智能控制实验报告
姓名徐斯
学号6100310139
学院信息工程学院
班级自动化102班
2013年12月24日
南昌大学实验报告
学生姓名：徐斯学号: 6100310139专业班级：自动化102班
实验类型：□验证□综合□设计□创新实验日期：实验成绩：
单容水箱神经网络控制
一、实验目的
1、熟悉神经网络的特征、结构及学习算法
2、通过实验进一步掌握神经网络的原理及实现
3、了解神经网络的结构对控制效果的影响
4、掌握用MATLAB事先神经网络控制系统仿真的方法
5、通过BP神经网络逼近的方法，使单容水箱中的H能够稳定在100
二、实验设备及条件
计算机（装有MATLAB仿真软件）
三、实验原理
1.BP神经网络的结构
含一个隐含层的BP网
络结构如左图所示，图中i
为输入层神经元， j为隐层
神经元,k为输出层神经元。
2.BP神经网络的逼近
BP网络逼近的结构如下图所示，图中k为网络的迭代步骤，u(k)和y(k)为逼近器的输入。BP为网络逼近器，y(k)为被控对象实际输出，yn(k)为BP的输出。将系统输出y(k)及输入u(k)的值作为逼近器BP的输入，将系统输出与网络输出的误差作为逼近器的调整信号。
用于逼近的BP网络如上右图所示
3.BP算法的学习
BP算法的学习过程由信息的正向传播和误差的反向传播两个过程组成。在正向传播过程中，输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度。
四、实验设计过程及结果
1、写出三容水箱各流量液位的数学表达式：
q1=3.5*k;
q2=21*sqrt(h);
h=h+(q1-q2)/s;
s=120;
) (k y
n
) (k u
) (k y
ij
w2j w
'
j
x
j
x
i
x
五、程序
clear all;
close all;
M=60;%阀门开度初始值为60 H=100;
h=80;
b=3.5;
s=120;
xite=0.50;
alfa=0.05;
w2=rands(6,1);
w2_1=w2;w2_2=w2_1;
w1=rands(1,6);
w1_1=w1;w1_2=w1_1;
dw1=0*w1;
x=[0]';
I=[0,0,0,0,0,0]';
Iout=[0,0,0,0,0,0]';
FI=[0,0,0,0,0,0]';
ts=0.001;
for k=1:1:8500 Q1
Q2
k h
单容水箱
time(k)=k*ts;
L(k)=h;
e1(k)=H-h;
q1=b*M;
q2=21*sqrt(h);
h=h+(q1-q2)/s;
e3(k)=L(k)-h;
for j=1:1:6
I(j)=x'*w1(:,j);
Iout(j)=1/(1+exp(-I(j)));
end
Mn(k)=w2'*Iout;
e2(k)=M-Mn(k);
w2=w2_1+(xite*e2(k))*Iout+alfa*(w2_1-w2_2);
for j=1:1:6
FI(j)=exp(-I(j))/(1+exp(-I(j)))^2;
end
for i= 1:1:1
for j=1:1:6
dw1(i,j)=e2(k)*xite*FI(j)*w2(j)*x(i);
end
end
w1=w1_1+dw1+alfa*(w1_1-w1_2);
yu=0;
for j=1:1:6
yu=yu+w2(j)*w1(1,j)*FI(j);
end
dyu(k)=yu;
x=e1(k);
w1_2=w1_1;w1_1=w1;
w2_2=w2_1;w2_1=w2;
end
figure(1);
plot(time,L,'r',time,e1,'b');
figure(2);
plot(time,e3);
六、实验结果
1
2
3
4
5
6
7
8
9
0102030405060708090
100
1
2
3
4
5
6
7
8
9
-0.2
-0.18-0.16-0.14-0.12-0.1-0.08-0.06-0.04-0.02
如图：水位由原先的80增长到100，最终稳定在设定的100上，而水位差从20降到了0，使水位满足实验要求，从第二个图也可以看出，L 与h 有一个跟随的过程，但其最终稳定在0，说明水位最终是没有偏差的稳定于100。 七、 实验总结。
本次实验我熟悉掌握论文matlab 程序的编写；了解智能控制中BP 神经网络控制的基本原理及思路，并应用于实践；在控制单容水箱中有比较良好的效果；
