中南大学智能控制实验报告

1、实验一模糊方法实现电热箱的闭环控制学号090910*姓名*专业、班智能科学10*班实验地点民主楼126指导教师余伶俐时间2013年3月30日一、实验目的及要求学习由已知对象建立一个双入单出模糊控制器；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）及要求电热箱一台；机一台，系列教学实验系统一套。三、实验内容与步骤参考流程图编写程序，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；中断子程序是为了处理转换完后产生的中断；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脉冲。参照下图接线，检查接线无误后运行程序;用系统提供的专用图形显示窗口观

2、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C,但是在预设C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（）改为（），即将预设给定为摄氏度，并且在实验过程中人为添加了扰动。实验结果如下图所示：五、分析与讨论实验结果分析：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。将实验结果与实验指导书中的控制相比较有如下结论：控制系统：超调量大，稳态无

3、静差；模糊控制系统：无超调，稳态时有静差；模糊控制系统：无静差，超调量很小或无超调。本实验研究的模糊控制器具有以下一些特点：算法简单实用，本质上不依赖于系统的数字模型；可充分利用单片机的软件资源，可靠性高，开发速度快；克服了传统控制器操作的困难，提高了系统的智能化程度；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。实验结果讨论：模糊逻辑控制器由输入定标、输出定标、模糊化、模糊决策和模糊判决（解模糊）等部分组成。比例系数（标度因子）实现控制器的输入和输出与模糊推理所用标准时间间隔之间的映射。模糊化（量化）使所测控制器输入在量纲上与左侧信号（）一致，这一步不损失任何信息。模

4、糊决策过程由一推理机来实现，该推理机使所有与输入匹配，检查每条规则的匹配程度，并聚集各规则的加权输出，产生一个输出空间的概率分布值。模糊判决（解模糊）把这一概率分布归纳于一点，供驱动器定标后使用。模糊控制器的原理主要是将计算机采集的精确值与给定值做比较得出静态误差以及误差的变化率作为模糊控制器的输入语言变量；将和经模糊化得到模糊量和再由、和模糊控制规则，根据推理的合成规则得到模糊控制量厶；再经过模糊决策、清晰化得到精确控制量厶。在模糊控制器设计中，通常选个模糊状态，即正大、正中、正小、负小、负中、负大和平均零个模糊状态再加上正零和负零个模糊状态。一般对误差选取个模糊状态，误差变化率与控制量各取

5、个模糊状态，建立起他们的隶属函数赋值表，最后由模糊推理综合算法得到控制量的模糊集。一般的模糊控制系统通常采用二维模糊控制结构，即上文所说的和作为输入变量，其作用类似于控制器，它能确保系统的简单性和快速性，且可能获得良好的性能。但由于缺少积分环节，所以静态特性欠佳，无法消除静差。为了改善静态特性可以加入一个模糊积分环节，构成模糊混合控制器。这种控制能够有效地消除极限环和系统误差，是一种无差控制。此外，常规控制时通过调节三个参数，就可以得到系统比较理想的响应图，控制效果的优良与参数的调整有很大的关系，也能提高快速性。但三个参数的调整非常繁琐。而且，如果系统环境不断变化，则参数又必须进行重新调整，往

6、往达不到最优。而采用模糊控制后，通过模糊控制器对进行非线性的参数整定，可使系统无论是快速性方面还是稳定性方面都达到比较好的效果。该模糊自整定控制器对于温度控制系统具有较好的控制效果。实践中可以根据工程控制的具体情况及对超调量、稳定性、响应速度的不同要求，来调整模糊控制器参数的取值范围，从而得到不同的控制精度和控制效果。六、教师评语签名：日期：成绩实验二单神经元自适应闭环控制实验学号090910*姓名*专业、班智能科学10*班实验地点民主楼126指导教师余伶俐时间2013年3月30日一、实验目的及要求掌握单神经元控制器的设计方法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

7、环境、软件环境）及要求机一台，系列教学实验系统一套。三、实验内容与步骤单神经元闭环控制器实验参考流程图编写单神经元控制器程序，汇编、链接、装载到控制机中；按照实验线路图接线调节信号源使其输出幅值为，周期的方波；检查无误后运行程序，用示波器观察输入端和输出端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；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0J的电容改变对象的时间常数观察并记录此时的响应曲线。常规数字闭环控制器实验编写数字控制器程序汇编、链接、装载到控制机中；按照单神经元闭环控制器实验步骤进行操作。参考程序中规

8、定采样周期T及学习速率的取值范围为TICp11Td取值范圉1-FFH0FFFFH17FFFH07FFFH实际星纲10-2550ms01倍1327.671T27G秒控制器中的参数可遵循如下的调节规律初始加权系数、可以任意选取，参考程序中全部取为；一般值偏大将使系统响应超调过大值偏小使过渡过程时间加长，参考程序中值取为；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特性，学习速率的选择和参数的选择相似。若过渡过程时间太长，可增加n和n3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n1四、实验结果与数据处理实验得到的函数图如下：|T1-T2|=

9、6.C04s|V1-V2|=8.645v|T1-T2|=46S.Srns|V1-V2|=1.035v五、分析与讨论实验结果分析：对该实验结果可以分两阶段分析：在系统开始阶段，数字控制的响应曲线超调和调节时间较小，这是由于数字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M的电容，数字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，说明其鲁棒性较差。而单神经元控制器因为实质上是一个变系数的复合控制器，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，因此它比常规控制器具有更好的鲁棒性、自适应性。实验结果讨论：神经控制是近十年发展起来的新的智能控制系统。随着人工神经网络（）的研究得到新进展，它已成为动态系统辨识、建模和控制的一种新的和令人感兴趣的工具。神经网络是由众多的神经元采用某种网络拓扑结构构成的可以用来描述几乎任意的非线性系统而且神经网络还具有自学习、自适应和并行分布处理等特点在控制领域有着广阔的应用前景。单神经元作为神经网络的最基本单元具有自学习、自适应能力而且由单神经元构成的