智能控制
文章平均质量分 69
落幕·重逢
洛阳的洛不是落幕的落,重庆的重却是重逢的重。
展开
-
RBF网络的逼近实例详解
RBF的逼近实例详解题目解题思路代码运行结果代码详解题目采用RBF网络对如下模型进行逼近G(s)= 133/(s^2+25s)网络结构为2-5-1结构取x(1) = u(t),x(2) = 3(t-1),η=0.50,α=0.05,网络的初始权值取0到1之间的随机值。考虑到网络的第一个输入范围为[0,1],离线测试可得第二个输入范围为[0,10],取高斯基函数的参数取值为b_j = 1.5,j =1,2,3,4,5.网络的第一个输入为u(k) = sint。仿真中,只调节权值w,取固定的c_j原创 2021-01-18 20:01:20 · 5313 阅读 · 7 评论 -
模糊自适应整定PID控制详解
模糊自适应整定PID控制题目流程图代码代码详解运行结果题目设被控对象为G_p (s)=133/(s^2+25s)采样时间为1ms,采用z变换进行离散化,离散化后的被控对象为y(k)=-den(2)y(k-1)-den(3)y(k-2)+num(2)u(k-1)+num(3)u(k-2)位置命令为幅值为1.0的方波信号,r(k) = 1.0。仿真时,先运行模糊推理系统设计程序,实现模糊推理系统d=fuzzpid.fis,并将此模糊推理系统调入内存中,然后运行模糊控制程序。流程图模糊PID控制原创 2021-01-08 23:14:32 · 15327 阅读 · 8 评论 -
智能控制(第4版)习题
思考题与习题33-1已知年龄的论域为[0,200],且设年老O和年轻Y两个模糊集的隶属函数分别为试设计“很年轻W”、“不老也不年轻V”两个模糊集的隶属函数,并用matlab实现针对上述4个隶属函数的仿真。程序代码下面展示一些 内联代码片。clear all;close all;%求年老for k1 = 1:1:2001 x1(k1) = (k1-1)*0.1; if x1(k1)>=50&x1(k1)<=70 y1(k1)=( x1(k1原创 2021-01-03 22:11:19 · 15667 阅读 · 7 评论 -
基于模糊控制的Simulink仿真详解
基于模糊控制的Simulink仿真详解Simulink的介绍Simulink是一个模块图环境,用于多域仿真以及基于模型的设计。它支持系统设计、仿真、自动代码生成以及嵌入式系统的连续测试和验证。 Simulink提供图形编辑器、可自定义的模块库以及求解器,能够进行动态系统建模和仿真。SIMULINK模块库按功能进行分类,包括以下8类子库:Continuous(连续模块)Discrete(离散模块)Function&Tables(函数和平台模块)Math(数学模块)Nonlinear(非原创 2021-01-03 21:40:32 · 13519 阅读 · 7 评论 -
模糊控制器的MATLAB仿真(位置跟踪和 Simulink仿真)
模糊控制器的MATLAB仿真模糊控制器的设计设计模糊控制的具体详解请参照链接: https://blog.csdn.net/LOVE_105/article/details/112135599.按照相同的方法得到模糊推理系统模糊逻辑控制的位置跟踪设置被控对象为G(s) = 400/(s^2+500s)设计两输入单输出模糊控制器,输入为偏差和偏差变化率,输出为控制量U,使系统输出能实时跟踪输入信号。Simulink仿真设计代码模糊控制器clear all;close all;a原创 2021-01-03 21:43:03 · 11046 阅读 · 6 评论 -
模糊控制应用实例——洗衣机的模糊控制详解
模糊控制应用实例——洗衣机的模糊控制详解模糊控制的一般流程(以洗衣机为例)(1)确定模糊控制器的结构控制器的输入为衣物的污泥和油脂控制器的输出为洗涤时间(2)定义输入、输出的模糊集污泥定义为3个模糊集:SD(少)、MD(中)、LD(多)油脂定义为3个模糊集:NG(少)、MG(中)、LG(多)洗涤时间定义为5个模糊集:VS(很短)、S(短)、M(中等)、L(长)、VL(很长)(3)定义隶属函数污泥和油脂模糊集相同,则可采用相同的隶属函数。(4)建立模糊控制规则“污泥越多,油脂越多,洗涤原创 2021-01-03 17:09:30 · 23940 阅读 · 0 评论 -
BP网络逼近仿真实例详解
BP网络逼近仿真实例详解题目解题思路代码运行结果代码详解题目使用BP网络逼近对象采样时间取1ms。输入信号为u(k) = 0.5sin(6πt)。神经网络为2-6-1结构,权值为W_1,W_2的初始值取[-1,+1]之间的随机值,取η=0.50,α=0.05。解题思路我们知道用于逼近的BP网络如下图所示BP网络工作流程也如下图所示通过这两张图我们可以得到隐含层神经元的输入即为所有输入信号的加权和隐含层的输出 x j ′输出层神经元的输出为隐含层输出加权和:误差为:准则函数为原创 2021-01-18 18:10:55 · 4006 阅读 · 3 评论