什么是智能、智能系统、智能控制？（1）将感觉、去记、回忆、思维、语言、行为的整个过程称为智能（2）由感知、规划、执行子系统组成，具有认知、概念与推理、记忆与学习完成适应性、通用性功能的反馈控制系统称为智能系统。
（3）通过认知、记忆、学习、推理、协作等智能要素与技术手段，实现复杂系统的适应性与通用性功能的反馈控制称为智能控制。
2、智能控制系统有哪几种形式？模糊控制、神经控制、行为控制、自适应控制等。
3、比较智能控制与传统控制的特点？古典控制特点：（1）依赖于控制对象精确模型；（2）对控制对象的有用信息（信息源/人的语言知识、系统输入输出数据、系统评价结果等）没有充分利用；（3）控制方法依赖于系统模型的结构与参数，没有固定的设计程式，通用性不强，限制了工程应用；（4）对非线性、强耦合系统，非模型系统、无模型系统难以适应；智能控制特点：（1）适用于非线性、强耦合的系统；（2）适用于无模型（只有系统数据）系统；（3）适用于非模型（可以是模糊语言模型、行为模型等）系统；（4）能够应用多种信息，包括语言、样本等。
（5）具有较强的适应性；（6）具有较固定的设计程式4、比较模糊集合与普通集合的异同，模糊性与随机性的不同。
经典集合:一个范围内所有对象的整体；集合自身不能作为其内的元素模糊集合：设A是集合X到[0，1]的一个映射，A：X→[0，1]，x→A(x) 则称A 是X上的模糊集，A(x)称为模糊集A的隶属函数，或称A(x)为x对模糊集A的隶属度。
模糊性与随机性区别：（1）随机性表示未发生的事件可能发生的可能性（概率）。
（2）模糊性表示已发生/未发生事件、属性量的程度(大小)；（3）随机性由事物自身及环境运动规律决定；（4）模糊性由事物自身及环境运动规律、人的认知程度共同决定；5、简述模糊控制系统的工作原理。
人的经验是一系列含有语言变量值的条件语句和规则，而模糊集合理论能十分恰当地表达具有模糊性的语言变量和条件语句。
智能控制实习报告
一、实习背景随着科技的飞速发展，智能控制技术在各个领域得到了广泛应用。
为了更好地了解智能控制技术，提高自己的实践能力，我参加了为期一个月的智能控制实习。
实习期间，我深入了解了智能控制的基本原理、应用领域和实际操作，收获颇丰。
二、实习目的1. 理解智能控制的基本概念和原理；2. 掌握智能控制系统的设计与实现方法；3. 提高动手能力和团队协作精神；4. 培养创新意识和解决问题的能力。
三、实习内容1. 智能控制基础知识学习实习期间，我首先学习了智能控制的基本概念、原理和发展历程。
了解了智能控制技术涉及的主要领域，如模糊控制、神经网络控制、遗传算法控制等。
2. 智能控制系统设计与实现在掌握了智能控制基础知识后，我开始参与智能控制系统的设计与实现。
实习过程中，我参与了以下项目：（1）基于模糊控制的智能家居系统：该系统通过模糊控制器实现对家电的智能控制，提高家居生活的舒适性和安全性。
（2）基于神经网络的图像识别系统：该系统利用神经网络实现对图像的自动识别，应用于安防、医疗等领域。
（3）基于遗传算法的路径规划系统：该系统通过遗传算法实现机器人路径规划，提高机器人移动效率。
3. 团队协作与沟通在实习过程中，我与团队成员共同讨论、解决问题，培养了团队协作精神。
同时，通过与导师、同学的沟通交流，提高了自己的沟通能力。
四、实习收获1. 理论知识与实践相结合：通过实习，我深刻体会到理论知识与实践操作的重要性，提高了自己的实践能力。
2. 技能提升：掌握了智能控制系统的设计与实现方法，为今后从事相关工作奠定了基础。
3. 团队协作能力：在团队项目中，学会了与团队成员沟通、协作，提高了自己的团队协作能力。
4. 创新意识：在解决问题过程中，不断尝试新的方法和思路，培养了创新意识。
五、实习总结通过这次智能控制实习，我对智能控制技术有了更深入的了解，提高了自己的实践能力。
在今后的学习和工作中，我将不断努力，为我国智能控制技术的发展贡献自己的力量。
智能控制技术实习报告
智能控制技术实习报告一、实习背景及目的随着科技的飞速发展，智能控制技术在各个领域中的应用日益广泛，为了更好地了解智能控制技术的原理及其在实际工程中的应用，提高自己的实践能力和综合素质，我参加了为期一个月的智能控制技术实习。
本次实习的主要目的是：1. 学习智能控制技术的原理及其在实际工程中的应用；2. 熟悉智能控制系统的基本组成、工作原理和操作方法；3. 培养自己的团队合作精神和实际操作能力。
二、实习内容1. 理论知识学习：在实习前期，我们参加了关于智能控制技术的基本理论知识培训，学习了模糊控制、神经网络、遗传算法等智能控制方法，了解了它们在实际工程中的应用和优势。
2. 实际操作练习：在实习过程中，我们参观了智能控制实验室，并在指导老师的帮助下，进行了智能控制系统的实际操作练习。
主要包括以下几个方面：（1）熟悉智能控制系统的硬件组成，如传感器、执行器、控制器等；（2）学习编程软件，如C/C++、Python等，用于编写控制算法程序；（3）根据实际需求，设计并实现简单的智能控制系统，如温度控制器、智能小车等；（4）对已设计的智能控制系统进行调试和优化，以提高控制效果。
3. 团队项目实践：在实习期间，我们以小组为单位，选择一个具有挑战性的项目进行实践。
我所在的团队选择了“智能温室控制系统”作为实践项目。
我们分工合作，完成了以下任务：（1）收集和分析温室控制的相关资料，了解其工作原理和需求；（2）设计温室控制系统的整体架构，包括硬件选型、软件架构等；（3）编写控制算法程序，实现对温湿度、光照等环境的智能控制；（4）对整个系统进行调试和测试，确保其稳定可靠运行。
三、实习收获通过本次实习，我收获颇丰，具体表现在以下几个方面：1. 丰富了理论知识：通过学习智能控制技术的原理及其在实际工程中的应用，我对智能控制系统有了更深入的了解，为以后的工作和学术研究奠定了基础；2. 提高了实际操作能力：在实习过程中，我学会了如何使用编程软件进行控制算法编程，熟悉了智能控制系统的硬件组成和操作方法，具备了实际操作的能力；3. 培养了团队合作精神：在团队项目实践中，我学会了与团队成员分工合作、共同解决问题，提高了自己的团队合作能力；4. 增强了实践能力：通过本次实习，我学会了如何将理论知识应用于实际工程中，提高了自己的实践能力和解决问题的能力。
【精品论文】智能控制题目及解答
智能控制题目及解答第一章绪论作业作业内容1．什么是智能、智能系统、智能控制？2．智能控制系统有哪几种类型，各自的特点是什么？3．比较智能控制与传统控制的特点。
4．把智能控制看作是AI(人工智能)、OR(运筹学)、AC(自动控制)和IT(信息论)的交集，其根据和内涵是什么?5．智能控制有哪些应用领域？试举出一个应用实例，并说明其工作原理和控制性能。
1 答：智能：能够自主的或者交互的执行通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习等一系列活动的能力，即像人类那样工作和思维。
智能系统：是指具有一定智能行为的系统，对于一定的输入，它能产生合适的问题求解相应。
智能控制：智能控制是控制理论、计算机科学、心理学、生物学和运筹学等多方面综合而成的交叉学科，它具有模仿人进行诸如规划、学习、逻辑推理和自适应的能力。
是将传统的控制理论与神经网络、模糊逻辑、人工智能和遗传算法等实现手段融合而成的一种新的控制方法。
2 答：（1）人作为控制器的控制系统：人作为控制器的控制系统具有自学习、自适应和自组织的功能。
（2）人-机结合作为作为控制器的控制系统：机器完成需要连续进行的并需快速计算的常规控制任务，人则完成任务分配、决策、监控等任务。
（3）无人参与的自组控制系统：为多层的智能控制系统，需要完成问题求解和规划、环境建模、传感器信息分析和低层的反馈控制任务。
3 答：在应用领域方面，传统控制着重解决不太复杂的过程控制和大系统的控制问题；而智能控制主要解决高度非线性、不确定性和复杂系统控制问题。
在理论方法上，传统控制理论通常采用定量方法进行处理，而智能控制系统大多采用符号加工的方法；传统控制通常捕获精确知识来满足控制指标，而智能控制通常是学习积累非精确知识；传统控制通常是用数学模型来描述系统，而智能控制系统则是通过经验、规则用符号来描述系统。
在性能指标方面，传统控制有着严格的性能指标要求，智能控制没有统一的性能指标，而主要关注其目的和行为是否达到。
东北林业大学机电工程学院智能控制大作业1
智能控制导论大作业机电工程学院电气工程及其自动化二班**2010****智能控制大作业：神经网络系统设计：非线性时变对象y(k)=a(1−be −ctT)y(k−1)1+y2(k−1)+ u(k)的RBF神经网络得到PID控制。
该仿真情况如图a为系统仿真结构图。
图（a）系统仿真结构图（1）输入为多阶梯信号，在时间[0,0.2,0.3,0.5,0.7,0.8,1,1.2]对应的阶跃幅值为[0.7,-0.8,0.9,-1,1,0.7,-0.7,0.5]，如图d所示：图（d）系统输入输出变化曲线在此图中，还有系统输出跟踪给定输入的响应。
多阶梯输入信号的S函数为：%多阶梯给定输入信号function[sys,x0,str,ts]=multi_step(t,x,u,flag,tTime,yStep)switch flag,case 0 %调用初始化过程[sysm,x0,str,ts]=mdlInitializeSizes;case 3 %计算输出信号，生成多阶跃信号sys=mdlOutputs(t,tTime,yStep);case{1,2,4,9} %未使用flag值sys=[];otherwise %错误信息处理error([‘Unhandled flag=’,num2str(flag)];end;%when flag=0时，进行初始化处理function[sys,x0,str,ts]=mdlIntializeSizessizes=simsizes; %调入初始化的模板sizes.NumContStates=0;sizes.NumDiscStates=0; %无连续、离散状态sizes.NumOutputs=1;sizes.NumInputs=0; %系统的输入和输出路数sizes.DirFeedthrough=0; %输入信号不直接传输到输出sizes.NumSampleTimes=1; %单个采样周期sys=simsizes(sizes); %初始化x0=[];str=[]; %系统的初始状态为空向量ts=[0,0]; %假设模块为连续模块% flag=3时，计算输出信号function sys=mdlOutputs(t,tTime,yStep)（2）神经网络的结构为3-6-1，即输入层3个节点，隐层6个节点，输出层1个节点。
智能控制实习报告范文
智能控制实习报告范文一、实习目的与意义随着科技的不断进步，智能控制技术在各个领域得到了广泛的应用。
本次实习旨在通过实际操作和项目实践，加深对智能控制理论的理解，掌握智能控制系统的设计、开发和调试的基本技能，为将来在智能控制领域的工作和研究打下坚实的基础。
二、实习内容与过程1. 理论学习在实习的初期，我们首先进行了智能控制理论的学习，包括但不限于模糊控制、神经网络控制、遗传算法等。
通过阅读相关文献和教材，我们对智能控制的原理和方法有了初步的了解。
2. 系统设计与仿真在理论学习的基础上，我们进行了智能控制系统的设计与仿真。
利用MATLAB/Simulink等工具，我们设计了一个简单的智能控制系统，并进行了仿真实验，验证了系统设计的可行性。
3. 实际系统开发在仿真实验的基础上，我们开始了实际的硬件开发。
根据设计需求，我们选择了适当的传感器、控制器和执行器，并进行了电路设计和硬件搭建。
在硬件搭建过程中，我们遇到了一些技术难题，但在老师和同学的帮助下，最终成功完成了硬件的搭建。
4. 系统调试与优化硬件搭建完成后，我们进行了系统的调试工作。
通过调整参数和优化算法，我们使系统的性能得到了显著的提升。
在调试过程中，我们学会了如何分析问题和解决问题，这对我们的工程实践能力的提升起到了重要作用。
三、实习成果与反思1. 实习成果通过本次实习，我们不仅掌握了智能控制系统的设计、开发和调试的基本技能，还学会了如何运用理论知识解决实际问题。
此外，我们还提高了团队协作能力和工程实践能力。
2. 实习反思在实习过程中，我们也意识到自己在理论知识和实践技能方面还存在一些不足。
例如，在系统设计时，对于一些复杂的控制算法理解不够深入；在硬件搭建时，对于一些电路设计的细节处理不够细致。
针对这些问题，我们将继续学习和实践，不断提高自己的专业能力。
四、实习总结通过本次智能控制实习，我们对智能控制技术有了更深入的了解和认识。
实习不仅提高了我们的专业技能，也锻炼了我们的实践能力和团队协作能力。
电气工程与智能控制专业的实习周记
电气工程与智能控制专业的实习周记2021年7月1日这周是我在某电气工程公司进行实习的第一周，我所在的部门是智能控制研发部门。
这是我大学以来第一次真正接触工程实践，充满了期待和激动。
第一天，我受到了研发部门的负责人的热情接待，并和他进行了简单的面谈。
他向我介绍了公司和研发部门的情况，还分享了自己的从业经验和对智能控制的看法。
他鼓励我要有好奇心，不断学习和思考，同时也希望我能够在实习期间提出自己的想法和建议。
这让我感到非常受鼓舞，觉得自己来对了地方。
在接下来的几天里，我主要跟随导师进行实际项目的工作。
我们正在开发一种智能家居控制系统，通过云端控制和传感器技术，实现对家中电器和设备的智能化管理。
我的任务是参与项目的软件开发和调试工作。
首先，我需要学习公司使用的软件开发工具和技术，对项目的整体架构和功能模块进行了解。
然后，我根据导师的指导，开始编写代码和进行调试测试。
由于是第一次接触这方面的工作，一开始我遇到了不少困难，但通过与导师的交流和自己的不断摸索，我逐渐熟悉了整个开发流程，并成功解决了一些技术难题。
除了技术方面的学习，我还参与了部门的例会和讨论。
在例会上，大家分享了自己的工作进展和遇到的问题，大家共同探讨解决方案。
这让我深刻体会到了团队合作的重要性和学习借鉴他人的经验的价值。
讨论中，我也有机会发表自己对项目的看法和建议，得到了大家的支持和鼓励。
通过这些讨论，我不仅提高了自己的技术能力，也对项目的整体思路和目标有了更清晰的认识。
实习的最后几天，我有机会参与到公司一个正在进行的项目中。
这个项目是与一家医疗设备公司合作，我们为其开发了一套智能化监控系统，实现对医疗设备的远程监测和诊断。
我参与了设备的安装和调试工作，同时也深入了解了医疗设备的工作原理和使用需求。
这种实践性的工作让我感到非常充实和有成就感。
通过这一周的实习，我不仅学到了很多专业知识和技能，也深刻感受到了工程实践的魅力。
我意识到，只有将理论知识应用到实际中，才能真正体会到知识的实用性和发展的潜力。
智能控制作业
智能控制作业1、已知某一炉温控制系统，要求温度保持在600度恒定。
针对该控制系统有以下控制经验：（1）若炉温低于600度，则升压；低的越多升压越高。
（2）若炉温高于600度，则降压；高的越多降压越低。
（3）若炉温等于600度，则保持电压不变。
设模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。
输入、输出变量的量化等级为7级，取5个模糊集。
试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。
解：1）确定变量定义理想温度为600℃，实际温度为T，则温度误差为E=600-T。
将温度误差E作为输入变量2）输入量和输出量的模糊化将偏差E分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。
将偏差E的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到温度模糊表如表1所示。
表1 温度变化E划分表控制电压u也分为5个模糊集：NB、NS、ZO、PS、PB，分别为负小、负大、零、正小、正大。
将电压u的变化分为7个等级：-3 -2 -1 0 1 2 3，从而得到电压变化模糊表如表2所示。
表2 电压变化u划分表表3 模糊控制规则表2、利用MATLAB,为下列两个系统设计模糊控制器使其稳态误差为零，超调量不大于1%，输出上升时间≤0.3s 。
假定被控对象的传递函数分别为：255.01)1()(+=-s e s G s)456.864.1)(5.0(228.4)(2+++=s s s s G解：在matlab 窗口命令中键入fuzzy ，得到如下键面：设e 的论域范围为[-1 1]，de 的论域范围为[-0.1 0.1]，u 的论域范围为[0 2]。
将e 分为8个模糊集，分别为NB ,NM, NS, NZ, PZ, PS, PM, PB; de 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB; u 分为7个模糊集，分别为NB ,NM ,NS, Z ,PS ,PM ,PB;MATLAB中的设置界面如下：模糊规则的确定：模糊控制器的输出量在simulink中调用模糊控制器，观察输出结果运行结果为ScopeScope1Scope23、利用去模糊化策略，分别求出模糊集A 的值。
智能控制作业
智能控制作业一、已知某一炉温控制系统，要求温度保持在600℃恒定。
针对该控制系统有以下控制经验：①若炉温低于600 ℃，则升压；低得越多升压越高。
②若炉温高于600 ℃，则降压；高得越多降压越低。
③若炉温等于600 ℃，则保持电压不变。
设计模糊控制器为一维控制器，输入语言变量为误差，输出为控制电压。
输入、输出变量的量化等级为7级，取5个模糊集。
试设计隶属度函数误差变化划分表、控制电压变化划分表和模糊控制规则表。
要求有程序及注释，仿真结果和分析。
（1）确定模糊控制器的输入输出变量将600℃作为给定值t0 ,测量炉温为t(k)，则：输入变量：e(k)= t(k)-t0输出变量：触发电压u 的变化量，该u直接控制供电电压的高低。
（2）输入输出变量的模糊语言描述输入输出变量的语言值：{负大（NB）,负小（NS）,零（ZE）,正小（PS）,正大（PB）} 设：e的论域为X，u 的论域为Y，均量化为七个等级：X= {-3，-2，-1，0，1，2，3}，Y={-3，-2，-1，0，1，2，3}语言变量E 和U 的隶属函数赋值表（论域离散）：（3）模糊控制规则①if E =NB then U =PB②if E =NS then U =PS③if E =ZE then U =ZE④if E =PS then U =NS⑤if E =PB then U =NB（4）求模糊控制表（5）控制量转化为精确量：采用加权平均法：（6）计算模糊关系R=(NBe×PBu)+ (NSe×PSu)+(ZEe×ZEu)+(PSe×NSu) +(PBe×NBu)ZEe×ZEu =（0, 0, 0.5,1, 0.5,0,0）×（0,0 , 0.5, 1 , 0.5 , 0,0）分别计算出矩阵NBe×PBu，NSe×PSu，ZEe×ZEu，PSe×NSu ，PBe×NBu求并集得：查询表：实际控制时，将测量到的误差量化后，从查询表中得到控制量再乘以比例因子Kn，即作为控制的实际输出。
自动化智能控制大作业
⾃动化智能控制⼤作业《智能控制》⼤作业1、简答题：1.1.根据⽬前智能控制系统的研究和发展，智能控制系统有哪些类型以及智能控制系统主要有哪些⽅⾯的⼯作可做进⼀步的探索和开展？答: 智能控制系统的类型:①基于信息论的分级递阶智能控制②以模糊系统理论为基础的模糊逻辑控制③基于脑模型的神经⽹络控制④基于知识⼯程的专家控制⑤基于规则的仿⼈智能控制⑥各种⽅法的综合集成智能控制系统的探索和开展:①离散事件和连续时间混杂系统的分析与设计；②基于故障诊断的系统组态理论和容错控制⽅法；③基于实时信息学习的规则⾃动⽣成与修改⽅法；④基于模糊逻辑和神经⽹络以及软计算的智能控制⽅法；⑤基于推理的系统优化⽅法；⑥在⼀定结构模式条件下，系统有关性质（如稳定性等）的分析⽅法等。
1.2.⽐较智能控制与传统控制的特点？答：智能控制与传统控制的特点。
传统控制：经典反馈控制和现代理论控制。
它们的主要特征是基于精确的系统数学模型的控制。
适于解决线性、时不变等相对简单的控制问题。
智能控制：以上问题⽤智能的⽅法同样可以解决。
智能控制是对传统控制理论的发展，传统控制是智能控制的⼀个组成部分，在这个意义下，两者可以统⼀在智能控制的框架下。
1.3.简述模糊集合的基本定义以及与⾪属函数之间的相互关系。
答：模糊集合：模糊集合是⽤从0 到1 之间连续变化的值描述某元素属于特定集合的程度，是描述和处理概念模糊或界限不清事物的数学⼯具。
相互关系：表⽰⾪属度函数的模糊集合必须是凸模糊集合；模糊集合是由其⾪属函数刻画的1.4.画出模糊控制系统的基本结构图，并简述模糊控制器各组成部分所表⽰的意思？答：基本结构图：（1) 模糊化接⼝：模糊化接⼝就是通过在控制器的输⼊、输出论域上定义语⾔变量，来将精确的输⼊、输出值转换为模糊的语⾔值。
(2) 规则库：由数据库和语⾔（模糊）控制规则库组成。
数据库为语⾔控制规则的论域离散化和⾪属函数提供必要的定义。
语⾔控制规则标记控制⽬标和领域专家的控制策略。
智能控制和智能系统作业一：遗传算法
遗传算法求解函数最值——by 孤鸿原野摘要：遗传算法是一种十分常见的智能算法，它通过模拟生物进化过程，来求解最优化问题。
本文主要介绍如何利用遗传算法求解函数的极值问题，并通过MATLAB编程，实现了对两个二元函数的最值的求解。
关键字：遗传算法MATLAB编程函数最值1 引言遗传算法（Genetic Algorith，GA）最先是由美国Michgan大学的John Holland于1975年提出的。
遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的一种计算模型，常被用来求解最优化问题。
遗传算法从一组随机产生的称之为“种群（Population）”的初始解开始搜索过程。
根据问题的性质，对种群的每个个体进行适应性评价，得到适应值（fitness），适应值代表着该个体是问题解的适合程度。
同时对该种群中好的个体进行复制和选择，并随机交叉（crossover）和变异（mutation），从而得到下一代种群。
如此往复，经过一代代的选择和淘汰，最终得到问题的最优解或次优解。
2 遗传算法操作步骤遗传算法主要实现步骤如下：（1）编码：通过选择一定的编码方式，将解空间的数据表示成遗传空间的基因串，一般采用二进制编码方式。
（2）产生初始种群：随机产生一定数量的个体作为初始种群，作为迭代的开始。
（3）评价个体适应度：根据实际问题设计一个评价函数，评价每个个体的适应度，即个体作为问题解的优劣性。
（4）选择：根据个体的适应度，选择优秀的个体，作为下一代种群，适应度越强的个体被选择并保留下来的概率越大。
（5）交叉：为了使个体能够优势互补，以一定的概率对两个个体的某些位进行交叉互换。
（6）变异：以一定的概率对种群中某些个体的某些位进行变异，从而为新个体的产生创造机会。
3 遗传算法MATLAB程序实现根据遗传算法的操作步骤，得到MATLAB实现遗传算法的程序流程图，如图1所示。
图1 遗传算法程序流程图图中的“退出条件”可以根据种群中个体的最大适应度来选择，当种群已经进化到适应度不变时，可以退出迭代过程，或者设置最大迭代次数，到指定迭代次数后退出循环。
《智能控制》大作业
2.4.设有论域 ， ， 上的模糊子集“大”、“小”、“较小”分别表示为：
设“若 小则 大”，当 较小时，试确定 的大小。
解：
设“若 小则 大”，当 较小时，试确定 的大小。
解：已知
由Mamdani推理法得模糊关系矩阵：
2.5.设有论域 ， ， ，已知：
设“若 则 ，否则 ”，求输入为 时的输出 。
答：分级递阶智能控制系统是由组织级、协调级和执行级三级组成的。
织级起主导作用，涉及知识的表示与处理，主要应用人工智能；
协调级在组织级和执行级之间起连接作用，涉及决策方式及其表示，采用人工智能及运筹学实现控制；
执行级是底层，具有很高的控制精度，采用常规自动控制。
1.9.简述专家系统与专家控制的区别。
答：
特征函数用来表示某个元素是否属于普通集合，而隶属函数则用来表示某个元素属于模糊集合的程度，特征函数的取值{0，1}，而隶属函数的取值[0，1]，特征函数可以看作特殊的隶属函数。
1.4.画出模糊控制系统的基本结构图，并简述模糊控制器各组成部分所表示的意思？
答：基本结构：
(1) 模糊化接口：模糊化接口就是通过在控制器的输入、输出论域上定义语言变量，来将精确的输入、输出值转换为模糊的语言值。
1.5.模糊控制规则的生成方法通常有哪几种，且模糊控制规则的总结要注意哪些问题？
答：根据专家经验或过程控制知识生成控制规则。 根据过程的模糊模型生成控制规则。 根据学习算法获取控制规则。
规则数量合理。规则具有一致性。完备性好。
1.6.画出三层BP神经网络的基本结构图，并试写出各层之间的输入输出函数关系，并简述其主要思想？
作用：1)基于精确模型的各种控制结构中充当对象的模型； 2)在反馈控制系统中直接充当控制器的作用； 3) 在传统控制系统中起优化计算作用；
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
西安理工大学研究生课程论文/研究报告课程名称：智能控制任课教师：完成日期：2016 年 6 月16 日学科：电力电子与电力传动学号：姓名：成绩：作业：已知被控对象传函为)14)(12(20++=s s G ，给定为10 1(t)（阶跃响应），设计模糊控制器，模糊PID 控制器。
本次所设计的模糊控制器及模糊PID 控制器的MATLAB 程序如下： %******************************************************** % 模糊控制器设计%******************************************************** clear all ; clc;% 离线计算模糊控制表% 设课本P51页表2.4和P46页表2.3表示uE,uEC,uU 的隶属度函数uE = [ 1.0 0.8 0.7 0.4 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0; %8*13 0.2 0.7 1.0 0.7 0.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0; 0.0 0.1 0.3 0.7 1.0 0.7 0.2 0.0 0.0 0.0 0.0 0.0 0.0; 0.0 0.0 0.0 0.0 0.1 0.6 1.0 0.0 0.0 0.0 0.0 0.0 0.0; 0.0 0.0 0.0 0.0 0.0 0.0 1.0 0.6 0.1 0.0 0.0 0.0 0.0; 0.0 0.0 0.0 0.0 0.0 0.0 0.2 0.7 1.0 0.7 0.3 0.1 0.0; 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.2 0.7 1.0 0.7 0.3; 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.1 0.4 0.7 0.8 1.0 ];uEC = [ 1.0 0.7 0.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0; %7*13 0.3 0.7 1.0 0.7 0.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0; 0.0 0.0 0.3 0.7 1.0 0.7 0.3 0.0 0.0 0.0 0.0 0.0 0.0; 0.0 0.0 0.0 0.0 0.3 0.7 1.0 0.7 0.3 0.0 0.0 0.0 0.0; 0.0 0.0 0.0 0.0 0.0 0.0 0.3 0.7 1.0 0.7 0.3 0.0 0.0; 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.3 0.7 1.0 0.7 0.3; 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.3 0.7 1.0 ]; uU = uEC;% 设课本P51页表2.5表示模糊控制器所采用的模糊控制规则Rule = [1 1 1 1 2 4 4; %8*7 1 1 1 1 2 4 4; 2 2 2 2 4 5 5; 2 2 3 4 5 6 6; 2 2 3 4 5 6 6; 3 3 4 6 6 6 6; 4 4 6 7 7 7 7; 4 4 6 7 7 7 7 ]; % 离线计算模糊控制表CtlTable = FUN_CtlTable(uE,uEC,uU,Rule);% 变量初始化Ts = 0.001; % 采样时间 T = 0:Ts:30; % 总仿真时间 yref = 10*ones(1,length(T)); % 阶跃信号 E = 0; % 当前时刻的偏差 EC = 0; % 偏差变化率 E1 = 0; % 上一时刻的偏差EMAX = 4; % 输入E 的的论域为[-6,6] ECMAX = 1; % 输入EC 的的论域为[-6,6] UMAX = 4; % 输出U 的的论域为[-4,4] u = zeros(1,length(T)); % 控制器输出 y = zeros(1,length(T)); % 系统输出% 系统离散化sys=tf(20,[8,6,1]); % 被控对象传递函数dsys=c2d(sys,Ts,'tusin'); % 将系统从连续状态离散化[num,den]=tfdata(dsys,'v'); % 提取传递函数分子分母多项式系数% 模糊控制for k=3:length(T) % step1: 模糊化 NUM = size(uE,2);N = round(NUM/2-1); % 量化等级数为2N+1KE = EMAX/N; % 量化因子为1/KE,量化误差为KE/2KEC = ECMAX/N; % 量化因子为1/KECE = yref(k) - y(k-1);EC = (E-E1)/Ts;if E < -EMAXE = -EMAX;elseif E > EMAXE = EMAX;endif EC < -ECMAXEC = -ECMAX;elseif EC > ECMAXEC = ECMAX;endFuzzy_E = round(E/KE); % 模糊化Fuzzy_EC = round(EC/KEC);% step2,3：模糊推理u(k)=CtlTable(Fuzzy_E+N+1,Fuzzy_EC+N+1); % 在线查表求模糊控制量% step4：清晰化（解模糊）% 模糊集合变换为模糊论域上的清晰量; 再将模糊论域上的清晰量变换到实际论域u(k)=u(k)/N * UMAX; % 模糊控制器的输出u if u(k) < -UMAXu(k) = -UMAX;elseif u(k) > UMAXu(k) = UMAX;end% 模糊控制器输出u经过被控对象后的系统输出yy(k)=(-den(2)*y(k-1)-den(3)*y(k-2)+num(1)*u(k)+num(2)*u(k-1)+num(3)*u (k-2))/den(1);E1 = E;end% 绘图plot(T,yref,'k-.',T,y,'r:');hold on;%********************************************************% 模糊PID控制器设计%********************************************************clc;% 设课本P51页表2.4和P46页表2.3表示E,EC,KP,KI,KD的隶属度函数uE =[ 1.0 0.8 0.7 0.4 0.1 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0;0.2 0.7 1.0 0.7 0.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0;0.0 0.1 0.3 0.7 1.0 0.7 0.2 0.0 0.0 0.0 0.0 0.0 0.0;0.0 0.0 0.0 0.0 0.1 0.6 1.0 0.6 0.1 0.0 0.0 0.0 0.0;0.0 0.0 0.0 0.0 0.0 0.0 0.2 0.7 1.0 0.7 0.3 0.1 0.0;0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.2 0.7 1.0 0.7 0.3;0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.1 0.4 0.7 0.8 1.0 ];uEC =[ 1.0 0.7 0.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0;0.3 0.7 1.0 0.7 0.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0;0.0 0.0 0.3 0.7 1.0 0.7 0.3 0.0 0.0 0.0 0.0 0.0 0.0;0.0 0.0 0.0 0.0 0.3 0.7 1.0 0.7 0.3 0.0 0.0 0.0 0.0;0.0 0.0 0.0 0.0 0.0 0.0 0.3 0.7 1.0 0.7 0.3 0.0 0.0;0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.3 0.7 1.0 0.7 0.3;0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.3 0.7 1.0 ];uKP = uEC;uKI = uEC;uKD = uEC;% KP的模糊控制规则表Rule1 =[ 7 7 6 6 5 4 47 7 6 6 5 4 46 6 6 5 4 3 36 6 5 4 3 2 25 5 4 3 2 2 24 4 3 2 2 1 14 4 3 2 2 1 1 ];% KI的模糊控制规则表Rule2 =[ 1 1 2 2 3 4 41 12 234 42 2 2345 52 23456 63 3456 6 64 456 67 74 456 67 7];% KD的模糊控制规则表Rule3 =[ 5 3 1 1 1 2 55 3 1 2 2 3 44 3 2 2 3 3 44 3 3 3 3 3 44 4 4 4 4 4 47 3 5 5 5 5 77 6 6 6 5 5 7];% 离线计算模糊控制表CTL1 = FUN_CtlTable(uE,uEC,uKP,Rule1);CTL2 = FUN_CtlTable(uE,uEC,uKI,Rule2);CTL3 = FUN_CtlTable(uE,uEC,uKD,Rule3);% 变量初始化Ts = 0.001; % 采样时间T = 0:Ts:30; % 总仿真时间yref = 10*ones(1,length(T)); % 阶跃信号E = 0; % 当前时刻的偏差EC = 0; % 偏差变化率E1 = 0; % 上一时刻的偏差E2 = 0; % 上上时刻的偏差EMAX = 10; % 输入E的的论域为[-6,6]ECMAX = 10; % 输入EC的的论域为[-6,6]u = zeros(1,length(T)); % 控制器输出y = zeros(1,length(T)); % 系统输出KP = 0.001; % 初始PID值KI = 0.001;KD = 0.001;% 系统离散化sys=tf(20,[8,6,1]); % 被控对象传递函数dsys=c2d(sys,Ts,'tusin'); % 将系统从连续状态离散化[num,den]=tfdata(dsys,'v'); % 从被控对象中提取传递函数分子分母多项式系数% 模糊PID控制for k=3:length(T)% step1: 模糊化NUM = size(uE,2);N = round(NUM/2-1); % 量化等级数为2N+1KE = EMAX/N; % 量化因子为1/KEKEC = ECMAX/N; % 量化因子为1/KECE = yref(k) - y(k-1);EC = (E-E1)/Ts;if E < -EMAXE = -EMAX;elseif E > EMAXE = EMAX;endif EC < -ECMAXEC = -ECMAX;elseif EC > ECMAXEC = ECMAX;endFuzzy_E = round(E/KE); % 模糊化Fuzzy_EC = round(EC/KEC);% step2、3：模糊推理dKP = CTL1(Fuzzy_E+N+1, Fuzzy_EC+N+1); % 查表求模糊控制量dKI = CTL2(Fuzzy_E+N+1, Fuzzy_EC+N+1);dKD = CTL3(Fuzzy_E+N+1, Fuzzy_EC+N+1);% step4：清晰化（解模糊）dKP = (dKP/N+1)/2 * 2;dKI = (dKI/N+1)/2 * 0.0002;dKD = (dKD/N+1)/2 * 0.0002;% PID算法du = dKP*(E-E1) + dKI*E + dKD*(E+E2);u(k) = u(k-1) + du;% 模糊控制器输出u经过被控对象后系统输出yy(k)=(-den(2)*y(k-1)-den(3)*y(k-2)+num(1)*u(k)+num(2)*u(k-1)+num(3)*u (k-2))/den(1);E2 = E1;E1 = E;end% 绘图plot(T,y,'b');axis([0 30 0 12]);title('模糊控制器与模糊PID控制器比较');xlabel('t');ylabel('y');legend('期望输出','模糊控制器系统输出','模糊PID控制器系统输出');hold off;Grid各子函数程序为：function [ CtlTable ] = FUN_CtlTable( A,B,C,RULE )% A、B、C为语言变量x、y、z的各模糊集合的隶属度函数% RULE为模糊控制规则表% CtlTable为输出控制表%******************************************************% 变量预定义%******************************************************num1 = size(A,2); % 量化等级数[rm,rn] = size(RULE);numR = rm*rn; % 总规则数Rac{numR} = []; % 预先分配一个大小为56个单元的元胞数组Rbc{numR} = []; % 元胞数组的每个单元用于存放Ai→Ci的蕴含关系（13阶方阵）CtlTable(num1,num1) = 0; % 预先分配一个num1*num1的矩阵，用于存放控制表%******************************************************% 计算规则模糊矩阵%******************************************************% Ai x Bi → Ci 等效为 (Ai→Ci)∩(Bi→Ci) ,（i=1,2,...,numR）% Ai→Ci 的模糊蕴含关系表示为矩阵 Rac{i}% Bi→Ci 的模糊蕴含关系表示为矩阵 Rbc{i}for ia=1:size(A,1)for ib=1:size(B,1)i=size(B,1)*(ia-1)+ib; % 第i条规则ic=RULE(ia,ib); % 第i条规则中Ci对应的模糊集合Rac{i} = FUN_YUNHAN( A(ia,:) , C(ic,:) ); % 求 Ai→Ci 的模糊蕴含关系Rbc{i} = FUN_YUNHAN( B(ib,:) , C(ic,:) ); % 求 Bi→Ci 的模糊蕴含关系endend%******************************************************% 计算模糊控制表%******************************************************for ix=1:num1 % 表示x取值[-6,6]for iy=1:num1 % 表示y取值[-6,6]C(1:num1) = 0;for i=1:numRCiA = Rac{i}(ix,:);CiB = Rbc{i}(iy,:);Ci = FUN_AND( CiA , CiB );C = FUN_OR ( C , Ci );endCtlTable(ix,iy) = sum(C.*((1:num1)-round(num1/2)))/sum(C);endendCtlTable = round(CtlTable.*100000000)/100000000; %对控制量保留小数点后4位endfunction Z = FUN_AND( X , Y )% X,Y 为长度相等的两个向量 % NX: X 向量的长度 % NY: Y 向量的长度 % Z ： X ∩YNX = length(X); NY = length(Y); if NX~=NYerror('X 与Y 的维数不一致'); endZ(NX) = 0; for i = 1:NXZ(i) = min( X(i),Y(i) ); end endfunction Z = FUN_OR( X , Y ) % X,Y 为长度相等的两个向量 % NX: X 向量的长度 % NY: Y 向量的长度 % Z ： X ∪YNX = length(X); NY = length(Y); if NX~=NYerror('X 与Y 的维数不一致'); endZ(NX) = 0; for i = 1:NXZ(i) = max( X(i),Y(i) ); end endfunction Z = FUN_YUNHAN( X , Y ) % X,Y 均为一维行向量或列向量 % NX: X 向量的长度 % NY: Y 向量的长度% Z ： X →Y 的蕴含关系（NX x NY 的矩阵） NX = length(X); NY = length(Y); Z(NX,NY) = 0; for i = 1:NX for j = 1:NYZ(i,j) = min( X(i),Y(j) ); end end End程序运行结果为：51015202530024681012模糊控制器与模糊PID 控制器比较ty期望输出模糊控制器系统输出模糊PID 控制器系统输出图1 模糊控制器及模糊PID 控制器下系统的输出模糊控制器设计分析：1、量化因子的大小对控制系统的动态性能影响较大。