人工智能实验报告

人工智能试验汇报试验名称：含糊方法实现电热箱闭环控制试验含糊逻辑控制(FuzzyLogicControl)简称含糊控制(FuzzyControl)，是以含糊集合论、含糊语言变量和含糊逻辑推理为基础一个计算机数字控制技术。1965年，美国L.A.Zadeh创建了含糊集合论；1973年他给出了含糊逻辑控制定义和相关定理。1974年，英国E.H.Mamdani首先用含糊控制语句组成含糊控制器，并把它应用于锅炉和蒸汽机控制，在试验室取得成功。这一开拓性工作标志着含糊控制论诞生。

含糊控制实质上是一个非线性控制，隶属于智能控制范围。含糊控制一大特点是既具备系统化理论，又有着大量实际应用背景。含糊控制发展最初在西方碰到了较大阻力；然而在东方尤其是在日本，却得到了快速而广泛推广应用。近20多年来，含糊控制不论从理论上还是技术上都有了长足进步，成为自动控制领域中一个非常活跃而又硕果累累分支。其经典应用例子包括生产和生活许多方面，比如在家用电器设备中有含糊洗衣机、空调、微波炉、吸尘器、摄影机和摄录机等；在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等含糊控制；在专用系统和其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人含糊控制等。

含糊控制是以含糊集合论、含糊语言变量和含糊逻辑推理为基础微机数字控制。它能模拟人思维,组成一个非线性控制,以满足复杂、不确定过程控制需要,是一个经典智能控制。

含糊控制系统类似于常规微机控制系统,以下列图所表示:

图1

含糊控制系统组成图一、试验目标

1.

学习由已知对象建立一个双入单出含糊控制器;

2.

掌握利用含糊控制器实现温度控制方法。二、试验原理及内容

含糊控制器最惯用都是二维,其输入变量有两个(X1,X2),输出变量只有一个(Y)。在实际控制系统中,X1通常取为误差信号,X2通常取误差改变,因为同时考虑到误差和误差改变影响,所以才能确保系统稳定,不致于产生振荡。含糊控制系统方框图以下列图所表示:

图2

含糊控制系统结构框图

图中,E为实际误差,EC为实际误差改变,U为控制量。下面就以电热箱为控制对象,介绍双入单出含糊控制器设计。

1.

含糊控制器设计

(1)

含糊化

误差E∈[-30℃,230℃],且L＝7,误差百分比因子α=7/230,这么就有E=α·E。采取就近取整标准,得E论域为:X={-1,0,+1,+2,+3,+4,+5}。

而误差语言变量在论域X中有7个语言值,即:

含义:

正大大大

正大大

正大

正中

正小

零

负小

符号:

PBBB

PBB

PB

PM

PS

ZO

NS

误差改变EC∈[0℃,9℃],且L＝6,误差百分比因子β=6/9,这么就有EC=β·EC。一样得到EC论域为:EC={0,+1,+2,+3,+4,+5}。

符号:

ZO

PS

PM

PB

PB

PBBB

输出量U基本论域为:U={7fH,66H,4dH,34H,19H,00H}。

符号:

ZO

PS

PM

PB

PB

PBBB

(2)

含糊控制表表1

含糊控制系统结构框图

为便于控制,使系统在微机实时控制中在线运行,可事先对各种误差和误差改变用微机离线计算好一个控制表,如上表所表示。按测量输入误差(E)和误差改变(EC),查含糊控制表就可输出控制量(U),完成控制温度任务。含糊控制器里含糊控制规则表是基于手动操作经验来建立,而另一个与含糊控制表关于还有含糊化接口和清楚化接口,也即误差(E)、误差改变(EC)、控制量(U)三个变量论域设定。这些都需要经过不停做试验,从试验中找到反馈值和控制量之间关系和规律,才能找到比较适宜论域。

2.

含糊控制器试验线路图设计

参考图2含糊控制系统框图,设计以下列图所表示试验线路图:图3

含糊控制器试验线路图

以8088控制机中8255PB0口输出PWM脉冲信号为控制量,经驱动电路驱动固态继电器吸合使电烤箱加热。温度测量使用了10K热敏电阻,经A/D转换组成反馈量,在参数给定情况下,经双入单出含糊控制器,由误差(E)、误差改变(EC)查找含糊控制规则表得到对应控制量,使烤箱温度稳定在给定值。其中OPKLK为1.1625MHz时钟信号,经82532号通道分频输出10ms方波,首先作为A/D定时开启信号,首先接入8259产生IRQ6中止,作为系统采样时钟。

3.

含糊控制器实现

下列图是含糊控制器实现参考程序流程图:图4

参考程序流程图

主程序主要完成系统初始化、查表并输出控制量等功效;IRQ7中止子程序是为了处理A/D转换完后产生中止;IRQ6中止子程序是为了给采样周期计时,而且每一次中止产生一次PWM脉冲。三、试验设备1.

电热箱一台;2.

PC机一台,TD-ACC系列教学试验系统一套。四、试验步骤

1.

参考流程图编写程序,汇编、链接、装载;

2.

按照图3接线,检验接线无误后,运行程序;

3.

用系统提供专用图形显示窗口观察响应曲线,统计超调和过渡时间。试验图表试验分析含糊控制器设计内容选择含糊控制器设计内容与标准通常选取误差信号E（或e）和误差改变信号EC(或ec)作为含糊控制器输入变量，而把受控变量改变y作为输出变量。选取含糊控制规则选择描述控制器输入和输出变量语义词汇。要求含糊集。确定含糊控制状态表。确定含糊化解含糊策略，制订控制表。在求得误差和误差改变含糊集E和EC之后，控制量含糊集U可由含糊推理综合算法取得：U=E×EC°R式中：R为含糊关系矩阵。控制量含糊集U可被变换为精准值。确定含糊控制器参数含糊控制基本思想是利用计算机来实现人控制经验，而这些经验多是用语言表示具备相当含糊性控制规则。含糊控制器(FuzzyController，即FC)取得巨大成功主要原因在于它具备以下一些突出特点：

含糊控制是一个基于规则控制。它直接采取语言型控制规则，出发点是现场操作人员控制经验或相关教授知识，在设计中不需要建立被控对象精准数学模型，因而使得控制机理和策略易于接收与了解，设计简单，便于应用。

由工业过程定性认识出发，比较轻易建立语言控制规则，因而含糊控制对那些数学模型难以获取、动态特征不易掌握或改变非常显著对象非常适用。

基于模型控制算法及系统设计方法，因为出发点和性能指标不一样，轻易造成较大差异；但一个系统语言控制规则却具备相正确独立性，利用这些控制规律间含糊连接，轻易找到折中选择，使控制效果优于常规控制器。

含糊控制算法是基于启发性知识及语言决议规则设计，这有利于模拟人工控制过程和方法，增强控制系统适应能力，使之具备一定智能水平。

含糊控制系统鲁棒性强，干扰和参数改变对控制效果影响被大大减弱，尤其适合于非线性、时变及纯滞后系统控制七、试验结论

此次试验是在室温环境下进行,其中电烤箱预设温度为100ºC(64H),起始温度为室温。依照试验现象能够看出,含糊控制在控制大滞后系统时比常规PID控制效果要好。一个方面是被控对象是一个大滞后系统,所以在控制量发生改变时,被控对象不能立刻表现出来,它要经过一段时间才能对上一个控制量作出反应;另一个方面常规PID控制是一个线性控制,在PID算法中,它积分项是一个误差累加值,当系统误差为零或为负值时,即使积分项值开始下降,但在误差为正值时,积分项可能已经累加到了一个很大值,这使得积分项值不能很快地减下来,因而在控制上就出现了惯性,所以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。

含糊控制是模拟人思维,是一个非线性控制,它输出量是阶跃,因而在控制方面不存在惯性和滞后问题。因为没有误差累加,含糊控制系统也就不会出现积分饱和现象。 试验名称：

单神经元自适应闭环控制试验

所谓神经网络控制，即基于神经网络控制或简称神经控制，是指砸控制系统中采取神经网络这一工具对难以精准描述复杂非线性对象进行建模，或充当控制器，或优化计算，或进行推理，或故障诊疗等，遗址同时兼有上述一些功效适应组合，将这么系统统称为神经网络控制系统，将这种控制方式称为神经网络控制。

神经网络是由众多神经元采取某种网络拓扑结构组成,能够用来描述几乎任意非线性系统,而且神经网络还具备自学习、自适应和并行分布处理等特点,在控制领域有着宽广应用前景。单神经元作为神经网络最基本单元,具备自学习、自适应能力,而且由单神经元组成控制器结构简单,易于实时控制,所以其应用非常广泛。一、试验目标

1.

掌握单神经元控制器设计方法;

2.

观察单神经元控制器对时变对象系统自适应控制能力。二、试验原理及内容

1.

单神经元数学模型

单神经元数学模型由三部分组成:加权加法器、线性动态系统和非线性函数,以下列图所表示。Xi是神经元输入,Wi是加权系数(或连接强度),Vi是加权加法器输出,U是单神经元输出。图1

单神经元数学模型

神经元学习过程就是为了取得期望输出而不停地调整权值,权值修正采取学习规则。

2.

单神经元控制器设计

图2是一个经典单神经元控制器方框图:图2

单神经元控制器结构图

3.

试验线路图设计

依照图2所表示单神经元控制器方框图,试验电路原理图及接线图可设计为:图3

单神经元试验线路图

这里,系统误差信号E经过A/D转换单元IN7端输入,计算机用8253定时器2来作为基按时钟(初始化为10ms),定时采集IN7端信号,并经过8259IRQ7中止8088控制机运行,从8255A口读入信号E数字量,并将采样值进行计算,分别求得X1、X2、X3并进行自适应算法学习,把得到控制量直接送到D/A转换单元,在OUT端输出对应模拟信号,控制对象系统。

4.

参考流程图设计

参考单神经元控制器线路原理图(图3),程序参考流程图以下:图4

单神经元程序参考流程图

参考程序中要求采样周期T及学习速率P1,P2,P3取值范围为:

控制器中参数可遵照以下调整规律:

(1)

初始加权系数W1(0)、W2(0)、W3(0)能够任意选取,参考程序中全部取为0100H;

(2)

通常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)

学习速率选择:因为采取了规范化学习算法,学习速率能够取得较大,同时此神经元控制器具备PID特征,学习速率选择和PID参数选择相同。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迟缓上升到稳态时间太长,则减小η1。三、试验设备

PC机一台,TD-ACC系列教学试验系统一套。四、试验步骤

1.

单神经元闭环控制器试验

(1).

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;

(2).

按照试验线路图接线,调整信号源使其输出幅值为2V,周期6S方波;

(3).

检验无误后运行程序,用示波器观察输入端R和输出端C。若系统性能不太好,依照试验现象改变对应学习速率直到满意为止,并记下此时响应曲线;

(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状态;此时去掉被控对象中10μF电容(改变对象时间常数),观察并统计此时响应曲线。

2.

常规数字PID闭环控制器试验

(1).

编写数字PID控制器程序,汇编、链接、装载到控制机中;

(2).

(2)按照单神经元闭环控制器试验步骤2～4进行操作。

参考程序中部分参数取值范围:试验图表1.2.断开“ST”和“S”端，使被控对象处于不锁零状态。去掉被控对象10uf电容（改变对象时间常数）。人工神经网络特征：并行分布处理非线性映射经过训练进行学习适应与集成硬件实现神经控制器设计建立受控对象数学计算模型或知识表示模型选择神经网络及其算法，进行初步辨识与训练设计深井控制器，包含控制器结构、功效表示与推理控制系统仿真试验，并经过试验结果改进设计神经网络在控制中作用分为以下几个：

1.在基于精度模型各种控制结构中充当对象模型。

2.在反馈控制系统中直接充当控制器作用。

3.在传统控制系统中起优化计算作用。

4.在与其余智能控制方法和优化算法，如含糊控制/教授考证及遗传算法等相融合中，为其提供非参数化对象模型、优化参数、推理模型及故障诊疗等。

结