智能控制技术作业1

《智能控制技术作业1》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、智能控制技术作业1.已知系统的传递函数为:e。假设系统给定为阶跃值r=30，系统的初始值r(0)=0。试分别设计（1）常规的PID控制器；（2）常规的模糊控制器；（3）比较两种控制器的控制效果。解：(1).常规PID控制器的设计：利用Ziegler-Nichols整定公式整定PID调节器的初始参数表1.调节器Ziegler-Nichols整定公式KPTITDPPI0.93.3PID1.22.20.5由公式可得P=18Ti=1.65Td=0SIMULINK仿真图设定仿真时间为10s仿真结果(2).模糊控制器的设计：1．在matlab命令窗口输入“fuzzy”确定模糊控制器结构：即根

2、据具体的系统确定输入、输出量。选取二维控制结构，即输入为误差e和误差变化ec，输出为u如下图所示:2．输入输出变量的模糊化：即把输入输出的精确量转化为对应语言变量的模糊集合。首先我们要确定描述输入输出变量语言值的模糊子集，如{NB，NM，NS，ZO，PS，PM，PB}，并设置输入输出变量的论域，然后我们为模糊语言变量选取相应的隶属度函数。如下图所示:3．模糊推理决策算法设计：即根据模糊控制规则进行模糊推理，并决策出模糊输出量。首先要确定模糊规则，即专家经验。如图所示:制定完之后，会形成一个模糊控制规则矩阵，然后根据模糊输入量按照相应的模糊推理算法完成计算，并决策出模糊输出量。4．

3、对输出模糊量的解模糊：模糊控制器的输出量是一个模糊集合，通过反模糊化方法判决出一个确切的精确量，反模糊化方法很多，我们这里选取重心法。SIMULINK仿真图在模糊控制器的输入和输出均有一个比例系数，我们叫它量化因子，它反映的是模糊论域范围与实际范围之间的比例关系，这里模糊控制器输入的论域范围均为[-6，6]，假设误差的范围是[-10，10]，误差变化率范围是[-100，100]，控制量的范围是[-24，24]，那么我们就可以算出量化因子分别为0.6，0.06，8。量化因子的选取对于模糊控制器的控制效果有很大的影响，当输出量化因子调为10控制效果更好。仿真曲线（3）.常规PID控制

4、器和模糊控制器的比较由仿真结果可见两种控制器对系统的各项性能指标都有了改进，常规PID还是有超调量，模糊控制器的超调量几乎为零。1.已知一个非线性系统由一个神经网络和一个线性系统串联而成，如图5-31所示。NNW(z)图5-31题4图其中线性系统的传递函数W（z）已知，试推导出神经网络控制器NN的学习算法。解：根据控制性能的要求，选目标函数为E==神经网络模型选用四层前向传播神经网络，并假设输出单元层的神经元为线性单元，其余层的神经元为Sigmoid激励元，则其学习规则可归结为输出层隐含层取直接网络控制法的神经网络结构为。，期望输出为则经过100次的在线学习和训练后，其均方误差已

5、经小于0.005。