人工智能实验报告

人工智能试验报告试验名称：模糊方法实现电热箱的闭环掌握试验模糊规律掌握(FuzzyLogicControl)简称模糊掌握(FuzzyControl)，是以模糊集合论、模1965年，美国的L.A.Zadeh创立了模糊集合论；1973年他给出了模糊规律掌握的定义和相关的定理。1974年，英国的E.H.Mamdani试验室获得成功。这一开拓性的工作标志着模糊掌握论的诞生。力；然而在东方尤其是在日本，却得到了快速而广泛的推广应用。近20多年来，模糊掌握不管从理论上还是技术上都有了长足的进步机、空调、微波炉、吸尘器、照相机和摄录机等；在工业掌握领域中有水净化处理、发酵过驶、电梯、自动扶梯、蒸汽引擎以及机器人的模糊掌握等。模糊掌握是以模糊集合论、模糊语言变量和模糊规律推理为根底的微机数字掌握。它能模拟人的思维,构成一种非线性掌握,,是一种典型的智能掌握。模糊掌握系统类似于常规的微机掌握系统,如以下图所示:1模糊掌握系统的构成图一、试验目的学习由对象建立一个双入单出模糊掌握器;把握利用模糊掌握器实现温度掌握的方法。二、试验原理及内容模糊掌握器最常用的都是二维的,其输入变量有两个(X1,X2),输出变量只有一个(Y)。在实际掌握系统中,X1一般取为误差信号,X2一般取误差的变化,由于同时考虑到误差和误差变化的影响,所以才能保证系统稳定,不致于产生振荡。模糊掌握系统的方框图如以下图所示:2模糊掌握系统构造框图图中,E为实际误差,EC为实际误差变化,U为掌握量。下面就以电热箱为掌握对象,介绍双入单出模糊掌握器的设计。模糊掌握器设计模糊化误差E∈[-30℃,230℃],L＝7,α=7/230,E=αE。承受就近取整原则,E的论域为:X={-1,0,+1,+2,+3,+4,+5}。而误差的语言变量在论域X7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:PBBBPBBPBPMPSZONS误差变化EC∈[0℃,9℃],且L＝6,误差的比例因子β=6/9,这样就有EC=βEC。同样得到EC的论域为:EC={0,+1,+2,+3,+4,+5}。符号:ZOPSPMPBPBPBBB输出量U的根本论域为:U={7fH,66H,4dH,34H,19H,00H}。符号:ZOPSPMPBPBPBBB模糊掌握表1模糊掌握系统构造框图为便于掌握,使系统在微机实时掌握中在线运行,可事先对各种误差和误差变化用微机离线计算好一个掌握表,(E)和误差变化(EC),查模糊掌握表就可输出掌握量(U),完成掌握温度的任务。模糊掌握器里的模糊掌握规章表是基于手动操作阅历来建立的,而另一个与模糊掌握表有关的还有模糊化接口和清楚化接口,也即误差(E)化(EC)、掌握量(U)三个变量的论域的设定。这些都需要通过不断的做试验,从试验中找到反响值和掌握量之间的关系和规律,才能找到比较适宜的论域。模糊掌握器试验线路图设计2的模糊掌握系统框图,设计如以下图所示的试验线路图:3模糊掌握器试验线路图80888255PB0PWM脉冲信号为掌握量,经驱动电路驱动固态继10K热敏电阻,经A/D转换构成反响量,在参数给定的状况下,经双入单出模糊掌握器,由误差(E)(EC)查找模糊掌握规章表得到相应的掌握量,使烤箱温度稳定在给定值。其中OPKLK1.1625MHz时钟信号,82532号10ms的方波,一方面作为A/D的定时启动信号,8259产生IRQ6中断,作为系统采样时钟。模糊掌握器的实现以下图是模糊掌握器实现的参考程序流程图:4参考程序流程图;IRQ7中断子程序是为了处理A/D转换完后产生的中断;IRQ6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PWM脉冲。三、试验设备电热箱一台;PC机一台,TD-ACC系列教学试验系统一套。四、试验步骤参考流程图编写程序,汇编、链接、装载;3接线,检查接线无误后,运行程序;用系统供给的专用图形显示窗口观看响应曲线,记录超调和过渡时间。五．试验图表六、试验分析模糊掌握器的设计内容选择模糊掌握器的设计内容与原则E〔或e〕和误差变化信号EC(或ec)控变量的变化y作为输出变量。选取模糊掌握的规章选择描述掌握器输入和输出变量的语义词汇。规定模糊集。确定模糊掌握状态表。确定模糊化的解模糊策略，制定掌握表。EECU可由模糊推理综合算法获得：U=E×EC°R式中：R为模糊关系矩阵。掌握量的模糊集U可被变换为准确值。确定模糊掌握器的参数模糊掌握的根本思想是利用计算机来实现人的掌握阅历(FuzzyController，即FC)获得巨大成功的主要缘由在于它具有如下一些突出特点：模糊掌握是一种基于规章的掌握。它直接承受语言型掌握规章，动身点是现场操作人员制机理和策略易于承受与理解，设计简洁，便于应用。由工业过程的定性生疏动身，比较简洁建立语言掌握规章，因而模糊掌握对那些数学模型难以猎取、动态特性不易把握或变化格外显著的对象格外适用。基于模型的掌握算法及系统设计方法，由于动身点和性能指标的不同，简洁导致较大差易找到折中的选择，使掌握效果优于常规掌握器。模糊掌握算法是基于启发性的学问及语言决策规章设计的，这有利于模拟人工掌握的过程和方法，增加掌握系统的适应力量，使之具有肯定的智能水平。模糊掌握系统的鲁棒性强，干扰和参数变化对掌握效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的掌握七、试验结论本次试验是在室温环境下进展的,100ºC(64H),起始温度为室温。依据试验现象可以看出,模糊掌握在掌握大滞后系统时比常规PID掌握的效果要好。一个方面是被控对象是一个大滞后系统,所以在掌握量发生转变时,被控对象不能马上表现出来,它要经过一段时间才能对上一个掌握量作出反响;另一个方面常规PID的掌握是一种线性掌握,在PID算法中,它的积分项是一个误差累加值,当系统误差为零或为负值时,虽然积分项的值开头下降,但在误差为正值时,积分项可能已经累加到了一个很大的值,这使得积分项的值不能很快地减下来,因而在掌握上就消灭了惯性,因此当误差为零或为负值时,掌握量不行能很快为零或为负值,系统则消灭了超调和调整时间过长。当积分项累加值大过肯定值时,系统则还会消灭积分饱和现象,系统将振荡下去而不稳定。模糊掌握是模拟人的思维,是一种非线性掌握,它的输出量是阶跃的,因而在掌握方面不存在惯性和滞后问题。由于没有误差的累加,模糊掌握系统也就不会消灭积分饱和现象。所谓神经网络掌握，即基于神经网络掌握或简称神经掌握，是指砸掌握系统中承受神经网络这一工具对难以准确描述的简单的非线性对象进展建模，或充当掌握器，或优化计算，或进展推理，或故障诊断等，遗迹同时兼有上述某些功能的适应组合，将这样的系统统称为神经网络的掌握系统，将这种掌握方式称为神经网络掌握。神经网络是由众多的神经元承受某种网络拓扑构造构成的,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,在掌握领域有着宽阔的应用前景。单神经元作为神经网络的最根本单元,具有自学习、自适应力量,而且由单神经元构成的掌握器构造简洁,易于实时掌握,因此其应用格外广泛。一、试验目的把握单神经元掌握器的设计方法;观测单神经元掌握器对时变对象系统的自适应掌握力量。二、试验原理及内容单神经元的数学模型单神经元的数学模型由三局部组成:加权加法器、线性动态系统和非线性函数,如以下图所示。Xi是神经元的输入,Wi是加权系数(或连接强度),Vi是加权加法器的输出,U是单神经元的输出。1单神经元的数学模型神经元的学习过程就是为了获得期望的输出而不断地调整权值,权值的修正承受学习规章。单神经元掌握器设计2是一个典型的单神经元掌握器方框图:2单神经元掌握器构造图试验线路图设计依据图2所示的单神经元掌握器方框图,试验电路原理图及接线图可设计为:3单神经元试验线路图这里,系统误差信号EA/DIN7端输入,82532来作为基准时钟(10ms),IN7端的信号,8259IRQ78088掌握机的运行,8255AE的数字量,并将采样值进展计算,X1、X2、X3并进展自适应算法学习,把得到的掌握量直接送到D/A转换单元,OUT端输出相应的模拟信号,掌握对象系统。参考流程图设计参照单神经元掌握器线路原理图(图3),程序的参考流程图如下:4单神经元程序参考流程图参考程序中规定采样周期T及学习速率P1,P2,P3的取值范围为:掌握器中的参数可遵循如下的调整规律:初始加权系数W1(0)、W2(0)、W3(0)可以任意选取,参考程序中全部取为0100H;一般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1;学习速率的选择:由于承受了标准化学习算法,学习速率可以取得较大,同时此神经元掌握器具有PID特性,学习速率的选择和PID,可增加η1η3,假设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,η1。三、试验设备PC机一台,TD-ACC系列教学试验系统一套。四、试验步骤单神经元闭环掌握器试验(1).参考流程图编写单神经元掌握器程序,汇编、链接、装载到掌握机中;(2).依据试验线路图接线,2V,6S的方波;检查无误后运行程序,用示波器观看输入端R和输出端C,依据试验现象转变相应的学习速率直到满足为止,并登记此时的响应曲线;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10μF的电容(转变对象的时间常数),观看并记录此时的响应曲线。常规数字PID闭环掌握器试验(1).编写数字PID掌握器程序,汇编、链接、装载到掌握机中;(2).(2)依据单神经元闭环掌握器试验步骤2～4进展操作。参考程序中局部参数取值范围:五、试验图表1.断开“ST”和“S”端，使被控对象处于不锁零的状态。10uf的电容〔转变对象的时间常数。六、人工神经网络的特性：并行分布处理非线性映射通过训练进展学习适应与集成硬件实现神经掌握器的设计(1)建立受控对象的数学计算模型或学问表示模型(2)选择神经网络及其算法，进展初步辨识与训练设计深井掌握器，包括掌握器构造、功能表示与推理(4)掌握系统仿真试验，并通过试验结果改进设计神经网络在掌握中的作用分为以下几种：在基于精度模型的各种掌握构造中充当对象的模型。在反响掌握系统中直接充当掌握器的作用。在传统掌握系统中起优化计算的作用。在与其他智能掌握方法和优化算法，如模糊掌握/专家考证及遗传算法等相融合中，为其供给非参数化对象模型、优化参数、推理模型及故障诊断等。七、结论从试验结果可以看出:在系统开头阶段,数字PID掌握的响应曲线超调和调整时间较小,这是由于数字PID掌