人工智能試驗匯報試驗名稱：含糊方法實現電熱箱閉環控制試驗含糊邏輯控制(FuzzyLogicControl)簡稱含糊控制(FuzzyControl)，是以含糊集合論、含糊語言變量和含糊邏輯推理為基礎一個計算機數字控制技術。1965年，美國L.A.Zadeh創建了含糊集合論；1973年他給出了含糊邏輯控制定義和相關定理。1974年，英國E.H.Mamdani首先用含糊控制語句組成含糊控制器，并把它應用于鍋爐和蒸汽機控制，在試驗室取得成功。這一開拓性工作標志著含糊控制論誕生。

含糊控制實質上是一個非線性控制，隸屬于智能控制范圍。含糊控制一大特點是既具備系統化理論，又有著大量實際應用背景。含糊控制發展最初在西方碰到了較大阻力；然而在東方尤其是在日本，卻得到了快速而廣泛推廣應用。近20多年來，含糊控制不論從理論上還是技術上都有了長足進步，成為自動控制領域中一個非常活躍而又碩果累累分支。其經典應用例子包括生產和生活許多方面，比如在家用電器設備中有含糊洗衣機、空調、微波爐、吸塵器、攝影機和攝錄機等；在工業控制領域中有水凈化處理、發酵過程、化學反應釜、水泥窯爐等含糊控制；在專用系統和其它方面有地鐵靠站停車、汽車駕駛、電梯、自動扶梯、蒸汽引擎以及機器人含糊控制等。

含糊控制是以含糊集合論、含糊語言變量和含糊邏輯推理為基礎微機數字控制。它能模擬人思維,組成一個非線性控制,以滿足復雜、不確定過程控制需要,是一個經典智能控制。

含糊控制系統類似于常規微機控制系統,以下列圖所表示:

圖1

含糊控制系統組成圖一、試驗目標

1.

學習由已知對象建立一個雙入單出含糊控制器;

2.

掌握利用含糊控制器實現溫度控制方法。二、試驗原理及內容

含糊控制器最慣用都是二維,其輸入變量有兩個(X1,X2),輸出變量只有一個(Y)。在實際控制系統中,X1通常取為誤差信號,X2通常取誤差改變,因為同時考慮到誤差和誤差改變影響,所以才能確保系統穩定,不致于產生振蕩。含糊控制系統方框圖以下列圖所表示:

圖2

含糊控制系統結構框圖

圖中,E為實際誤差,EC為實際誤差改變,U為控制量。下面就以電熱箱為控制對象,介紹雙入單出含糊控制器設計。

1.

含糊控制器設計

(1)

含糊化

誤差E∈[-30℃,230℃],且L＝7,誤差百分比因子α=7/230,這么就有E=α·E。采取就近取整標準,得E論域為:X={-1,0,+1,+2,+3,+4,+5}。

而誤差語言變量在論域X中有7個語言值,即:

含義:

正大大大

正大大

正大

正中

正小

零

負小

符號:

PBBB

PBB

PB

PM

PS

ZO

NS

誤差改變EC∈[0℃,9℃],且L＝6,誤差百分比因子β=6/9,這么就有EC=β·EC。一樣得到EC論域為:EC={0,+1,+2,+3,+4,+5}。

符號:

ZO

PS

PM

PB

PB

PBBB

輸出量U基本論域為:U={7fH,66H,4dH,34H,19H,00H}。

符號:

ZO

PS

PM

PB

PB

PBBB

(2)

含糊控制表表1

含糊控制系統結構框圖

為便于控制,使系統在微機實時控制中在線運行,可事先對各種誤差和誤差改變用微機離線計算好一個控制表,如上表所表示。按測量輸入誤差(E)和誤差改變(EC),查含糊控制表就可輸出控制量(U),完成控制溫度任務。含糊控制器里含糊控制規則表是基于手動操作經驗來建立,而另一個與含糊控制表關于還有含糊化接口和清楚化接口,也即誤差(E)、誤差改變(EC)、控制量(U)三個變量論域設定。這些都需要經過不停做試驗,從試驗中找到反饋值和控制量之間關系和規律,才能找到比較適宜論域。

2.

含糊控制器試驗線路圖設計

參考圖2含糊控制系統框圖,設計以下列圖所表示試驗線路圖:圖3

含糊控制器試驗線路圖

以8088控制機中8255PB0口輸出PWM脈沖信號為控制量,經驅動電路驅動固態繼電器吸合使電烤箱加熱。溫度測量使用了10K熱敏電阻,經A/D轉換組成反饋量,在參數給定情況下,經雙入單出含糊控制器,由誤差(E)、誤差改變(EC)查找含糊控制規則表得到對應控制量,使烤箱溫度穩定在給定值。其中OPKLK為1.1625MHz時鐘信號,經82532號通道分頻輸出10ms方波,首先作為A/D定時開啟信號,首先接入8259產生IRQ6中止,作為系統采樣時鐘。

3.

含糊控制器實現

下列圖是含糊控制器實現參考程序流程圖:圖4

參考程序流程圖

主程序主要完成系統初始化、查表并輸出控制量等功效;IRQ7中止子程序是為了處理A/D轉換完后產生中止;IRQ6中止子程序是為了給采樣周期計時,而且每一次中止產生一次PWM脈沖。三、試驗設備1.

電熱箱一臺;2.

PC機一臺,TD-ACC系列教學試驗系統一套。四、試驗步驟

1.

參考流程圖編寫程序,匯編、鏈接、裝載;

2.

按照圖3接線,檢驗接線無誤后,運行程序;

3.

用系統提供專用圖形顯示窗口觀察響應曲線,統計超調和過渡時間。試驗圖表試驗分析含糊控制器設計內容選擇含糊控制器設計內容與標準通常選取誤差信號E（或e）和誤差改變信號EC(或ec)作為含糊控制器輸入變量，而把受控變量改變y作為輸出變量。選取含糊控制規則選擇描述控制器輸入和輸出變量語義詞匯。要求含糊集。確定含糊控制狀態表。確定含糊化解含糊策略，制訂控制表。在求得誤差和誤差改變含糊集E和EC之后，控制量含糊集U可由含糊推理綜合算法取得：U=E×EC°R式中：R為含糊關系矩陣。控制量含糊集U可被變換為精準值。確定含糊控制器參數含糊控制基本思想是利用計算機來實現人控制經驗，而這些經驗多是用語言表示具備相當含糊性控制規則。含糊控制器(FuzzyController，即FC)取得巨大成功主要原因在于它具備以下一些突出特點：

含糊控制是一個基于規則控制。它直接采取語言型控制規則，出發點是現場操作人員控制經驗或相關教授知識，在設計中不需要建立被控對象精準數學模型，因而使得控制機理和策略易于接收與了解，設計簡單，便于應用。

由工業過程定性認識出發，比較輕易建立語言控制規則，因而含糊控制對那些數學模型難以獲取、動態特征不易掌握或改變非常顯著對象非常適用。

基于模型控制算法及系統設計方法，因為出發點和性能指標不一樣，輕易造成較大差異；但一個系統語言控制規則卻具備相正確獨立性，利用這些控制規律間含糊連接，輕易找到折中選擇，使控制效果優于常規控制器。

含糊控制算法是基于啟發性知識及語言決議規則設計，這有利于模擬人工控制過程和方法，增強控制系統適應能力，使之具備一定智能水平。

含糊控制系統魯棒性強，干擾和參數改變對控制效果影響被大大減弱，尤其適合于非線性、時變及純滯后系統控制七、試驗結論

此次試驗是在室溫環境下進行,其中電烤箱預設溫度為100oC(64H),起始溫度為室溫。依照試驗現象能夠看出,含糊控制在控制大滯后系統時比常規PID控制效果要好。一個方面是被控對象是一個大滯后系統,所以在控制量發生改變時,被控對象不能立刻表現出來,它要經過一段時間才能對上一個控制量作出反應;另一個方面常規PID控制是一個線性控制,在PID算法中,它積分項是一個誤差累加值,當系統誤差為零或為負值時,即使積分項值開始下降,但在誤差為正值時,積分項可能已經累加到了一個很大值,這使得積分項值不能很快地減下來,因而在控制上就出現了慣性,所以當誤差為零或為負值時,控制量不可能很快為零或為負值,系統則出現了超調和調整時間過長。當積分項累加值大過一定值時,系統則還會出現積分飽和現象,系統將振蕩下去而不穩定。

含糊控制是模擬人思維,是一個非線性控制,它輸出量是階躍,因而在控制方面不存在慣性和滯后問題。因為沒有誤差累加,含糊控制系統也就不會出現積分飽和現象。 試驗名稱：

單神經元自適應閉環控制試驗

所謂神經網絡控制，即基于神經網絡控制或簡稱神經控制，是指砸控制系統中采取神經網絡這一工具對難以精準描述復雜非線性對象進行建模，或充當控制器，或優化計算，或進行推理，或故障診療等，遺址同時兼有上述一些功效適應組合，將這么系統統稱為神經網絡控制系統，將這種控制方式稱為神經網絡控制。

神經網絡是由眾多神經元采取某種網絡拓撲結構組成,能夠用來描述幾乎任意非線性系統,而且神經網絡還具備自學習、自適應和并行分布處理等特點,在控制領域有著寬廣應用前景。單神經元作為神經網絡最基本單元,具備自學習、自適應能力,而且由單神經元組成控制器結構簡單,易于實時控制,所以其應用非常廣泛。一、試驗目標

1.

掌握單神經元控制器設計方法;

2.

觀察單神經元控制器對時變對象系統自適應控制能力。二、試驗原理及內容

1.

單神經元數學模型

單神經元數學模型由三部分組成:加權加法器、線性動態系統和非線性函數,以下列圖所表示。Xi是神經元輸入,Wi是加權系數(或連接強度),Vi是加權加法器輸出,U是單神經元輸出。圖1

單神經元數學模型

神經元學習過程就是為了取得期望輸出而不停地調整權值,權值修正采取學習規則。

2.

單神經元控制器設計

圖2是一個經典單神經元控制器方框圖:圖2

單神經元控制器結構圖

3.

試驗線路圖設計

依照圖2所表示單神經元控制器方框圖,試驗電路原理圖及接線圖可設計為:圖3

單神經元試驗線路圖

這里,系統誤差信號E經過A/D轉換單元IN7端輸入,計算機用8253定時器2來作為基按時鐘(初始化為10ms),定時采集IN7端信號,并經過8259IRQ7中止8088控制機運行,從8255A口讀入信號E數字量,并將采樣值進行計算,分別求得X1、X2、X3并進行自適應算法學習,把得到控制量直接送到D/A轉換單元,在OUT端輸出對應模擬信號,控制對象系統。

4.

參考流程圖設計

參考單神經元控制器線路原理圖(圖3),程序參考流程圖以下:圖4

單神經元程序參考流程圖

參考程序中要求采樣周期T及學習速率P1,P2,P3取值范圍為:

控制器中參數可遵照以下調整規律:

(1)

初始加權系數W1(0)、W2(0)、W3(0)能夠任意選取,參考程序中全部取為0100H;

(2)

通常K值偏大將使系統響應超調過大,K值偏小使過渡過程時間加長,參考程序中K值取為1;

(3)

學習速率選擇:因為采取了規范化學習算法,學習速率能夠取得較大,同時此神經元控制器具備PID特征,學習速率選擇和PID參數選擇相同。若過渡過程時間太長,可增加η1和η3,若響應曲線下降低于給定值后又遲緩上升到穩態時間太長,則減小η1。三、試驗設備

PC機一臺,TD-ACC系列教學試驗系統一套。四、試驗步驟

1.

單神經元閉環控制器試驗

(1).

參考流程圖編寫單神經元控制器程序,匯編、鏈接、裝載到控制機中;

(2).

按照試驗線路圖接線,調整信號源使其輸出幅值為2V,周期6S方波;

(3).

檢驗無誤后運行程序,用示波器觀察輸入端R和輸出端C。若系統性能不太好,依照試驗現象改變對應學習速率直到滿意為止,并記下此時響應曲線;

(4).

當響應曲線穩定后,斷開“ST”和“S”端,使被控對象處于不鎖零狀態;此時去掉被控對象中10μF電容(改變對象時間常數),觀察并統計此時響應曲線。

2.

常規數字PID閉環控制器試驗

(1).

編寫數字PID控制器程序,匯編、鏈接、裝載到控制機中;

(2).

(2)按照單神經元閉環控制器試驗步驟2～4進行操作。

參考程序中部分參數取值范圍:試驗圖表1.2.斷開“ST”和“S”端，使被控對象處于不鎖零狀態。去掉被控對象10uf電容（改變對象時間常數）。人工神經網絡特征：并行分布處理非線性映射經過訓練進行學習適應與集成硬件實現神經控制器設計建立受控對象數學計算模型或知識表示模型選擇神經網絡及其算法，進行初步辨識與訓練設計深井控制器，包含控制器結構、功效表示與推理控制系統仿真試驗，并經過試驗結果改進設計神經網絡在控制中作用分為以下幾個：

1.在基于精度模型各種控制結構中充當對象模型。

2.在反饋控制系統中直接充當控制器作用。

3.在傳統控制系統中起優化計算作用。

4.在與其余智能控制方法和優化算法，如含糊控制/教授考證及遺傳算法等相融合中，為其提供非參數化對象模型、優化參數、推理模型及故障診療等。

結