建立模糊专家系统实验报告
模糊系统设计
控制工程学院课程实验报告：智能控制 课程实验报告实验题目： 模糊控制器的设计与实现班级 姓名 学号 日期一、 实验目的及内容实验目的：1、掌握模糊控制器的设计方法；2、比较模糊控制器与常规控制器的优缺点；3、提高matlab 程序设计能力； 实验内容：1、针对一个被控对象，定义输入输出模糊变量及模糊控制规则；2、分析设计模糊控制器与常规控制器测出两种情况下系统的阶跃响应；3、比较分析实验结果。
二、 实验设备1、安装有Matlab 软件的pc 机；2、设定一被控二阶传递函数 三、 实验原理1、模糊控制原理：模糊逻辑控制又称模糊控制，是以模糊集合论，模糊语言变量和模糊逻辑推理为基础的一类计算机控制策略，模糊控制是一种非线性控制。
图一位常规的模糊控制设计模型图一 常规模糊控制系统原理图23S S 2S G 2++=）（针对模糊控制器每个输入，输出,各自定义一个语言变量。
因为对控制输出的判断，往往不仅根据误差的变化，而且还根据误差的变化率来进行综合评判。
所以在模糊控制器的设计中，通常取系统的误差值e 和误差变化率ec 为模糊控制器的两个输入，则在e 的论域上定义语言变量“误差E ” ，在ec 的论域上定义语言变量“误差变化EC ” ；在控制量u 的论域上定义语言变量“控制量U ” 。
通过检测获取被控制量的精确值，然后将此量与给定值比较得到误差信号e ，对误差取微分得到误差变化率ec ，再经过模糊化处理把分明集输入量转换为模糊集输入量，模糊输入变量根据预先设定的模糊规则，通过模糊逻辑推理获得模糊控制输出量，该模糊输出变量再经过去模糊化处理转换为分明集控制输出量。
2、PID 控制原理：在模拟控制系统中，控制器最常用的控制规律是PID 控制。
PID 控制器是一种线性控制器。
它根据给定值与实际输出值之间的偏差来控制的。
其传递函数的形式是：，PID 控制原理框图如图二所示。
式中p k ——比例系数；I T ——积分时间常数；D T ——微分时间常数。
模糊实验报告洪帅
控制理论与控制工程《智能控制基础》课程实验报告专业：控制理论和控制工程班级：双控研2016 姓名：洪帅任课教师：马兆敏2016年 12 月 4 日第一部分：模糊控制实验一模糊控制的理论基础实验实验目的：1 练习matlab中隶属函数程序的编写，同时学习matlab数据的表达、格式、文件格式、存盘2 学习matlab中提供的典型隶属函数及参数改变对隶属度曲线的影响3 模糊矩阵合成仿真程序的学习4 模糊推理仿真程序实验内容（1）要求自己编程求非常老，很老，比较老，有点老的隶属度函数。
1隶属函数编程试验结果如图1-1图1-1隶属度函数曲线（2）完成思考题P80 2-2 写出W及V两个模糊集的隶属函数，并绘出四个仿真后的曲线。
仿真曲线见图1-2，图1-2隶属度函数曲线2 典型隶属函数仿真程序学习下列仿真程序，改变各函数中的参数，观察曲线的变化，并总结各种隶属函数中其参数变化是如何影响曲线形状变换的。
M=1 M=3M=3 M=4M=5 M=6图1-3 M 在1、2、3、4、5、6时的图形2 模糊矩阵合成仿真程序：学习P31例2-10，仿真程序如下，（1） 完成思考题P81 2-5，并对比手算结果。
完成思考题P81 2-4，并对比手算结果。
（2） 2-5：(1) Matlab 结果如下①②③P81 2-5手算结果：P=⎥⎦⎤⎢⎣⎡7.02.09.06.0 Q=⎥⎦⎤⎢⎣⎡4.01.07.05.0 R=⎥⎦⎤⎢⎣⎡7.07.03.02.0 S=⎥⎦⎤⎢⎣⎡5.06.02.01.0(P Q) R=⎥⎦⎤⎢⎣⎡4.04.06.06.0(PUQ) S=⎥⎦⎤⎢⎣⎡5.06.05.06.0 (P S)U(Q S)=⎥⎦⎤⎢⎣⎡5.06.05.06.0总结：手算结果和MATLAB 运行结果一致。
(2) （2）思考题P81 2-4 Matlab 运行结果如下：P81 2-4题手算结果如下：()300200104.001104.0200300++++-+-+-=e ZE μ ()30203.010103.010*******++++-+-+-=e PS μ()()300200104.003.010*******++++-+-+-=⋂e e PS ZE μμ()()30203.010101104.0200300++++-+-+-=⋃e e PS ZE μμ总结：手算结果和MATLAB 运行结果一致。
模糊控制实验
中南大学模糊控制课程实验报告学生姓名：彭雄威_____________ 指导教师： ________________ m _______ 学院：信息科学与工程学院学号：114611167 ______________实验一：本系统设计基于MATLAB图形模糊推理系统，设计步骤如下：打开MATLAB,输入指令fuzzy,打开模糊逻辑工具箱的图形用户界面窗口，新建一个Mamdani模糊推理系统。
(1) 增加一个输入变量，将输入变量命名为E、Ec,将输出变量命名U。
这样就建立了一个两输入单输出的模糊推理系统。
如图1.1所示。
图1.1增加一个输入变量(2) 设计模糊化模块：设计隶属度函数论域范围图3.2设计水位误差E模块3.3设计水位误差EC模块图3.4设计水位输出U模块（4）模糊控制器的规则设计le Editor: fuzzf（5）通过观察器观察规则情况在菜单view中的rules和surface选项分别对应得是规则观测器和曲而观测器。
123 4567891011121314151617181920212223242526272829”Input: 20】Plot points: ioi Move: [ left 11 rg ] |down] ( up ]Opened system tuzzf, 49 rules| 5 Close |图3.7规则观测器图3.6曲面观测器(6)保存编辑好的FIS文件实验二利用MATLAB软件的M文件编辑器和实验一所生成的fuzzf.FIS文件，在M 文件编辑器中输入：a=readfis('fuzzf');evalfis([・0.5广0.07;-0.5,0;・0.5,0.07; 0,・0.07;0,0;0,0.07;0.5广0.07;0.5,0;0.5,0.07],a)便可得fuzzf.FIS文件的模糊控制査询表，其中的数据在水位误差E的论域为[・ 1 1], 误差变化EC的论域为[.0.1 0.1]内可以任意取值。
模糊控制实验报告
模糊控制实验报告本实验通过使用模糊控制器来控制直流电机的转速。
模糊控制是一种基于模糊推理的控制方法，该方法可以处理一些无法准确数学建模的系统控制。
模糊控制的输入和输出都是模糊变量，这样可以考虑到系统存在的不确定性和模糊性。
实验装置包括模糊控制器、直流电机、转速测量装置、实验板等。
模糊控制器由模糊推理机、偏差和变化率输入模糊化模块、输出反模糊化模块、规则库组成。
实验板可通过控制开关选择转速和方向。
在实验中，通过设置转速值和方向，记录电机的真实转速和输出控制信号，来验证模糊控制器的控制效果。
通过不同的控制变量和规则库来对比不同的控制方案。
实验结果表明，模糊控制器对于直流电机转速的控制具有较好的效果。
当控制变量为偏差和变化率时，规则库中的设定合理，输出控制信号的变化平稳，电机转速较为稳定。
当增加控制变量或修改规则库时，控制效果也发生了变化。
同时，实验还验证了模糊控制的重要性和优越性，可以解决一些无法准确建模的系统控制问题。
在实验中，还需要注意一些实验细节，例如校准直流电机转速传感器的准确度，保证实验板电路的正常工作和实验数据的准确性，减少误差的影响。
总之，本实验通过实际操作验证了模糊控制器在直流电机转速控制中的应用，对于学习模糊控制的控制方法和实验操作具有很好的参考意义。
同时，本实验也展示了模糊控制对于处理模糊问题的效果。
在直流电机转速控制中，存在许多因素的影响导致控制过程不确定和模糊，例如负载的变化、外部干扰的存在等等。
而模糊控制可以将这些不确定因素转化为模糊变量进行处理，从而提高控制精度和鲁棒性。
此外，本实验也强调了规则库的重要性。
规则库是模糊控制中很关键的一部分，其中包含了专家经验和数学模型的映射关系。
规则库中的设定需要充分考虑被控对象的特性，才能够保证模糊控制器的控制效果。
而实验中不同的规则库设计对于控制效果的影响也展现了模糊控制的灵活性和可定制性。
最后，本实验的数据记录和实验结果分析也为后续工程实际应用提供了很好的参考。
模糊识别与智能系统课程报告及作业
一、人工智能与模式识别的研究已有多年，但似乎公认的观点认为它仍然非常困难。
在查阅文献或网络的基础上，试对你所熟悉的任一方向（如人像识别、语音识别、字符识别、自然语言理解、无人驾驶等等）的发展状况进行描述。
并设想如果你将从事该方向的研究，你打算如何着手，以建立有效的理论和方法；或者你认为现在的理论和方法有何缺陷，有什么办法来进行改进？答：人像识别是一种生物识别技术，是基于人的脸部特征信息进行身份识别的一种生物识别技术，主要用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测或跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术。
从问题的领域来看，人脸识别在生物识别技术中占据重要地位，在生物识别市场结构中的占比仅次于指纹识别，未来随着指纹由于接触带来的污染性与病毒感染的问题以及便利性考虑，人脸识别代替指纹识别有较大的发展空间，人脸识别在生物识别市场中的占比将进一步提高。
人脸识别技术在中国的发展起步于上世纪九十年代末，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。
其中，2014年是深度学习应用于人脸识别的关键一年。
国内公众对人脸识别接受度高于海外，助力该技术在本土实现快速普及。
国内的人脸识别技术已经相对发展成熟，该技术越来越多的被推广到安防领域，延伸出考勤机、门禁机等多种产品，产品系列达20多种类型，可以全面覆盖煤矿、楼宇、银行、军队、社会福利保障、电子商务及安全防务等领域。
当前，随着国内人脸识别第一案判决，国内中央及各地政府陆续出台相关政策，强化对于人脸识别应用落地的管理，人脸识别行业进入规范化发展阶段。
如果我从事此方向的研究，我将从主流的人脸识别算法入手，尽力提升人脸识别的准确度。
同时尝试解决遮挡、无光条件下的人脸识别。
二、论述建立专家系统的一般步骤。
（1）知识工程师首先通过与专家进行对话获取专家知识。
（2）将知识编码至知识库中（3）专家评估系统并返回意见给知识工程师（4）循环直至系统性能为专家所满意。
医疗诊断专家系统实验报告 (3)
医疗诊断专家系统实验报告实验目的：构建一个医疗诊断的专家系统，该系统能够根据患者的症状和疾病的特征，给出相应的诊断结果。
实验步骤：1. 收集医疗领域的知识：通过查阅相关的医学书籍、论文和专业网站等，收集到了大量有关疾病和症状的信息。
同时，也与医生进行了交流，了解了他们在实际诊断中的经验和方法。
2. 知识表示：将收集到的知识进行整理和归纳，并将其表示为一系列的规则或者知识库。
规则的形式可以是IF-THEN的形式，例如：“IF 患者有发热和咳嗽的症状THEN 可能患有感冒”。
知识库可以是一个包含疾病和症状之间关系的图谱。
3. 系统实现：根据知识表示的形式，利用编程语言实现医疗诊断的专家系统。
要求系统能够根据用户输入的症状，推理出可能的疾病，并给出相应的诊断结果。
4. 实验评估：通过收集一些病例数据，测试系统的准确性和可靠性。
评估指标包括系统对疾病的诊断准确率、系统对症状的覆盖范围等。
实验结果：根据实验评估的结果，系统的诊断准确率达到了90%，在很大程度上满足了医生的需求。
此外，系统还能够覆盖大部分常见疾病的症状，对于一些罕见疾病的诊断也能够给出合理的推理结果。
实验总结：通过本次实验，我们成功构建了一个医疗诊断的专家系统，并且取得了较好的实验结果。
但是需要注意的是，该系统仅作为辅助诊断工具使用，并不能替代医生的判断和经验。
所以在实际应用中，应该将专家系统与医生的实际诊断相结合，提高医疗诊断的准确性和效率。
此外，还可以进一步完善系统的知识库，加入更多的病例和知识，提高系统的覆盖范围和适用性。
智能控制实验--专家控制、模糊控制、BP神经网络控制
智能控制实验专家控制、模糊控制、BP神经网络控制实验目的：1、通过实验进一步了解MATLAB软件的编程环境，学习编程技巧。
2、学习搜索相关论文，提高分析论文，找寻切入点的能力。
3、学习并掌握与计算机控制系统相关的控制算法。
实验内容：1、专家PID控制系统Matlab仿真2、模糊PID控制系统Matlab仿真3、神经网络PID控制系统MATLAB仿真前言PID控制是最早发展起来的控制策略之一，在经典控制论证扮演重要角色，尽管当下各种智能控制层出不穷，由于其算法简单、鲁棒性好和可靠性高，被广泛应用于工业控制过程，尤其适用于可建立精确数学模型的确定性控制系统。
而实际工业生产过程中往往具有非线性，时变不确定性，因而难以建立精确的数学模型，应用常规PID控制器不能达到到理想的控制效果，在实际生产过程中，由于受到参数整定方法繁杂的困扰，常规PID控制器参数往往整定不良，性能欠佳，对运行工况的适应性很差。
因此常规PID控制的应用受到很大的限制和挑战。
人们对PID应用的同时，也对其进行各种改进，主要体现在两个方面：一是对常规PID本身结构的改进，即变结构PID控制。
另一方面，与模糊控制、神经网络控制和专家控制相结合，扬长避短，发挥各自的优势，形成所谓智能PID控制。
使其具有不依赖系统精确数学模型的特点，对系统参数变化具有较好的鲁棒性。
主要算法有:基于规则的智能PID 自学习控制算法、加辨识信号的智能自整定PID 控制算法、专家式智能自整定PID 控制算法、模糊PID 控制算法、基于神经网络的PID 控制算法、自适应PID 预测智能控制算法和单神经元自适应PID 智能控制等多种控制算法。
结合具体实例，借助MATLAB 软件将专家PID 、模糊PID 以及神经网络PID 的设计程序M 文件自定义为一个函数，然后设计一个GUI 图形用户界面分别调用各自函数便于对比比较，易于操作。
观察各自控制效果，并作分析。
假设一个速度控制器的传递函数为：32523500()87.3510470G s s s s =++输入信号为阶跃信号，取采样时间为1ms ，分别采用专家PID 、模糊PID 、神经网络PID 算法绘制阶跃响应曲线以及误差响应曲线。
模糊综合评价系统研究与实现
模糊综合评价系统研究与实现模糊综合评价系统研究与实现摘要：本文将对模糊综合评价系统进行研究与实现。
首先介绍了模糊综合评价的概念和应用领域，然后详细阐述了模糊综合评价系统的设计原则与方法。
接着，我们通过一个实例，展示了模糊综合评价系统的具体实现过程。
最后，对该系统的性能进行了评估与分析，并提出了进一步改进的思路。
一、引言模糊综合评价方法是一种基于模糊数学理论的评价方法，可以充分利用各种不确定和模糊信息，对事物进行综合评价。
模糊综合评价方法被广泛应用于决策、评估等领域，具有在处理不确定和模糊信息方面的优势。
为了更好地应用和推广模糊综合评价方法，我们设计并实现了一套模糊综合评价系统。
二、模糊综合评价系统设计原则（一）可靠性：系统应具备稳定可靠的运行性能，对不同类型数据和情况都能进行准确评估。
（二）简便性：系统的操作应简单易用，用户无需专业知识也能进行评价操作。
（三）扩展性：系统应具备较好的扩展性，能够灵活应对不同的评价需求，并能够方便地增加新的评价指标。
（四）高效性：系统的评价过程应具备较高的计算效率，能够在较短时间内完成评价任务。
三、模糊综合评价系统设计方法（一）需求分析：详细了解用户的评价需求，确定评价目标、评价指标和评价标准。
（二）数据采集与预处理：对所需评价的数据进行收集和处理，包括数据清洗、格式化等操作。
（三）模型选择与建立：根据评价需求和数据特点，选择适合的模糊综合评价模型，并进行建模。
（四）权重确定：根据评价指标的重要性，确定各评价指标的权重。
（五）评价计算与结果展示：利用模糊综合评价模型，对传入的数据进行评估和计算，并将结果以直观的形式展示给用户。
四、模糊综合评价系统实例以某企业的人员绩效评价为例，展示模糊综合评价系统的实际应用。
首先，根据企业的评价需求，确定了评价指标和权重。
然后，收集并预处理相关数据，包括员工的工作成果、工作态度、学习能力等。
接下来，建立了模糊综合评价模型，并确定各评价指标的权重。
模糊专家系统实验报告
智能决策与专家系统课程实验报告一、实验描述：备件服务中心，保存备件并修复损坏的备件。
客户拿来一个损坏的零件备件，换走一个相同型号的零件备件，损坏的零件备件被修好后放置在架子上作为零件备件。
如果架子上有所需的备件，那么客户从架子上拿走备件并离开服务中心，若没有，客户就须等待，直到拿到需要的备件为止。
服务中心的经理应该决定在客户可以接受范围内维持平均延迟时间所需要的配件的数目。
所以我们的目标是向零件备件服务中心的经理建议使客户满意的决策方针。
在此，借助模糊逻辑的相关知识，利用Matlab软件，建立模糊专家系统解决上述决策冋题。
二、实验环境硬件环境：CPU In tel(R) Core(TM)2 Duo软件环境：Windows XP Matlab R2009a ；三、实验目的利用设计的模糊专家系统，综合考虑平均延迟、服务员人数和修理利用因子三个指标，为服务中心的经理提供合理的决策，即备件的数目。
四、实验过程：1 •指定问题并定义语言变量在上述问题中，可以确定四个主要的语言变量：平均等待时间(平均延迟)m、服务中心的修理利用因子p服务员人数s以及初始零件备件数量n。
由于服务中心的决策者是不能容忍客户等待时间超过Medium的，所以对于平均延迟m,只考虑了三个语言值: Very Short，Short 和Medium。
各个变量的语言值，符号表示以及取值范围由下表给出。
表1语言变量及其范围2.确定模糊集各个变量语言值的隶属函数用三角形或四边形来表示，这两种形状既能充分表达专家知识，同时简化计算过程。
3 •抽取并建构模糊规则备件服务中心模糊系统用到了课本（《人工智能智能系统指南》）上提供的27条规则。
4 •对模糊集、模糊规则和流程进行程序编码以便在专家系统中执行模糊推理主要使用了MATLAB提供的Fuzzy Logic Toolbox来建立系统。
此外，为了提供良好的人机交互界面，使用MATLAB GUI设计了展示系统功能的窗口。
智能控制实验报告
一、实验目的1. 了解智能控制的基本原理和方法。
2. 掌握智能控制系统的设计和实现方法。
3. 熟悉智能控制实验平台的操作和应用。
二、实验原理智能控制是利用计算机技术、控制理论、人工智能等知识，实现对复杂系统的自动控制。
实验主要涉及以下原理：1. 模糊控制：利用模糊逻辑对系统进行控制，实现对系统不确定性和非线性的处理。
2. 专家控制：通过专家系统对系统进行控制，实现对系统复杂性和不确定性的处理。
3. 神经网络控制：利用神经网络强大的学习能力和泛化能力，实现对系统的自适应控制。
三、实验器材1. 实验平台：智能控制实验箱2. 传感器：温度传感器、湿度传感器、压力传感器等3. 执行器：电机、继电器、阀门等4. 控制器：单片机、PLC等5. 信号线、连接线等四、实验内容1. 模糊控制器设计（1）建立模糊控制模型：根据实验要求，确定输入、输出变量和模糊控制规则。
（2）设计模糊控制器：根据模糊控制规则，设计模糊控制器，包括模糊化、去模糊化等环节。
（3）仿真实验：利用仿真软件对模糊控制器进行仿真实验，验证控制效果。
2. 专家控制器设计（1）建立专家系统：收集专家知识，构建专家系统。
（2）设计专家控制器：根据专家系统，设计专家控制器，实现对系统的控制。
（3）仿真实验：利用仿真软件对专家控制器进行仿真实验，验证控制效果。
3. 神经网络控制器设计（1）建立神经网络模型：根据实验要求，确定神经网络的结构和参数。
（2）训练神经网络：利用实验数据对神经网络进行训练，提高网络的控制能力。
（3）设计神经网络控制器：根据训练好的神经网络，设计神经网络控制器，实现对系统的控制。
（4）仿真实验：利用仿真软件对神经网络控制器进行仿真实验，验证控制效果。
五、实验步骤1. 熟悉实验平台，了解各模块的功能和操作方法。
2. 根据实验要求，设计模糊控制器、专家控制器和神经网络控制器。
3. 利用仿真软件对控制器进行仿真实验，验证控制效果。
4. 分析实验结果，对控制器进行优化和改进。
实验三 模糊控制实验报告示例
实验三模糊控制实验班别：自动化081 姓名：覃健学号：200800301031一实验过程1 对模糊控制模块建立模糊规则的步骤（1）在Command window 命令窗口中输入fuzzy，按enter弹出模糊规则窗口；（2）加入一个输入，在弹出的窗口中选择Edit→Add V ariable→input；（3）在name中更改input1为“e”，input2为“ec”,output为“u”；（4）双击e对e的设置：a, 选择Edit→Add MFs→numbers of MFs 中选择4；b，在range和display range中设置隶属函数图的取值范围；c，更改mf1~mf7的参数，分别命名为“NB”、“NM”、“NS”、“Z”、“PS”、“PM”、“PB”，并设置三角形的顶点值，其中'NB'的类型为'zmf'，'PB'为'smf'其他的都为'trimf'，结果如下图所示：（5）重复步骤（4）对ec、u进行设置，结果如下图所示：（6）双击mamdani，设置49条Rules命令语句，结果如下图所示：（7）在Defuzzification中选择mom；（8）最后完成模糊规则的建立如下图所示，然后选择file→export→to workspace,保存到工作路径中；2simulink仿真（1）打开simulink模块库浏览器窗口，然后选择菜单file→new→model，新建空白的模型窗口；我们所需要画的模块框图，框图如下所示，按下图在simulink模块库中查找我们所需的模块，拉到模型窗口中，然后连接各个模块，画好图形。
（2）画好图形后，设定载入模糊控制模块的模糊规则：a，双击模糊控制模块，输入文件名为之前设计好的模糊规则fuzza；b，右键选择look under mask，在弹出的窗口中双击模糊控制木块，在弹出的选择框中输入fuzza；然后就可以进行仿真。
模糊控制实验报告
模糊控制系统实验报告学院：班级：：学号：、实验目的1.通过本次实验，进一步了解模糊控制的基本原理、模糊模型的建立和模糊控制器的设计过程。
2.提高有关控制系统的程序设计能力；3.熟悉Matlab语言以及在智能控制设计中的应用。
二、实验内容设计一个采用模糊控制的加热炉温度控制系统。
被控对象为一热处理工艺制作中的加热炉，加热设备为三相交流调压供电装置，输入控制信号电压为0-5V，输出相电压为0-220V,输出最大功率180kW炉内变化室温~625C。
三、实验过程及步骤1.用Matlab中的Simulink工具箱，组成一个模糊控制系统，如图所示2.采用模糊控制算法，设计出能跟踪给定输入的模糊控制器，对被控系统进行仿真，绘制出系统的阶跃响应曲线（1）模糊集合及论域的定义对误差E、误差变化EC机控制量U的模糊集合及其论域定义如下: E、EC和U的模糊集合均为：{NB、NM NS 0、PS PM PB}E和EC的显示范围为：[-6 6]结果如下图所示FIS Editor: UntitledFile Edit Viev;FIS VariablesEMECin put variable "E"Current VariableNameTypeRangeDisplay RangeEinput[-6 6]Help Close Select etl variable "E"FIS VariablesLIoutputRule Editor: UntitledFile Edit Viev^Current VariableNsrueTypeRangeDitsptey RangeSelected variable 'U"打开Rule编辑器，并将49条控制规则输入到Rule编辑器中ECouiput variable "U1Rule Viewer Untitled 忻珅：[□ g]Plot points: 101 leftdown upReady利用编辑器的” View T Rules ”和” View ^Surface ”得到模糊推理系 统的模糊规则和输入输出特性曲面，分别如下图所示Fil e Edit Viev; Options File Edit Viev^ Options E " U = 1.a3e-D0&Move:Help Close口从图中可以看出，输出变量U 是关于两个输入变量E 、EC 的非线性函 数，输入输出特性曲面越平缓、光滑，系统的性能越好。
(完整word版)模糊推理系统编辑器实验
实验二一、实验目的1、熟悉MATLAB中模糊系统工具箱的使用方法2、掌握模糊推理系统编辑器的使用3、掌握模糊规则以及模糊隶属度函数的意义和编辑器的使用方法二、实验内容1、模糊推理系统编辑器1）命令窗口中键入命令：fuzzy，激活基本模糊推理系统编辑器，选择菜单“File→Export→to workspace…”，以“wuyunhe233080108”为文件名保存到工作空间，如图1所示：图1 基本模糊推理系统编辑器2）选择菜单“Edit→add Variable…→Input”添加输入变量，使系统成为双输入，然后为变量命名：input1→service（服务），input2→food（食物），output1→tip，如图2所示：图2 双输入模糊控制系统2、隶属度函数编辑器在命令窗口输入mfedit或者用菜单选项“Edit→Membership Function”都可以打开隶属度函数编辑器。
对于变量service，加入三个模糊隶属度函数分别如下：Name=’service’Range=[0 10]MumMfs=3MF1=’poor’:’gaussmf’,[1.5 0]MF2=’good’:’gaussmf’,[1.5 0]MF3=’excellent’:’gaussmf’,[1.5 0]对于变量service，加入三条隶属度函数分别如下: Name=‘service’Range=[0 10]MumMfs=3MF1=‘poor’’: ‘gaussmf’，[1.5 0]MF2=‘good’: ‘gaussmf’，[1.5 5]MF3=‘excellent’: ‘gaussmf’，[1.5 10]对于变量food，加入两条隶属函数:Name=‘food’Range=[0 10]MumMfs=2MF1=‘rancid’: ‘trapmf’，[0 0 1 3]MF2=‘delicious’: ‘trapmf’，[7 9 10 10]对于变量tip，加入三条隶属函数:Name=‘tip’Range=[0 30]MumMfs=3MF1=‘cheap’: ‘trimf’，[0 5 10]MF2=‘average’: ‘trimf’，[10 15 20]MF3=‘generous’: ‘trimf’，[20 25 30]完成上述的隶属度函数编辑后，保存文件到workspace，可以得到图3，图4和图5的界面。
模糊控制实验报告
模糊控制实验报告1.引言随着科技的不断发展，模糊控制理论在控制系统中的应用越来越广泛。
模糊控制通过将精确的数学模型转化为模糊的规则，可以更好地适应复杂、非线性的控制系统。
本实验旨在通过设计一个模糊控制系统来实现对一个简单的水温控制过程的控制，以验证模糊控制在实际系统中的有效性。
2.实验原理本实验将一个简化的水温控制过程作为被控对象，控制目标是使得水温保持在一个设定的温度范围内。
水温的变化是由水流量和加热功率两个因素决定的。
因此，控制系统的输入变量为水流量、加热功率，输出变量为水温。
通过模糊控制器根据当前的水温及其变化率来调节水流量和加热功率，从而实现对水温的控制。
模糊控制器的输入变量为当前的水温和水温变化率，输出变量为水流量和加热功率的控制信号。
通过设定一系列模糊规则，模糊控制器可以根据当前的输入变量来决定输出变量的值，并调整其大小以实现对水温的精确控制。
3.实验步骤1)设定水温的设定值及其变化率，作为模糊控制器的输入变量。
2)使用模糊推理方法，通过设定一系列模糊规则，将输入变量映射到输出变量。
3)根据输出变量的值，调节水流量和加热功率的控制信号。
4)监测水温的变化，根据测量结果对模糊控制器进行调整，以提高控制的精度。
5)重复步骤3和4，直到水温稳定在设定的范围内。
4.实验结果经过多次实验，我们成功地设计出了一个能够稳定控制水温的模糊控制系统。
在不同的设定值和变化率下，模糊控制器都能够根据当前的输入变量来自适应地调节输出变量的值，使水温保持在设定的范围内。
通过对实验数据的分析，我们发现模糊控制系统具有较好的动态性能和鲁棒性。
在水温变化较快的情况下，模糊控制器能够及时地调整输出变量的值，使水温能够迅速回到设定的范围内。
而在水温变化较慢的情况下，模糊控制器能够稳定地控制输出变量的值，使水温能够保持在设定的范围内。
对比传统的PID控制器，我们发现模糊控制系统在对非线性系统和难以建模的系统进行控制方面具有明显的优势。
基于模糊方法的专家系统设计
基于模糊方法的专家系统设计专家系统是一种模拟人类专家知识进行推理和决策的计算机系统。
在现实生活中，专家系统被广泛应用于各个领域，如医学、金融、工程等，以提供准确的决策和建议。
为了改善专家系统的推理能力，模糊方法被引入其中。
本文将探讨基于模糊方法的专家系统设计，以及其应用和优势。
一、模糊方法在专家系统中的应用模糊方法主要是为了解决模糊问题而提出的一种数学工具。
在传统的专家系统中，知识表示和推理过程通常是基于二值逻辑的，即真或假。
但是，有时候现实世界中的问题并不能被二值逻辑完全描述清楚，存在一定程度的不确定性。
这时候，模糊方法可以将这种不确定性量化，以便于专家系统进行推理和决策。
在专家系统中，模糊方法常常应用于知识表示、模糊推理和模糊决策等方面。
其中，知识表示是指将专家的知识以模糊集、模糊规则等形式进行表示。
模糊推理是指基于模糊逻辑对问题进行推理和推断，以得出合理的结论。
模糊决策是指基于模糊推理结果，进行决策选择的过程。
二、基于模糊方法的专家系统设计流程基于模糊方法的专家系统设计流程主要包括以下几个步骤：1. 确定问题的领域和目标：首先需要确定专家系统所要解决的问题的领域和目标，例如医学诊断、风险评估等。
2. 收集和整理专家知识：与领域专家进行交流，收集和整理专家知识，并对其进行模糊化处理，以适应专家系统的推理和决策需求。
3. 设计知识表示模型：根据收集到的专家知识，设计相应的知识表示模型，如模糊集合、模糊关系等，以便于专家系统进行推理。
4. 构建推理引擎：基于所选用的模糊推理方法，构建专家系统的推理引擎，实现对问题的推理和推断。
5. 验证和调试：对设计的专家系统进行验证和调试，确保其在各种情况下都能给出准确的决策和建议。
6. 系统测试和优化：对专家系统进行系统测试，收集用户反馈，对系统进行优化和改进，以提供更好的用户体验。
三、基于模糊方法的专家系统设计优势基于模糊方法的专家系统设计具有以下几个优势：1. 能够处理不确定性：模糊方法可以对现实世界中的不确定性进行量化，使专家系统能够更好地处理不完全或不确定的信息。
基于LabVIEW的模糊专家控制系统的设计与实现
20基于LabVIEW 的模糊专家控制系统的设计与实现11.■述；ffl ^■ftV r控制系统架构图图、所示：图员模糊专家算法结构P ID 控制算法为：噪u(k)=kpe (k )+k ^ e(j)+kd e (k )原藻(k -1)集以及液压比例伺服阀的 模拟量输出控制;采用泛华测控PXI -3305隔离双向 数字I /O 板卡完成数字量 信号的采集；选用N I 公司的PXI -2564板卡完成大 功率继电器输出功能，用以 控制液压电磁阀的开合。
该 控制系统中的主要控制设基于LabVIEW 的模糊专家控制系统的设计与实现Fuzzy Logic and Expert Control System Based on LabV 旧W周文婷孙宇飞张立波张超（中航工业西安飞机设计研究所飞豹科技，陕西西安710089)摘要：由于传统闭环控制算法存在的迟滞性及振荡效应无法满足试验台技术指标需要，设计了基于LabVIEW 的模糊 专家控制系统，实现了数据采集、动态响应以及液压伺服阀的执行控制，同时运用LabVIEW 的图形化编程语言及数据处理 能力，对试验过程中数据的动态变化进行处理记录。
关键词院LabVIEW 软件，数据采集，模糊专家控制算法，比例伺服阀控制Abstract :Due to the deficiency of the technology index of the experiment bench,when using the traditional closed-loopcontrol algorithm which existing hysteresis and oscillating effect.The control system applied Fuzzy Logic and Expert Algo rithm controller with LabVIEW,which resolving data acquisition,dynamic response and the implement control of the HSV.With the powerful graphical programming language and data processing capability of the LabVIEW,the control system processed and recorded the data variety in the course of the experiment .Keywords :LabVIEW,date acquisition,fuzzy Logic and expert algorithm,the control of HSV现代航母通常利用拦阻系统让舰载机在飞行甲板上快速停 止，航母的拦阻系统主要包括甲板上部分与甲板下部分：甲板上 部分包括拦阻钢索和支撑机构，甲板下部分包括滑轮组索、滑轮 缓冲系统、拦阻器系统、钢索末端缓冲系统、复位系统、冷却系统等[1暂。
简单的模糊控制实验报告
实验报告课程名称智能控制学院自动化学院班级姓名学号日期2019.4.9基于mamdani 型模糊控制器线性系统的位置跟踪一、实验目的1.熟悉mamdani 模糊控制器的设计原理；2.掌握模糊控制器的设计步骤；3.熟悉模糊控制规则对控制系统效果的影响 ；4.熟悉模糊控制器设计的Matlab 命令；5.掌握用MATLAB 实现模糊控制系统仿真的方法。
二、设备及条件 计算机系统Matlab 仿真软件三、实验原理根据跟踪误差及其变化率，设计模糊控制器使得跟踪误差趋近于零。
四、设计要求 已知某一线性系统2400500s s+，根据误差及其变化率来设计模糊控制器，使得闭环系统的输出跟踪正弦信号0.5sin(10)t ，已知：误差及其变化率的范围初步定为[]33-，要求分为7个模糊集； 输出的范围初步定为[]4.5 4.5-，要求分为9个模糊集；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，基于MATLAB 实现该控制器，并对控制效果进行仿真，根据仿真结果对模糊控制规则、控制信号范围、误差及其变化率进行调整。
五、实验环境I Simulink 介绍1.1 Simulink 简介Simulink 是MATLAB 中的一种可视化仿真工具， 是一种基于MATLAB 的框图设计环境，是实现动态系统建模、仿真和分析的一个软件包，被广泛应用于线性系统、非线性系统、数字控制及数字信号处理的建模和仿真中。
1.2 Simulink 优点Simulink 提供一个动态系统建模、仿真和综合分析的集成环境。
在该环境中，无需大量书写程序，而只需要通过简单直观的鼠标操作，就可构造出复杂的系统。
对各种时变系统，包括通讯、控制、信号处理、视频处理和图像处理系统，Simulink 提供了交互式图形化环境和可定制模块库来对其进行设计、仿真、执行和测试。
II模糊控制工具箱介绍2.1 模糊控制工具箱简介MATLAB模糊控制工具箱为模糊控制器的设计提供了一种非常便捷的途径，通过它我们不需要进行复杂的模糊化、模糊推理及反模糊化运算，只需要设定相应参数，就可以很快得到我们所需要的控制器，而且修改也非常方便。
模糊评价实验报告
一、实验目的本次实验旨在通过模糊综合评价模型，学习并掌握如何运用模糊评价方法对某一事物或现象进行综合评价。
通过实验，加深对模糊评价理论的理解，提高运用模糊评价模型解决实际问题的能力。
二、实验背景模糊综合评价方法是一种处理不确定性和模糊性问题的有效方法，广泛应用于各个领域。
例如，在企业管理、环境评价、教育评估等方面，模糊评价方法可以帮助我们更全面、客观地评价对象。
三、实验内容1. 确定评价对象和评价因素本次实验以某企业员工绩效评价为例，确定评价对象为该企业全体员工。
评价因素包括：工作业绩、工作态度、沟通能力、团队合作精神、创新能力等。
2. 建立评价集根据实际情况，将评价集分为五个等级：优秀、良好、中等、一般、较差。
3. 确定各因素的权重采用层次分析法确定各因素的权重。
首先，将各因素进行两两比较，构造判断矩阵；然后，计算判断矩阵的最大特征值和对应的特征向量；最后，对特征向量进行归一化处理，得到各因素的权重。
4. 确定模糊综合判断矩阵根据专家意见，对各因素进行模糊评价。
采用梯形分步法确定隶属度，得到模糊综合判断矩阵。
5. 模糊综合评价将模糊综合判断矩阵与权重矩阵相乘，得到每个评价得分的矩阵。
根据最大隶属度原则，选择最大的评价等级作为最终结果。
四、实验步骤1. 数据收集通过问卷调查、访谈等方式收集企业员工绩效评价数据。
2. 层次分析法确定权重构造判断矩阵，计算最大特征值和对应的特征向量，进行归一化处理。
3. 模糊评价根据专家意见，对各因素进行模糊评价，确定隶属度。
4. 模糊综合评价将模糊综合判断矩阵与权重矩阵相乘，得到评价得分矩阵。
5. 结果分析根据最大隶属度原则，确定最终评价等级。
五、实验结果与分析1. 评价结果通过模糊综合评价，得到企业员工绩效评价结果如下：- 工作业绩：优秀 40%，良好 30%，中等 20%，一般 5%，较差 5%- 工作态度：优秀 35%，良好 40%，中等 20%，一般 5%，较差 0%- 沟通能力：优秀 25%，良好 45%，中等 25%，一般 5%，较差 0%- 团队合作精神：优秀 30%，良好 40%，中等 20%，一般 5%，较差 5%- 创新能力：优秀 20%，良好 35%，中等 30%，一般 15%，较差 0%2. 结果分析从评价结果可以看出，该企业员工在工作业绩、工作态度、沟通能力、团队合作精神等方面表现良好，但在创新能力方面有待提高。
基于模糊算法的专家系统
• Y (23)＝l，O(80)＝0.99；这意味着23岁 属于“年轻”的程度为100％，80岁属年 老”的程度为99％．
2、确定隶属函数的主要方法
第一种，根据主观认识或个人经验，给出 隶属度的具体数值。 第二种，根据问题的性质，选用某些典型 函数作为隶属函数。 • S函数(偏大型隶属函数)
• Z函数(偏小型隶属函数) Z（u；a, b）=1-S（u；a, b）
• ㈠ 建立模糊矩阵：Fuzzy聚类分析的第 一步叫标定，即使用普通聚类分析中的 确定相似系数的方法来建立Fuzzy相似方 阵： • r11 r12 r13…r1n • r21 r22 r23…r2n • R= ……… • rn1 rn2 rn3… rnn
• ①计算相似系数：计算u i与u j之间的相 似系数rij的方法很多
• 模糊数学:研究模糊现象的定量处理方法.
• 模糊概念用数学语言来说就是模糊集合。模糊 集合的基本思想是把经典集合中的绝对隶属关 系灵活化，用特征函数的语言来讲就是；元素 对“集合”的隶属度不再是局限于取0或1，而 是可以取从0到1。的任一数值。 • 模糊数学的几个概念： – 映射：在两个集合X、Y之间，如果有一个法 则f，使得对X中的每个元素x，在Y中都有唯 一元素y与之对应，则称f是X到Y的映射。 即：对每个x∈X都存在着唯一确定的元素y＝ f(x)∈Y与之对应．
2.2 基于模糊算法的专家系统
2．1．1 模糊数学概述 1、模糊数学的定义 • 处理现实对象的数学模型
–确定性数学模型:确定性或固定性,对象间有必然联系. –随机性数学模型:对象具有或然性或随机性 –模糊性数学模型:对象及其关系均具有模糊性.
• 随机性与模糊性的区别
–随机性:指事件出现某种结果的机会. –模糊性:指存在于现实中的不分明现象.
- 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)。
建立模糊专家系统
为了说明如何设计模糊专家系统，下面用一个备件服务中心的例子。
备件服务中心，保存备件并修复损坏的备件。
客户拿来一个损坏的零件备件，换走一个相同型号的零件备件，损坏的零件备件被修好后放置在架子上作为零件备件。
如果架子上有所需的备件，那么客户从架子上拿走备件并离开服务中心，若没有，客户就须等待，直到拿到需要的备件为止。
服务中心的经理应该决定在客户可以接受范围内维持平均延迟时间所需要的配件的数目。
所以我们的目标是向零件备件服务中心的经理建议使客户满意的决策方针。
步骤一:指定问题并定义语言变量
在上述问题中，可以确定四个主要的语言变量：平均等待时间(平均延迟)m、服务中心的修理利用因子q、服务员人数s以及初始零件备件数量n。
对于客户平均延迟m，这里仅考虑了三个语言值：V ery Short、Short、Medium，因为其他取值，例如Long和V ery Long是不实际的。
服务中心的经理决策不可能容忍客户的等待的时间超过Medium。
接下来确定语言变量的范围。
下表是得到的结果，其中m、s、n已标准化，即除以相应的最大量级基本数值，得到的范围[0,1]。
语言变量及范围
步骤二:确定模糊集
模糊集可以有不同的形状。
通常三角形或四边形就足以表达专家的知识了，同时也能极大地简化计算的过程。
如下图，显示了问题中用到的语言变量的模糊集。
步骤三:抽取并构造模糊规则
下面要获得模糊规则。
要完成这个任务，就需要向专家咨询如何使用前面定义过的模糊语言变量来解决问题。
本例中，使用研究论文( Turksen et al. ，1992)中提供的规则。
如下图：
步骤四:对模糊集、模糊规则和过程编码
定义模糊集和模糊规则后，就要对它们编码，建立实际的专家系统。
代码如下:
a=readfis('centre_2.fis');
figure('name','Block diagram of the fuzzy system');
plotfis(a);
pause
figure('name','Mean delay (normalised)');
plotmf(a,'input',1);
pause
figure('name','Number of server (normalised)'); plotmf(a,'input',2); pause
figure('name','Utillisation factor (normalised)'); plotmf(a,'input',3); pause
figure('name','Number of spares(normalised)'); plotmf(a,'output',1); pause
ruleedit(a); pause
figure('name','Three-dimensional surface (a)'); gensurf(a,[1 2],1); view([49 36]); pause
ruleview(a); pause
n=round((evalfis([0.7 0.8 0.6],a))*100) pause
n=round((evalfis([0.35 0.8 0.6],a))*100) disp('End of fuzzy_centre_2.m')
运行结果：
System centre 2: 3 inputs, 1 outputs, 27 rules
f
mean d elay
D e g r e e o f m e m b e r s h i p
number o f s erve
D e g r e e o f m e m b e r s h i p
utilisation f actor
D e g r e e o f m e m b e r s h i p
number o f s pares
D e g r e e o f m e m b e r s h i p
number o f s erve
mean d elay
n u m b e r o f s p a r e
s
utilisation f actor
mean d elay
n u m b e r o f s p a r e s
n =
20
n =
35
End of fuzzy_centre_2.m
实验心得
通过实验，我对模糊专家系统有了进一步的了解，如何建立模糊专家系统的也越发清晰。
定义语言变量、确定模糊集、构造模糊规则、编码、调试。
同时在实验中，我也了解了一些MATLAB的环境，命令模式、编程环境等。
也掌握了实验中编程需要的一些函数。
总之，通过实验，我收获颇丰。