模糊实验报告洪帅
《智能控制》-模糊控制实验报告
课程名称:智能控制实验名称:模糊控制一、实验目的:(1)了解在Simulink 仿真环境下建立控制系统方框图的方法,熟悉Matlab 和Simulink 仿真环境(2)掌握模糊控制器的设计方法。
(3)比较PID 控制和模糊控制的特点。
二、实验内容和步骤 已知s e s s s G 2.0214820)(-++=,分别设计PID 控制与模糊控制,使系统达到较好性能,并比较两种方法的结果。
结构如下图。
(1)模糊控制规则设计针对该定位系统,设计二维模糊控制规则,使性能达到最佳。
模糊控制规则如下:(2)设计未加PID或FUZZY控制器时,设计系统如下:输入阶跃信号,观测与分析仿真结果。
(3)加入PID控制器如下:对应的仿真结构图为:调整参数,观测与分析仿真结果。
PID控制的仿真曲线如下:(4)设计FUZZY控制器在simulink仿真环境下,设计模糊控制系统,包括模糊控制规则、隶属函数、比例因子、量化因子、论域等参数设计。
FUZZY控制仿真结构图如下:其中黄色部分具体为:利用simulink设计的模糊控制的仿真结构图为:其中对于模糊控制器的设计:E=[-6 6] EC=[-6 6] U=[-6 6],并且其隶属函数分别为:E的隶属函数EC的隶属函数U的隶属函数再将其中一个学生的比较好的实验结果作为参考实例:首先仿真图如下:模糊控制器的设计:E=[-6 6] EC=[-6 6] U=[-6 6],并且其隶属函数分别为:E和EC的隶属函数U的隶属函数控制规则:ECNB NM NS ZE PS PM PB ENB PB PB PB PB PM ZE ZENM PB PB PB PB PM ZE ZENS PM PM PM PM ZE NS NSZE PM PM PS ZE NS NM NMPS PS PS ZE NM NM NM NMPM ZE ZE NM NB NB NB NBPB ZE ZE NM NB NB NB NB设计好模糊控制器后,运行仿真图形,得到的仿真曲线如下(step time=1):模糊控制的仿真曲线由仿真可知,通过选择合适的PID参数可以达到较好的控制性能。
高效模糊定律实验报告
一、实验背景模糊逻辑作为一种处理不确定性和模糊性的数学工具,近年来在各个领域得到了广泛的应用。
高效模糊定律是模糊逻辑中的一种基本原理,它通过将模糊变量和模糊关系进行结合,实现高效的模糊推理。
本实验旨在验证高效模糊定律的有效性,并探究其在实际应用中的优势。
二、实验目的1. 验证高效模糊定律的正确性;2. 分析高效模糊定律在模糊推理中的优势;3. 探讨高效模糊定律在工程实际中的应用。
三、实验原理高效模糊定律的基本思想是将模糊变量与模糊关系进行结合,通过模糊关系对模糊变量进行运算,从而实现高效的模糊推理。
具体来说,设A和B为两个模糊变量,R为模糊关系,则高效模糊定律可以表示为:R(A) = ∏(R(a) ∩ B)其中,R(a)表示模糊关系R在模糊变量A中的元素a对应的模糊关系。
四、实验仪器与设备1. 高效模糊推理实验平台;2. 模糊变量生成器;3. 模糊关系生成器;4. 模糊推理结果分析软件。
五、实验步骤1. 生成模糊变量A和B,以及模糊关系R;2. 根据高效模糊定律计算R(A);3. 分析计算结果,验证高效模糊定律的正确性;4. 对比传统模糊推理方法,分析高效模糊定律在模糊推理中的优势;5. 结合实际应用场景,探讨高效模糊定律的应用。
六、实验结果与分析1. 实验结果验证了高效模糊定律的正确性,通过计算R(A)的值,可以看出其符合高效模糊定律的表达式。
2. 与传统模糊推理方法相比,高效模糊定律在以下方面具有优势:a. 高效性:高效模糊定律将模糊变量与模糊关系进行结合,减少了计算量,提高了推理速度;b. 精确性:高效模糊定律通过模糊关系对模糊变量进行运算,使得推理结果更加精确;c. 可扩展性:高效模糊定律可以方便地应用于复杂的模糊推理问题。
3. 在实际应用中,高效模糊定律可以应用于以下场景:a. 模糊控制系统:如智能家居、智能交通等;b. 模糊决策支持系统:如企业生产、城市规划等;c. 模糊识别与分类:如图像识别、语音识别等。
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"File 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FIS VariablesLIoutput06】[-6 6]Rule Editor: UntitledECouiput variable "U1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; OptionsFile Edit Viev^ OptionsRule Viewer Untitled忻珅:[□ g]Plot points: 101left down up ReadySurface Viewer: UntitledE "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。
模糊实验报告材料 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(PοQ)οR=⎥⎦⎤⎢⎣⎡4.04.06.06.0(PUQ)οS=⎥⎦⎤⎢⎣⎡5.06.05.06.0(PοS)U(QοS)=⎥⎦⎤⎢⎣⎡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:()3020104.01104.02030++++-+-+-=eZEμ()30203.01013.0102030++++-+-+-=ePSμ()()3020104.03.0102030++++-+-+-=⋂eePSZEμμ()()30203.01011104.02030++++-+-+-=⋃eePSZEμμ总结:手算结果和MATLAB运行结果一致。
模糊系统社会实践报告
一、引言随着信息技术的飞速发展,模糊系统作为一种处理不确定性和模糊性问题的智能技术,逐渐受到广泛关注。
为了深入了解模糊系统的应用现状和发展趋势,我们团队开展了为期一个月的模糊系统社会实践。
本次实践旨在通过实地考察、案例分析和技术交流等方式,全面了解模糊系统在各个领域的应用,并探讨其未来发展方向。
二、实践背景1. 模糊系统概述模糊系统是一种基于模糊逻辑和模糊集理论的智能技术,主要用于处理不确定性、模糊性和不精确性问题。
与传统数学方法相比,模糊系统具有更强的适应性和鲁棒性,能够有效解决现实世界中复杂多变的问题。
2. 模糊系统应用领域模糊系统在各个领域都有广泛应用,如工业控制、智能交通、医疗诊断、农业等领域。
随着技术的不断发展,模糊系统的应用范围将进一步扩大。
三、实践过程1. 实地考察我们团队首先对模糊系统在工业控制领域的应用进行了实地考察。
我们参观了某企业自动化生产线,了解了模糊控制器在该生产线中的应用情况。
通过与企业技术人员交流,我们了解到模糊控制器在提高生产效率和产品质量方面的显著效果。
2. 案例分析针对模糊系统在智能交通领域的应用,我们选取了某城市智能交通系统作为案例进行分析。
通过对该系统的功能模块、技术特点和应用效果进行深入研究,我们发现模糊系统在交通信号控制、车流量预测和停车场管理等环节发挥了重要作用。
3. 技术交流我们团队参加了某国际模糊系统学术会议,与国内外专家学者就模糊系统的研究与应用进行了深入交流。
通过这次会议,我们了解到模糊系统在各个领域的最新研究成果和发展趋势,为我们的实践提供了有益的启示。
四、实践成果1. 模糊系统在工业控制领域的应用通过实地考察和案例分析,我们了解到模糊系统在工业控制领域的应用具有以下特点:(1)提高生产效率和产品质量;(2)降低能耗和故障率;(3)具有较强的适应性和鲁棒性。
2. 模糊系统在智能交通领域的应用在智能交通领域,模糊系统具有以下应用优势:(1)提高交通信号控制效果;(2)准确预测车流量;(3)优化停车场管理。
智能控制--模糊控制实验报告
clear all;close all;T=0; %ʱ¼ä³£Êýa=newfis('fuzz_temperatrue');a=addvar(a,'input','e',[-3,3]); %Parameter e a=addmf(a,'input',1,'NB','zmf',[-3,-1]);a=addmf(a,'input',1,'NM','trimf',[-3,-2,0]);a=addmf(a,'input',1,'NS','trimf',[-3,-1,1]);a=addmf(a,'input',1,'Z','trimf',[-2,0,2]);a=addmf(a,'input',1,'PS','trimf',[-1,1,3]);a=addmf(a,'input',1,'PM','trimf',[0,2,3]);a=addmf(a,'input',1,'PB','smf',[1,3]);a=addvar(a,'output','u',[72,78]); %Parameter u a=addmf(a,'output',1,'NB','zmf',[72,74]);a=addmf(a,'output',1,'NM','trimf',[72,73,75]);a=addmf(a,'output',1,'NS','trimf',[73,74,75]);a=addmf(a,'output',1,'Z','trimf',[74,75,76]);a=addmf(a,'output',1,'PS','trimf',[75,76,77]);a=addmf(a,'output',1,'PM','trimf',[75,77,78]);a=addmf(a,'output',1,'PB','smf',[76,78]);rulelist=[1 1 1 1; %Edit rule base2 2 1 1;3 3 1 1;4 4 1 1;5 5 1 1;6 6 1 1;7 7 1 1];a=addrule(a,rulelist);a1=setfis(a,'DefuzzMethod','mom'); %Defuzzywritefis(a1,'temperatrue'); %Save to fuzzy file "tank.fis" a2=readfis('temperatrue');figure(1);plotfis(a2);figure(2);plotmf(a,'input',1);figure(3);plotmf(a,'output',1);flag=1;if flag==1showrule(a) %Show fuzzy rule baseruleview('temperatrue'); %Dynamic Simulationenddisp('-------------------------------------------------------');disp(' fuzzy controller table:e=[-3,+3],u=[-4,+4] ');disp('-------------------------------------------------------');for i=1:1:7e(i)=i-4;Ulist(i)=evalfis([e(i)],a2);endUlist=round(Ulist)e=-3; % Erroru=evalfis([e],a2) %Using fuzzy inference四、Simulink仿真模型五、实验结果令T=0;1、模糊控制器为一维控制器,输入输出变量的量化等级为7级,取5个模糊集。
实验五(一) 模糊控制仿真实验
实验五(1)模糊控制仿真实验一、模糊逻辑推理系统的总体特征模糊控制由于不依赖对象的数学模型而受到广泛的重视,计算机仿真是研究模糊控制系统的重要手段之一。
由Math Works公司推出的Matlab软件,为控制系统的计算机仿真提供了强有力的工具,特别是在Matlab4.2以后的版本中推出的模糊工具箱(Fuzzy Toolbox),为仿真模糊控制系统提供了很大的方便。
由于这样的模块都是由相关领域的著名学者开发的,所以其可信度都是很高的,仿真结果是可靠的。
在Simulink环境下对PID控制系统进行建模是非常方便的,而模糊控制系统与PID控制系统的结构基本相同,仅仅是控制器不同。
所以,对模糊控制系统的建模关键是对模糊控制器的建模。
Matlab软件提供了一个模糊推理系统(FIS)编辑器,只要在Matlab命令窗口键入Fuzzy就可进入模糊控制器编辑环境。
二、Matlab模糊逻辑工具箱仿真1.模糊推理系统编辑器(Fuzzy)模糊推理系统编辑器用于设计和显示模糊推理系统的一些基本信息,如推理系统的名称,输入、输出变量的个数与名称,模糊推理系统的类型、解模糊方法等。
其中模糊推理系统可以采用Mandani或Sugeuo两种类型,解模糊方法有最大隶属度法、重心法、加权平均等。
打开模糊推理系统编辑器,在MATLAB的命令窗(command window)内键入:fuzzy 命令,弹出模糊推理系统编辑器界面,如下图所示。
加入新的输入input,如下图所示。
选择input(选中为红框),在界面右边文字输入处键入相应的输入名称,例如,温度输入用 tmp-input, 磁能输入用 mag-input,等。
2.隶属度函数编辑器(Mfedit)该编辑器提供一个友好的人机图形交互环境,用来设计和修改模糊推理系中各语言变量对应的隶属度函数的相关参数,如隶属度函数的形状、范围、论域大小等,系统提供的隶属度函数有三角、梯形、高斯形、钟形等,也可用户自行定义。
模糊数学实验报告三 模糊决策与糊线性规划
实验三 模糊决策与糊线性规划实验目的:会用模糊综合评判模型进行综合评判,掌握将模糊线性规划转化为一般线性规划的方法,会使用数学软件Lindo 求解一般线性规划.实验学时:4学时实验内容:⑴ 教学过程的综合评判等.⑵ 将已知模糊线性规划问题用C 语言编程生成Lindo 软件的数据格式,再用Lindo 软件求解.⑶ 编程求解模糊关系方程的最大解.实验日期:2015年11月6日操作步骤:将模糊线性规划问题⎪⎪⎪⎩⎪⎪⎪⎨⎧⎪⎪⎩⎪⎪⎨⎧≥-=--≥+-≤+++-=.0,,],5.0,4[3],1,6[6],2,8[..,64max 321321321321321x x x x x x x x x x x x t s x x x f 转化为普通线性规划问题,并用Lindo 软件求解.用C 语言编程生成Lindo 软件的数据格式#include<stdio.h>#include<math.h>void main(){double c[]={1,-4,6};//目标系数double A[3][3]={1,1,1,1,-6,1,1,-3,-1};//技术系数矩阵double b[]={8,6,-4};//目标右端常数double fc=38;//第一个线性规划问题的最优值double dc=8.25;//第一、二个线性规划问题的最优值之差double d[]={2,1,0.5};//伸缩指标char opt=1;//0表示min;1表示maxchar cont[]={-1,1,0};//约束条件-1表示≤;0表示=;1表示≥int m=3,n=3;//m 约束条件个数;n 变量个数FILE *fp;int i,j;fp=fopen("xxxx.txt","w");if(opt)fprintf(fp,"Max ");else fprintf(fp,"min ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}fprintf(fp,"\ns.t. ");for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"<");else if(cont[i]==0)fprintf(fp,"=");else fprintf(fp,">");fprintf(fp,"%6.4f\n",b[i]);}fprintf(fp,"\n\n\n");if(opt)fprintf(fp,"Max ");else fprintf(fp,"min ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}fprintf(fp,"\ns.t. ");for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"<%6.4f\n",b[i]+d[i]);else if(cont[i]==0){fprintf(fp,"<%6.4f\n",b[i]+d[i]);for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}fprintf(fp,">%6.4f\n",b[i]-d[i]);}else fprintf(fp,">%6.4f\n",b[i]-d[i]);}fprintf(fp,"\n\n\n");fprintf(fp,"Max lmd");fprintf(fp,"\ns.t. ");for(j=0;j<n;j++){if(c[j]==0)continue;if(j&&c[j]>0)fprintf(fp,"+");else if(c[j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(c[j]),j+1);}if(opt)fprintf(fp,"-%6.4flmd>%6.4f\n",dc,fc);else fprintf(fp,"+%6.4flmd<%6.4f\n",dc,fc);for(i=0;i<m;i++){for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}if(cont[i]==-1)fprintf(fp,"+%6.4flmd<%6.4f\n",d[i],b[i]+d[i]);else if(cont[i]==0){fprintf(fp,"+%6.4flmd<%6.4f\n",d[i],b[i]+d[i]);for(j=0;j<n;j++){if(A[i][j]==0)continue;if(j&&A[i][j]>0)fprintf(fp,"+");else if(A[i][j]<0)fprintf(fp,"-");fprintf(fp,"%6.4fx%d",fabs(A[i][j]),j+1);}fprintf(fp,"-%6.4flmd>%6.4f\n",d[i],b[i]-d[i]);}else fprintf(fp,"-%6.4flmd>%6.4f\n",d[i],b[i]-d[i]);}fclose(fp);}结果:C语言编程生成的Lindo软件数据格式:Max 1.0000x1-4.0000x2+6.0000x3s.t. 1.0000x1+1.0000x2+1.0000x3<8.00001.0000x1-6.0000x2+1.0000x3>6.00001.0000x1-3.0000x2-1.0000x3=-4.0000Max 1.0000x1-4.0000x2+6.0000x3s.t. 1.0000x1+1.0000x2+1.0000x3<10.00001.0000x1-6.0000x2+1.0000x3>5.00001.0000x1-3.0000x2-1.0000x3<-3.50001.0000x1-3.0000x2-1.0000x3>-4.5000Max lmds.t. 1.0000x1-4.0000x2+6.0000x3-8.2500lmd>38.00001.0000x1+1.0000x2+1.0000x3+2.0000lmd<10.00001.0000x1-6.0000x2+1.0000x3-1.0000lmd>5.00001.0000x1-3.0000x2-1.0000x3+0.5000lmd<-3.50001.0000x1-3.0000x2-1.0000x3-0.5000lmd>-4.5000求解结果:LP OPTIMUM FOUND AT STEP 2OBJECTIVE FUNCTION VALUE1) 38.00000VARIABLE VALUE REDUCED COST X1 2.000000 0.000000X2 0.000000 15.000000X3 6.000000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 3.5000003) 2.000000 0.0000004) 0.000000 -2.500000NO. ITERATIONS= 2RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE X1 1.000000 15.000000 7.000000X2 -4.000000 15.000000 INFINITYX3 6.000000 INFINITY 7.000000RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 8.000000 INFINITY 2.0000003 6.000000 2.000000 INFINITY4 -4.000000 12.000000 4.000000OBJECTIVE FUNCTION VALUE1) 46.25000VARIABLE VALUE REDUCED COSTX1 2.750000 0.000000X2 0.000000 15.000000X3 7.250000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 3.5000003) 5.000000 0.0000004) 1.000000 0.0000005) 0.000000 -2.500000NO. ITERATIONS= 1RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE X1 1.000000 5.000000 7.000000X2 -4.000000 15.000000 INFINITYX3 6.000000 INFINITY 5.000000RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 10.000000 INFINITY 5.0000003 5.000000 5.000000 INFINITY4 -3.500000 INFINITY 1.0000005 -4.500000 1.000000 5.500000 VARIABLE VALUE REDUCED COSTLMD 0.500000 0.000000X1 2.375000 0.000000X2 0.000000 0.909091X3 6.625000 0.000000ROW SLACK OR SURPLUS DUAL PRICES2) 0.000000 -0.0606063) 0.000000 0.2121214) 3.500000 0.0000005) 0.500000 0.0000006) 0.000000 -0.151515NO. ITERATIONS= 4RANGES IN WHICH THE BASIS IS UNCHANGED:OBJ COEFFICIENT RANGES VARIABLE CURRENT ALLOWABLE ALLOWABLECOEF INCREASE DECREASE LMD 1.000000 INFINITY 1.000000X1 0.000000 0.246914 0.622222X2 0.000000 0.909091 INFINITYX3 0.000000 0.800000 0.487805RIGHTHAND SIDE RANGESROW CURRENT ALLOWABLE ALLOWABLERHS INCREASE DECREASE2 38.000000 8.250000 8.2500003 10.000000 2.357143 2.3571434 5.000000 3.500000 INFINITY5 -3.500000 INFINITY 0.5000006 -4.500000 0.589286 3.870370所以最优解是2.375*1+(-4)*0+6*6.625=42.125。
模糊控制实验报告
西安交通大学实验报告第1页(共13页)课程:智能控制实验日期:年月日专业班号:自动化交报告日期:年月日姓名:学号:报告退发:(订正、重做)同组者:教师审批签字:实验一模糊控制仿真系统设计实验目的:理解和掌握模糊控制系统的构成和设计方法,为实际工程应用打下基础。
基本要求:掌握以误差及其变化率为输入的典型模糊控制器的设计方法,了解影响模糊控制器性能的关键参数及调节方法。
针对被控对象,构建合适的模糊控制器,搭建模糊控制系统。
实验内容提要:针对典型的二阶以上被控对象,设计模糊控制器。
包括控制器输入输出量的选择,输入输出论域的模糊划分,模糊规则库的建立等。
利用设计完成的模糊控制在Simulink中搭建模糊控制系统,要求该系统稳定且具有良好的动态及稳态特性。
实验工作概述:主要针对倒立摆进行了建模与模糊控制仿真,其中实验1-1是仅针对角度的模糊PID控制,实验1-2是针对位置与角度的分段模糊控制。
后面也尝试进行了二级倒立摆的模糊控制设计,但由于知识水平不够没能完全实现,仅实现了第一级的直立控制。
实验1-1 单级倒立摆的PID模糊控制一、被动对象数学描述与特性分析关于倒立摆的相关背景:倒立摆,Inverted Pendulum ,是典型的多变量、高阶次、非线性、强耦合、自然不稳定系统。
倒立摆系统的稳定控制是控制理论中的典型问题,在倒立摆的控制过程中能有效反映控制理论中的许多关键问题 ,如非线性问题、鲁棒性问题、随动问题、镇定、跟踪问题等。
因此倒立摆系统作为控制理论教学与科研中典型的物理模型 ,常被用来检验新的控制理论和算法的正确性及其在实际应用中的有效性。
所以我此次实验采用一阶倒立摆来验证。
当摆杆夹角很小时,近似线性化处理:(I +ml 2)θ+mglθ=mlẍ (M +m )ẍ+bẋ−mlθ=u根据微分方程组做拉普拉斯变换联立求得外力针对角度的传递函数:Φ(s)U(s)=ml 2qs 2s 4+b(I +ml 2)q s 3−(M +m )mgl q s2−bmql q s将各种参数输入matlab ,编辑一个函数脚本GetPendulum 来求传递函数的系数:当M=2,m=0.8,l=0.25时,求得:这是一个典型的二阶系统二、模糊控制器的设计步骤与具体参数选择模糊集合设计:总共有两个输入三个输出,输入角度和角度微分的模糊集合划分都相同,论域为[-5,5],模糊集合为3个,分别命名为:[N Z P],输出P I D三个参数的范围分别为[110,120],[115,125],[80,90],模糊集合为3个命名为:[S M B]它们的分布如上图所示。
计算机软件课模糊滤镜的实验报告
计算机软件课模糊滤镜的实验报告一、实验目的本实验旨在通过计算机软件实现图像模糊滤镜的效果,掌握图像处理的基本原理和方法,提高实际操作能力。
二、实验原理图像模糊滤镜是一种常见的图像处理技术,通过模拟镜头模糊效果,使图像的局部区域产生模糊,达到柔化、美化的效果。
模糊滤镜主要分为三种:均值模糊、高斯模糊和中值模糊。
本实验将介绍其中两种模糊滤镜的实现原理。
1.均值模糊:通过计算图像像素的平均值,将图像中每个像素替换为相邻像素的平均值,实现图像的模糊效果。
2.高斯模糊:通过高斯函数对图像进行卷积,使图像中的每个像素值逐渐过渡,实现图像的模糊效果。
三、实验步骤1.准备阶段:下载并安装图像处理软件(如Photoshop),打开软件并导入需要进行处理的图像。
2.均值模糊处理:选择“滤镜”菜单中的“模糊”选项,选择“均值”,调整模糊半径,观察图像变化。
3.高斯模糊处理:选择“滤镜”菜单中的“模糊”选项,选择“高斯模糊”,调整模糊半径,观察图像变化。
4.结果比较:分别对同一图像进行均值模糊和高斯模糊处理,观察两种模糊滤镜的差异和特点。
5.分析总结:根据实验结果,分析两种模糊滤镜的优缺点,总结实验心得。
四、实验结果与分析实验结果(请在此处插入均值模糊和高斯模糊处理后的图像)结果分析:通过对比两种模糊滤镜处理后的图像,我们可以发现均值模糊和高斯模糊在视觉效果上存在明显差异。
均值模糊处理后的图像更加平滑,但边缘较为明显;高斯模糊处理后的图像更加柔和,边缘过渡自然。
在实际应用中,应根据需求选择合适的模糊滤镜。
五、结论与建议本实验通过实际操作了解了均值模糊和高斯模糊两种图像处理技术,掌握了其实现原理和特点。
在实际应用中,应根据具体需求选择合适的模糊滤镜。
例如,在模拟镜头模糊效果时,可选择高斯模糊;而在消除噪声或平滑图像时,可选择均值模糊。
建议在未来的研究中,探索更多的图像处理技术,并将其应用于实际场景中,提高图像处理的效果和质量。
模糊矩阵的实验报告
一、实验目的1. 理解模糊矩阵的基本概念和性质。
2. 掌握模糊矩阵的运算方法,包括模糊矩阵的合成、转置、截矩阵等。
3. 应用模糊矩阵解决实际问题,如模糊聚类分析、模糊模式识别等。
二、实验内容1. 模糊矩阵的基本概念模糊矩阵是一种表示模糊关系的数学工具,其元素取值在[0,1]区间内。
模糊矩阵的表示方法通常采用Zadeh表示法,即矩阵中的元素表示某元素属于集合的程度。
2. 模糊矩阵的运算(1)模糊矩阵的合成模糊矩阵的合成是指将两个模糊矩阵相乘,得到一个新的模糊矩阵。
设A和B为两个模糊矩阵,其合成C可表示为:C = A ⊙ B其中,⊙表示模糊矩阵的合成运算,A和B的元素满足以下关系:Cij = ∑(Aik Bkj)(2)模糊矩阵的转置模糊矩阵的转置是指将模糊矩阵的行和列互换,得到一个新的模糊矩阵。
设A为模糊矩阵,其转置A'可表示为:A' = (aij)其中,aij为A的第i行第j列元素,A'的第i行第j列元素为A的第j行第i列元素。
(3)模糊矩阵的截矩阵模糊矩阵的截矩阵是指将模糊矩阵中的元素按一定阈值进行截断,得到一个新的模糊矩阵。
设A为模糊矩阵,阈值为λ,A的截矩阵Aλ可表示为:Aλ = (aij ≥ λ)其中,aij为A的第i行第j列元素,Aλ的第i行第j列元素为A的第i行第j 列元素中大于等于λ的最大值。
3. 模糊矩阵的应用(1)模糊聚类分析模糊聚类分析是一种基于模糊矩阵的聚类方法,其基本思想是将待分类的数据集划分为若干个模糊子集,使得每个子集内的数据点与子集之间的相似度较高,而与其他子集之间的相似度较低。
(2)模糊模式识别模糊模式识别是一种基于模糊矩阵的模式识别方法,其基本思想是利用模糊矩阵描述待识别的模式,通过与已知模式的模糊相似度进行比较,实现模式识别。
三、实验步骤1. 创建模糊矩阵使用MATLAB软件创建一个5×5的模糊矩阵A,其元素取值范围为[0,1]。
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。
模糊控制实验大纲
实验一熟悉模糊工具箱一、目的和要求1.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)掌握MATLAB模糊逻辑工具箱的图形用户界面设计模糊控制器的过程。
2.要求(1)充分理解实验内容,并独立完成实验报告。
(2)实验报告要求:实验题目、实验具体内容、结果分析、收获或不足。
二、实验内容1、利用matlab中的模糊逻辑工具箱提供的图形用户界面(GUI)工具设计一个两输入、一输出的模糊控制器,控制器的要求如下:(1)设模糊控制器的输入变量为:误差E和误差变化EC,输出量为U。
(2)隶属度函数:◆隶属度函数均为三角函数◆E、EC和U的模糊语言变量集均为{NB,NM,NS,ZO,PS,PM,PB}◆E和EC论域为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}◆U的论域为{-7,-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6,7}(3)控制规则表如下:表1 模糊控制表三.实验步骤模糊逻辑工具箱提供的图形用户界面(GUI)工具有五个:模糊推理系统(FIS)编辑器;隶属函数编辑器;模糊规则编辑器;模糊规则观察器;输出曲面观察器。
1.模糊控制器结构设计FIS处理系统有多少个输入变量,输出变量,名称是什么,模糊算子“与”(min,prod乘积,custom自定义),“或”(max大,probor 概率统计方法,custom),推理方法(min,prod,custom),聚类方法(max,probor,sum,custom),解模糊的方法(centroid 质心法,bisector中位线法,middle of maximum,largest of maximum,smallest of maximum)。
Matlab的FIS界面如图3所示。
图3 模糊推理系统(FIS)界面2.隶属函数编辑器:确定各个变量的论域和显示范围(左下角编辑区内),如图4所示。
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。
模糊效应实验报告
一、实验目的1. 了解模糊效应的基本概念和产生原因。
2. 掌握模糊效应的检测方法和评估指标。
3. 分析模糊效应在不同领域中的应用及其影响。
4. 探讨降低模糊效应的措施和优化方法。
二、实验背景模糊效应是指在信息处理过程中,由于信息的不确定性、不完整性和非线性等原因,导致信息表达和传递过程中产生偏差的现象。
模糊效应广泛存在于各个领域,如通信、控制、人工智能等。
本实验旨在探讨模糊效应的产生原因、检测方法和降低措施。
三、实验方法1. 模糊效应产生原因分析:(1)信息的不确定性:信息的不确定性是模糊效应产生的主要原因之一。
例如,在自然语言处理中,词语的含义往往具有模糊性。
(2)信息的不完整性:信息的不完整性会导致信息缺失,从而产生模糊效应。
例如,在图像处理中,由于噪声等原因,图像信息可能不完整。
(3)信息传递过程中的非线性:信息传递过程中的非线性会导致信息失真,从而产生模糊效应。
例如,在通信系统中,信号传输过程中可能受到干扰。
2. 模糊效应检测方法:(1)模糊度检测:通过计算信息熵、模糊度等指标来评估信息的模糊程度。
(2)相似度检测:通过计算信息之间的相似度,检测信息在传递过程中的失真程度。
(3)误差检测:通过计算信息处理过程中的误差,评估模糊效应的影响。
3. 模糊效应降低措施:(1)优化信息表示方法:采用更精确的信息表示方法,降低信息的不确定性。
(2)提高信息完整性:通过数据预处理、噪声抑制等方法提高信息的完整性。
(3)采用非线性补偿技术:在信息传递过程中采用非线性补偿技术,降低信息失真。
四、实验内容1. 模糊效应检测:(1)选取一个自然语言处理任务,如文本分类、情感分析等,分析词语的模糊性。
(2)对图像进行处理,分析噪声对图像信息完整性的影响。
(3)模拟通信系统,分析信号传输过程中的非线性失真。
2. 模糊效应降低措施:(1)采用改进的词语表示方法,降低自然语言处理任务中的模糊性。
(2)采用图像预处理技术,提高图像信息的完整性。
模糊图像鉴定报告模板
模糊图像鉴定报告模板
模糊图像鉴定报告
报告编号:[编号]
报告日期:[日期]
一、鉴定对象
名称:模糊图像
来源:[来源]
拍摄/制作时间:[时间]
鉴定目的:对图像模糊程度进行鉴定,并评估可能的原因。
二、鉴定方法
本次鉴定采用目测法和数字图像处理技术相结合的方法进行。
首先通过目测法对图像进行全面观察,并结合数字图像处理工具对图像进行分析。
三、鉴定结果
根据对模糊图像的观察和分析,得出以下结论:
1. 模糊程度:
经目测,该图像整体模糊,细节不清晰,无法辨认出基本物体和人物轮廓。
2. 可能的原因:
(列举可能的原因,如摄影设备问题、画面运动模糊、图像
传输过程中出现问题等)
3. 鉴定依据:
a. 图像存在明显模糊感,无法辨认基本物体轮廓;
b. 通过目测法观察,图像细节模糊不清;
c. 使用数字图像处理技术分析,发现图像有明显的模糊特征。
四、鉴定结论
根据以上分析和观察,鉴定结果如下:
1. 该图像属于模糊图像,其模糊程度较高。
2. 根据目测法和数字图像处理技术分析,推测可能的原因为:[列举可能的原因]。
3. 鉴定结果仅表示对该图像目前状态的分析和观察,不排除可能的其他因素。
请鉴定机构和使用单位对鉴定结果进行综合分析和判断,结合实际情况作出相应决策。
五、附录
[列举鉴定过程中使用的工具、方法和技术细节等附加信息]
以上所述仅为鉴定结果的一部分,具体问题请在必要的时候咨询专业人士进行更详细的解答和评估。
鉴定机构:[机构名称] 鉴定专家:[专家姓名] 联系方式:[联系方式]。
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。
模糊综合评判实验设计
任务要求围绕模糊模式识别、模糊聚类、模糊综合评判或模糊控制等模糊数学相关主题,完成一个以上的实验,写出实验报告。
实验报告要求:1 介绍相关基础知识和技术应用现状2 设计一个新的实验或新的应用3 编程完成实验或应用4 分析结果,总结方法,完成报告。
要求第十六周上课时间前完成,第十六周上课时请同学们讲讲自己的工作并进行讨论。
模糊综合评判方法的探讨与应用控制与计算机工程学院实验自10班侯杰指导教师谷云东前言:本文应用模糊数学理论,分析当前很多研究对模糊综合评判方法的应用,通过比较分析,把模糊综合评判方法具体应用到葡萄酒质量分类综合评价研究中,数据来源于本人参与的全国大学生数学建模比赛中关于葡萄酒质量分类所给的数据,结合实际情况将葡萄酒质量评价系统根据需要分成若干个指标,建立了因子集、评价集、隶属函数和权重集,实现对葡萄酒质量等级综合评判。
与此同时,采用层次分析法计算评价的权重集,并对取大取小算法和评价结果的最大隶属度原则进行了改进,取得较好的效果。
实例表明:模糊综合评价方法可操作性强、效果较好,可在一般环境的质量评价中广泛应用。
1模糊综合评判方法定义:模糊综合评价法是一种基于模糊数学的综合评标方法。
该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。
它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。
1.1 基础知识1.1.1 相关术语依据模糊数学的基本概念,对模糊综合评价法中的有关术语定义如下:1.评价因素(F):系指对招标项目评议的具体内容为便于权重分配和评议,可以按评价因素的属性将评价因素分成若干类,把每一类都视为单一评价因素,并称之为第一级评价因素(F1)。
第一级评价因素可以设置下属的第二级评价因素。
第二级评价因素可以设置下属的第三级评价因素(F3)。
依此类推。
2.评价因素值(Fv):系指评价因素的具体值。
模糊摄影实验报告范文
一、实验目的1. 探索模糊摄影在艺术创作中的应用及效果。
2. 学习如何通过调整拍摄参数和后期处理,达到预期的模糊效果。
3. 分析模糊摄影在不同场景下的表现和适用性。
二、实验背景模糊摄影是一种特殊的摄影技巧,通过有意识地调整焦距、快门速度和光线等参数,使画面产生模糊感,从而营造出独特的视觉效果。
这种技巧在表现动感、模糊氛围、突出主题等方面具有显著优势。
三、实验设备与材料1. 数码相机(带手动模式)2. 三脚架3. 胶片相机(可选)4. 后期处理软件(如Adobe Photoshop、Lightroom等)四、实验内容与步骤1. 焦距调整- 选择合适的环境和拍摄对象,如流水、树木、人物等。
- 调整相机焦距,使拍摄对象处于模糊状态,背景清晰。
- 尝试不同焦距下的模糊效果,记录拍摄数据。
2. 快门速度调整- 在光线充足的环境下,降低快门速度,如1/15秒、1/30秒等。
- 在光线较暗的环境下,提高ISO值,如ISO 800、ISO 1600等,以补偿快门速度的降低。
- 尝试不同快门速度下的模糊效果,记录拍摄数据。
3. 后期处理- 将拍摄的照片导入后期处理软件。
- 使用模糊工具对照片进行局部模糊处理,如人物、背景等。
- 调整亮度、对比度、饱和度等参数,使照片更具艺术感。
五、实验结果与分析1. 焦距调整- 通过调整焦距,可以观察到不同焦距下的模糊效果。
较长的焦距使拍摄对象更加模糊,适合表现动感;较短的焦距则使拍摄对象相对清晰,适合表现主题。
2. 快门速度调整- 降低快门速度可以使画面产生流动感,适合拍摄流水、瀑布等动态场景;提高快门速度则使画面更加清晰,适合拍摄静态物体。
3. 后期处理- 通过后期处理,可以进一步强化模糊效果,使照片更具艺术感。
例如,在人物周围添加模糊边缘,使人物更加突出;在背景添加模糊效果,使画面更加具有空间感。
六、实验心得体会1. 模糊摄影是一种独特的摄影技巧,可以营造出丰富的视觉效果。
- 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)。
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=⎥⎦⎤⎢⎣⎡7.02.09.06.0Q=⎥⎦⎤⎢⎣⎡4.01.07.05.0R=⎥⎦⎤⎢⎣⎡7.07.03.02.0S=⎥⎦⎤⎢⎣⎡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:()3020104.01104.02030++++-+-+-=eZEμ()30203.01013.0102030++++-+-+-=ePSμ()()3020104.03.0102030++++-+-+-=⋂eePSZEμμ()()30203.01011104.02030++++-+-+-=⋃eePSZEμμ总结:手算结果和MATLAB运行结果一致。
4 模糊推理仿真程序:学习P47 例2-16,仿真程序如下。
(1)完成思考题2-9,并对比手算结果。
Matlab结果如下手算结果如下:[]1.015.0=A []6.011.0=B []14.0=C []1.05.01='A []15.01.0='B⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=⨯=1.01.01.06.011.05.05.01.0B A D⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=1.01.01.06.011.05.05.01.0DT ⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=⨯=1.01.01.01.01.01.06.04.014.01.01.05.04.05.04.01.01.0C DT R ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡='⨯'='1.01.01.05.05.01.015.01.0B A D []1.01.01.05.05.01.015.01.0='T D ]5.04.0[='='R T D C总结:手算结果和MATLAB 运行结果一致。
实验二模糊控制实验(matlab中的模糊工具箱的使用及模糊控制器的应用)实验目的matlab中的模糊工具箱的使用及模糊控制器的应用实验内容1)模糊控制工具箱的使用2)用fuzzy工具箱计算P82 2-14,要求求出控制器输出。
3)用FUZZY工具箱完成洗衣机模糊控制器设计要求求出控制器输出。
完成模糊控制决策表。
一、模糊控制工具箱的使用简介1 输入输出的建立2 建立控制规则3 选择解模糊方法Maltlab提供5种解模糊化方法:1.centroid:面积重心法;2.bisector:面积等分法;3.mom:最大隶属度平均法;4.som:最大隶属度取小法;5.lom:最大隶属度取大法4 观察控制平面,控制器的输出二、用fuzzy工具箱计算P82 2-14当e=0.6时,解模糊的u=3.33,如图2-1图2-1三、用FUZZY工具箱完成洗衣机模糊控制器设计。
(1)题目分析:洗衣时间长短实际与衣物的脏污程度有关,太脏了就洗久点,不脏就可以洗快点。
人类的操作经验是由模糊的自然语言描述的,在洗衣机的调节中,人类的操作经验是: (1)“如果污泥越多,且油脂越多,洗涤时间就越长;”(2)“如果污泥适中,且油脂适中,洗涤时间就适中;”(3)“如果污泥越少,且油脂越少,洗涤时间就越短;”通过分析可以知道这实际是一个开环的控制决策过程:输入是污泥度x与油污度y,输出是洗涤时间z。
在该规则中对这些量进行衡量的是一些模糊词语,“多”、“少”、“长”、“短”。
(2)定义输入、输出模糊集将污泥x分为3个模糊集:{SD(污泥少),MD(污泥中),LD(污泥多)}论域:{0,50,100}将油脂分为3个模糊集:{NG (油脂少),MG (油脂中),LG (油脂多)} 论域:{0,50,100}输出模糊集:将洗涤时间分为5个模糊集:{VS (很短),S (短),M (中等),L (长),VL (很长)}。
论域:{0,10,25,40,60} 单位s 例如:xD e g r e e o f m e m b e r s h i p模糊规则如下:(3)建立模糊控制器求:假设当前传感器测得信息为:x0(污泥)=60,y0(油脂)=70 观察控制推理过程。
如图2-2。
zD e g r e e o f m e m b e r s h i p图2-4(4)建立控制决策表x0=10,20,30,40,50,60,70,80,90,y0=10,20,30,40,50,60,70,80,90,分别取值时,控制器的输出。
Matlab使用centroid:面积重心法求得如下表2-110 20 30 40 50 60 70 80 9010 14.3 18 20.3 22.3 25 30 33.1 35.7 38.3 20 14.6 17.3 19.5 21.9 25 30.5 33.1 35.7 3830 14.9 17.4 19.5 21.9 25 30.5 33.1 35.7 3840 15.1 18 20.2 22.3 25 30 33.1 35.7 38.3 50 15.4 18.3 20.5 22.6 25 30 331 35.7 38.3 60 22.8 24.2 25.7 27.5 30 30.7 33.7 36.2 38.7 70 24.2 27.4 28.5 30.6 33.1 33.7 35 37.3 39.7 80 25.7 28.5 30.7 33 35.7 36.2 37.3 38.4 41.2 90 27.5 30.6 33 35.2 38.3 38.7 39.7 41.2 43.1表2-1(5)改变输入输出变量的模糊值、隶属度函数的曲线、解模糊的方法等,观察控制器三维图以及控制器输出,四实验要求1 模糊化要求:将污泥X,油脂Y分别分成5个模糊子集,洗涤时间分成7个模糊子集,进行模糊化;将污泥X,油脂Y分别分成5个模糊子集,洗涤时间分成7个模糊子集,进行模糊化,要求分别绘制输入、输出的隶属度函数曲线,如图。
图2-3 污泥隶属度函数曲线图2-4 油脂隶属度函数曲线图2-5 洗涤时间隶属度函数曲线2 设计模糊规则表:要求列出所设计的模糊规则表。
3 模糊推理:要求写出:x0(污泥)=60,y0(油脂)=70时,模糊推理的推理过程图。
采用的是重心法,推理过程如图2-6:图2-64 选择解模糊的方法,得到控制器的控制决策表要求选择重心法以及最大隶属度法,汇总x=10,20,30,40,50,60,70,80,90,y=10,20,30,40,50,60,70,80,90,时的。
模糊控制决策表结果重心法如下表2-2以及最大隶属度法如下表2-310 20 30 40 50 60 70 80 9010 13.6 20 24.5 25 25 25 27.4 33 3520 15 20 24.2 27.6 30 30 30 32.4 35.8表2-2 重心法表2-2 最大隶属度法实验总结:通过fuzzy工具箱的使用完成洗衣机模糊控制器设计。
对洗衣机的输入输出进行定义模糊集,控制洗衣机洗涤时间的输出,因为由于人为意识设置规则,得出的模糊规则表不足以模拟现实洗衣机的运行,最后解模糊化时采用重心法相对比较精确。
实验三模糊控制实验--小车沿直线行进的模糊控制仿真系统实验目的模糊控制器的应用--小车沿直线行进的模糊控制仿真系统实验内容矿区除尘一直是煤矿生产的重要工作,这既是生产环境的要求也是对工作人员身体健康的保证。
采用自动行进的洒水车进行除尘工作是矿区除尘的主要发展方向。
模糊控制技术对于不确定系统具有良好的控制效果,所以引入模糊控制算法对矿区洒水车进行自动控制是解决道路凹凸影响的有效途径。
洒水车行进轨迹一定的时候,洒水车相对预定轨迹的误差如图1所示。
可以取其中两个量表示误差。
一个是洒水车行进方向与预定轨迹的夹角θ,一个是洒水车中心点到预定轨迹的距离d。
显然,当洒水车平稳行进的时候夹角θ和距离d将一直保持为0。
但是当路面凹凸不平时,洒水车在行进路线上就会产生一定的偏移。
对洒水车的控制就是控制这两个偏移量,使得洒水车在出现偏移后能自动调整方向回到预期轨迹上来。
预定轨迹图1 洒水车行进中的误差建立小车沿直线行进的模糊控制仿真系统1用fuzzy建立模糊控制器(1)输入为d,sitad的论域为【-1.2 +1.2】m,sita的论域为【-6 +6】0输出为alfalf的论域为【-30 +30】0采用夹角θ和距离d作为输入,洒水车导向轮与车体偏转角α作为输出量。
以在预定道路右向为正,左向为负。
由于路面不平带来的洒水车偏移一般都不大,设定夹角θ的范围是-6º~6º,距离d的范围是-1.2m~1.2m,偏转角α的范围是-30º~30º,(2)建立模糊子集夹角θ{NB(左偏大) NM(左偏中等) NS(左偏小)Z(夹角为0)PS(右偏小) PM(右偏中等) PB(右偏小)}距离d{NB(左偏大) NM(左偏中等) NS(左偏小)Z(偏转角为0)PS(右偏小) PM(右偏中等) PB(右偏小)}偏转角α{NB(左偏大) NM(左偏中等) NS(左偏小)Z(偏转角为0)PS(右偏小) PM(右偏中等) PB(右偏小)}(3)建立模糊规则表dNB NM NS Z PS PM PBθNB PB PB PB PB PM PS Z NM PB PM PM PM PS Z Z NS PB PM PM PS Z Z NS Z PM PS PS Z NS NS NM PS PS Z Z NS NM NM NB PM Z Z NS NM NM NB NB PB Z NS NM NB NB NB NB(4)选择合适的反模糊化方法经过对比分析,最终选择重心法。