研究实验10——模糊神经网络与模糊控制的算法研究

课程名称：智能控制实验名称：模糊控制一、实验目的：（1）了解在Simulink 仿真环境下建立控制系统方框图的方法，熟悉Matlab 和Simulink 仿真环境（2）掌握模糊控制器的设计方法。

（3）比较PID 控制和模糊控制的特点。

二、实验内容和步骤 已知s e s s s G 2.0214820)(-++=，分别设计PID 控制与模糊控制，使系统达到较好性能，并比较两种方法的结果。

结构如下图。

（1）模糊控制规则设计针对该定位系统，设计二维模糊控制规则，使性能达到最佳。

模糊控制规则如下：（2）设计未加PID或FUZZY控制器时，设计系统如下：输入阶跃信号，观测与分析仿真结果。

（3）加入PID控制器如下：对应的仿真结构图为：调整参数，观测与分析仿真结果。

PID控制的仿真曲线如下：（4）设计FUZZY控制器在simulink仿真环境下，设计模糊控制系统，包括模糊控制规则、隶属函数、比例因子、量化因子、论域等参数设计。

FUZZY控制仿真结构图如下：其中黄色部分具体为：利用simulink设计的模糊控制的仿真结构图为：其中对于模糊控制器的设计：E=[-6 6] EC=[-6 6] U=[-6 6]，并且其隶属函数分别为：E的隶属函数EC的隶属函数U的隶属函数再将其中一个学生的比较好的实验结果作为参考实例：首先仿真图如下：模糊控制器的设计：E=[-6 6] EC=[-6 6] U=[-6 6]，并且其隶属函数分别为：E和EC的隶属函数U的隶属函数控制规则：ECNB NM NS ZE PS PM PB ENB PB PB PB PB PM ZE ZENM PB PB PB PB PM ZE ZENS PM PM PM PM ZE NS NSZE PM PM PS ZE NS NM NMPS PS PS ZE NM NM NM NMPM ZE ZE NM NB NB NB NBPB ZE ZE NM NB NB NB NB设计好模糊控制器后，运行仿真图形，得到的仿真曲线如下（step time＝1）：模糊控制的仿真曲线由仿真可知，通过选择合适的PID参数可以达到较好的控制性能。

模糊逻辑跟踪控制
模糊控制的基本原理框图如下：
图1 模糊控制的基本原理框图
模糊控制器是模糊控制系统的核心，一个模糊控制系统的性能优劣主要取决于模糊控制器的结构、所采用的模糊控制规则、合成推理算法，以及模糊决策的方法等因素。

文本对应的程序，采用单变量二维模糊控制器，输入分别是 误差和误差的倒数，输出为控制量。

其中基模糊控制器结构如图2所示，模糊规则表如表1所示。

de dt
图2模糊控制器结构
表1 模糊规则表
在本仿真程序中，被控对象为：5
3245.235*10()+87.35 1.047*10G s s s s
=+
采样时间为1ms ，采用z 变换进行离散化，经过z 变换后的离散化对象为：
()(2)(1)(3)(2)(4)(3)(2)(1) (3)(2)(4)(3)
yout k den yout k den yout k den yout k num u k num u k num u k =------+-+-+-
其中，反模糊化采用“Centroid”方法，方波响应及控制器输出结果如图3和图4所示：。

模糊神经网络的基本原理与应用概述摘要：模糊神经网络（FNN）是将人工神经网络与模糊逻辑系统相结合的一种具有强大的自学习和自整定功能的网络,是智能控制理论研究领域中一个十分活跃的分支,因此模糊神经网络控制的研究具有重要的意义。

本文旨在分析模糊神经网络的基本原理及相关应用。

关键字：模糊神经网络，模糊控制，神经网络控制，BP算法。

Abstract:A fuzzy neural network is a neural network and fuzzy logic system with the combination of a powerful. The self-learning and self-tuning function of the network, is a very intelligent control theory research in the field of active branches. So the fuzzy neural network control research has the vital significance. The purpose of this paper is to analysis the basic principle of fuzzy neural networks and related applications.Key Words: Fuzzy Neural Network, Fuzzy Control, Neural Network Control, BP Algorithm.1人工神经网络的基本原理与应用概述1.1人工神经网络的概念人工神经网络(Artificial Neural Network,简称ANN)是由大量神经元通过极其丰富和完善的联接而构成的自适应非线性动态系统,它使用大量简单的相连的人工神经元来模仿生物神经网络的能力,从外界环境或其它神经元获得信息,同时加以简单的运算,将结果输出到外界或其它人工神经元。

（模糊算法）（二）引言：（）的发展已经引起了全球范围内的广泛关注和研究。

在的各个领域中，模糊算法作为一种重要的推理和决策方法，在模糊逻辑、模糊控制等方面展示出了无限的潜力。

本文将深入探讨中的模糊算法，包括其定义、特性、应用等方面。

概述：模糊算法是模糊逻辑的核心工具之一，通过引入模糊数学的概念，能够处理非精确、模糊的信息。

与传统的确定性算法相比，模糊算法更适合处理现实世界中存在的不确定性和模糊性问题。

它采用了一种模糊化的方式来描述和推理不确定性信息，通过模糊数学中的模糊集、模糊关系等概念，可以对人类的模糊认知进行建模和推理。

正文内容：一、模糊逻辑的基本概念和特性1.模糊集合的定义和表示方式2.模糊关系的定义和性质3.模糊推理的基本原理和方法4.模糊规则的表示和执行方式5.模糊逻辑的推理与推断方式二、模糊控制的理论与应用1.模糊控制器的结构和基本原理2.模糊控制系统的设计与实现3.模糊控制在工程领域的应用案例4.模糊控制与传统控制方法的比较5.模糊控制的优缺点及发展方向三、模糊神经网络的原理和应用1.模糊神经网络的基本结构和模型2.模糊神经网络的训练与学习算法3.模糊神经网络在模式分类和模式识别中的应用4.模糊神经网络与传统神经网络的异同点5.模糊神经网络的发展趋势和应用前景四、模糊决策的理论与方法1.模糊决策的基本概念和决策模型2.模糊决策的优化与求解方法3.模糊决策在风险评估和决策支持中的应用4.模糊决策与传统决策方法的比较5.模糊决策的发展趋势和研究方向五、模糊算法在智能系统中的应用1.模糊算法在领域的应用概况2.模糊算法在自然语言处理中的应用3.模糊算法在图像处理与识别中的应用4.模糊算法在智能交通系统中的应用5.模糊算法在智能领域的应用和挑战总结：本文全面介绍了中的模糊算法，包括其基本概念、特性和应用。

模糊算法通过引入模糊数学的概念，能够处理非精确、模糊的信息，并且在模糊逻辑、模糊控制、模糊神经网络、模糊决策等方面都有广泛的应用。