课程设计报告 211.doc

过程控制大型综合 设计 11自动化（2） 黄一鑫 2015.1.18 目录 一、简单模糊控制器的设计 3 二、模糊控制与PID控制的比较 8 三、BP神经网络学习算法的MATLAB实现 15 四、用遗传算法求解如下优化问题 17 五、总结 24 一、简单模糊控制器的设计 对MATLAB模糊工具箱提供的水位控制系统sltank施加模糊控制，采用如下的简单模糊控制规则，给出模糊推理系统的输入/输出特性曲面图，以及水位控制系统的输出变化曲线。 IF（水位误差小） THEN（阀门大小不变） IF（水位低） THEN（阀门迅速打开） IF（水位高） THEN（阀门迅速关闭） IF（水位误差小且变化率为正） THEN（阀门缓慢关闭） IF（水位误差小且变化率为负） THEN（阀门缓慢打开） 在MATLAB命令窗口中输入“sltank”，打开该水位控制系统的simulink仿真模型； 在MATLAB命令窗口中输入“fuzzy”，打开模糊推理系统编辑器之后进行模糊 控制器的设计。 设置2个输入： 设置输入1的域值范围，选择隶属度函数并修改函数名以及坐标： 设置输入2的域值范围，选择隶属度函数并修改函数名以及坐标： 设置输出1的域值范围，选择隶属度函数并修改函数名以及坐标： 按照题目要求设定模糊控制规则： 运行及结果 导出设置过的模糊控制器并在sltank中打开： 点击sltank中的运行按钮并记录结果： Sltank中Scope4的图像： 设置后的模糊控制器的Surface图： 二、模糊控制与PID控制的比较 假设某一工业过程可等效成以下二阶系统加上一些典型的非线性环节，即，控制执行机构具有0.07的死区和0.7的饱和区。采样时间T=0.01；系统输入r(t)=1.5。 （1）试设计一模糊控制器，使系统输出尽快跟随系统输入； （2）将模糊控制与PID控制的性能进行比较； （3）将系统有纯延迟与无纯延迟的性能进行比较。 在SIMULINK里建立系统模型，对其施加PID控制和模糊控制： 对PID控制参数进行整定： PID参数：P：0.7，I：0.4，D：1。 利用FIS Editor设计模糊控制器： 打开模糊控制器 设置2个输入： 设置输入DE的域值范围，选择隶属度函数并修改函数名以及坐标： 设置输入E的域值范围，选择隶属度函数并修改函数名以及坐标： 设置输出的域值范围，选择隶属度函数并修改函数名以及坐标： 按照规律设定模糊控制规则： 将两种控制作用下的系统输出进行比较 导出设置过的模糊控制器并在系统模型中打开： 调节并确定模糊控制器的参数 经调试参数为：Ku=0.008 Ke=15 Kd=2.5 Ki=0.02 运行系统模型记录输出图像： 左边曲线：PID控制的系统输出 右边曲线：模糊控制的系统输出 相对于模糊控制，PID控制超调小上升时间短，比较好。 将系统有无纯延迟的性能进行比较 将用模糊控制的系统的延迟去掉，进行有无延迟性能的比较 记录图像： 大致系统输出曲线图 顶点图 高一点：有纯延迟的系统输出 低一点：无纯延迟的系统输出 两条曲线比较接近，有纯延迟的系统输出超调要高一点。 三、BP神经网络学习算法的MATLAB实现 月份 1 2 3 4 5 6 销量 2056 2395 2600 2298 1634 1600 月份 7 8 9 10 11 12 销量 1873 1478 1900 1500 2046 1556 上表为某药品的销售情况，现构建一个如下的三层BP神经网络对药品的销售进行预测：输入层有三个结点，隐含层结点数为5，隐含层的激活函数为tansig；输出层结点数为1个，输出层的激活函数为logsig，并利用此网络对药品的销售量进行预测，预测方法采用滚动预测方式，即用前三个月的销售量来预测第四个月的销售量，如用1、2、3月的销售量为输入预测第4个月的销售量，用2、3、4月的销售量为输入预测第5个月的销售量.如此反复直至满足预测精度要求为止。 M文件程序 以每三个月的销售量经归一化处理后作为输入，以第四个月的销售量归一化处理后作为目标向量，创建一个BP神经网络，每一个输入向量的取值范围为[0 ,1]，隐含层有5个神经%元，输出层有一个神经元，隐含层的激活函数为tansig，输出层的激活函数为%logsig，训练函数为梯度下降函数，设置误差