人工智能試驗報告試驗名稱：模糊方法實現電熱箱的閉環掌握試驗模糊規律掌握(FuzzyLogicControl)簡稱模糊掌握(FuzzyControl)，是以模糊集合論、模1965年，美國的L.A.Zadeh創立了模糊集合論；1973年他給出了模糊規律掌握的定義和相關的定理。1974年，英國的E.H.Mamdani試驗室獲得成功。這一開拓性的工作標志著模糊掌握論的誕生。力；然而在東方尤其是在日本，卻得到了快速而廣泛的推廣應用。近20多年來，模糊掌握不管從理論上還是技術上都有了長足的進步機、空調、微波爐、吸塵器、照相機和攝錄機等；在工業掌握領域中有水凈化處理、發酵過駛、電梯、自動扶梯、蒸汽引擎以及機器人的模糊掌握等。模糊掌握是以模糊集合論、模糊語言變量和模糊規律推理為根底的微機數字掌握。它能模擬人的思維,構成一種非線性掌握,,是一種典型的智能掌握。模糊掌握系統類似于常規的微機掌握系統,如以下圖所示:1模糊掌握系統的構成圖一、試驗目的學習由對象建立一個雙入單出模糊掌握器;把握利用模糊掌握器實現溫度掌握的方法。二、試驗原理及內容模糊掌握器最常用的都是二維的,其輸入變量有兩個(X1,X2),輸出變量只有一個(Y)。在實際掌握系統中,X1一般取為誤差信號,X2一般取誤差的變化,由于同時考慮到誤差和誤差變化的影響,所以才能保證系統穩定,不致于產生振蕩。模糊掌握系統的方框圖如以下圖所示:2模糊掌握系統構造框圖圖中,E為實際誤差,EC為實際誤差變化,U為掌握量。下面就以電熱箱為掌握對象,介紹雙入單出模糊掌握器的設計。模糊掌握器設計模糊化誤差E∈[-30℃,230℃],L＝7,α=7/230,E=αE。承受就近取整原則,E的論域為:X={-1,0,+1,+2,+3,+4,+5}。而誤差的語言變量在論域X7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:PBBBPBBPBPMPSZONS誤差變化EC∈[0℃,9℃],且L＝6,誤差的比例因子β=6/9,這樣就有EC=βEC。同樣得到EC的論域為:EC={0,+1,+2,+3,+4,+5}。符號:ZOPSPMPBPBPBBB輸出量U的根本論域為:U={7fH,66H,4dH,34H,19H,00H}。符號:ZOPSPMPBPBPBBB模糊掌握表1模糊掌握系統構造框圖為便于掌握,使系統在微機實時掌握中在線運行,可事先對各種誤差和誤差變化用微機離線計算好一個掌握表,(E)和誤差變化(EC),查模糊掌握表就可輸出掌握量(U),完成掌握溫度的任務。模糊掌握器里的模糊掌握規章表是基于手動操作閱歷來建立的,而另一個與模糊掌握表有關的還有模糊化接口和清楚化接口,也即誤差(E)化(EC)、掌握量(U)三個變量的論域的設定。這些都需要通過不斷的做試驗,從試驗中找到反響值和掌握量之間的關系和規律,才能找到比較適宜的論域。模糊掌握器試驗線路圖設計2的模糊掌握系統框圖,設計如以下圖所示的試驗線路圖:3模糊掌握器試驗線路圖80888255PB0PWM脈沖信號為掌握量,經驅動電路驅動固態繼10K熱敏電阻,經A/D轉換構成反響量,在參數給定的狀況下,經雙入單出模糊掌握器,由誤差(E)(EC)查找模糊掌握規章表得到相應的掌握量,使烤箱溫度穩定在給定值。其中OPKLK1.1625MHz時鐘信號,82532號10ms的方波,一方面作為A/D的定時啟動信號,8259產生IRQ6中斷,作為系統采樣時鐘。模糊掌握器的實現以下圖是模糊掌握器實現的參考程序流程圖:4參考程序流程圖;IRQ7中斷子程序是為了處理A/D轉換完后產生的中斷;IRQ6中斷子程序是為了給采樣周期計時,并且每一次中斷產生一次PWM脈沖。三、試驗設備電熱箱一臺;PC機一臺,TD-ACC系列教學試驗系統一套。四、試驗步驟參考流程圖編寫程序,匯編、鏈接、裝載;3接線,檢查接線無誤后,運行程序;用系統供給的專用圖形顯示窗口觀看響應曲線,記錄超調和過渡時間。五．試驗圖表六、試驗分析模糊掌握器的設計內容選擇模糊掌握器的設計內容與原則E〔或e〕和誤差變化信號EC(或ec)控變量的變化y作為輸出變量。選取模糊掌握的規章選擇描述掌握器輸入和輸出變量的語義詞匯。規定模糊集。確定模糊掌握狀態表。確定模糊化的解模糊策略，制定掌握表。EECU可由模糊推理綜合算法獲得：U=E×EC°R式中：R為模糊關系矩陣。掌握量的模糊集U可被變換為準確值。確定模糊掌握器的參數模糊掌握的根本思想是利用計算機來實現人的掌握閱歷(FuzzyController，即FC)獲得巨大成功的主要緣由在于它具有如下一些突出特點：模糊掌握是一種基于規章的掌握。它直接承受語言型掌握規章，動身點是現場操作人員制機理和策略易于承受與理解，設計簡潔，便于應用。由工業過程的定性生疏動身，比較簡潔建立語言掌握規章，因而模糊掌握對那些數學模型難以獵取、動態特性不易把握或變化格外顯著的對象格外適用。基于模型的掌握算法及系統設計方法，由于動身點和性能指標的不同，簡潔導致較大差易找到折中的選擇，使掌握效果優于常規掌握器。模糊掌握算法是基于啟發性的學問及語言決策規章設計的，這有利于模擬人工掌握的過程和方法，增加掌握系統的適應力量，使之具有肯定的智能水平。模糊掌握系統的魯棒性強，干擾和參數變化對掌握效果的影響被大大減弱，尤其適合于非線性、時變及純滯后系統的掌握七、試驗結論本次試驗是在室溫環境下進展的,100oC(64H),起始溫度為室溫。依據試驗現象可以看出,模糊掌握在掌握大滯后系統時比常規PID掌握的效果要好。一個方面是被控對象是一個大滯后系統,所以在掌握量發生轉變時,被控對象不能馬上表現出來,它要經過一段時間才能對上一個掌握量作出反響;另一個方面常規PID的掌握是一種線性掌握,在PID算法中,它的積分項是一個誤差累加值,當系統誤差為零或為負值時,雖然積分項的值開頭下降,但在誤差為正值時,積分項可能已經累加到了一個很大的值,這使得積分項的值不能很快地減下來,因而在掌握上就消滅了慣性,因此當誤差為零或為負值時,掌握量不行能很快為零或為負值,系統則消滅了超調和調整時間過長。當積分項累加值大過肯定值時,系統則還會消滅積分飽和現象,系統將振蕩下去而不穩定。模糊掌握是模擬人的思維,是一種非線性掌握,它的輸出量是階躍的,因而在掌握方面不存在慣性和滯后問題。由于沒有誤差的累加,模糊掌握系統也就不會消滅積分飽和現象。所謂神經網絡掌握，即基于神經網絡掌握或簡稱神經掌握，是指砸掌握系統中承受神經網絡這一工具對難以準確描述的簡單的非線性對象進展建模，或充當掌握器，或優化計算，或進展推理，或故障診斷等，遺跡同時兼有上述某些功能的適應組合，將這樣的系統統稱為神經網絡的掌握系統，將這種掌握方式稱為神經網絡掌握。神經網絡是由眾多的神經元承受某種網絡拓撲構造構成的,可以用來描述幾乎任意的非線性系統,而且神經網絡還具有自學習、自適應和并行分布處理等特點,在掌握領域有著寬闊的應用前景。單神經元作為神經網絡的最根本單元,具有自學習、自適應力量,而且由單神經元構成的掌握器構造簡潔,易于實時掌握,因此其應用格外廣泛。一、試驗目的把握單神經元掌握器的設計方法;觀測單神經元掌握器對時變對象系統的自適應掌握力量。二、試驗原理及內容單神經元的數學模型單神經元的數學模型由三局部組成:加權加法器、線性動態系統和非線性函數,如以下圖所示。Xi是神經元的輸入,Wi是加權系數(或連接強度),Vi是加權加法器的輸出,U是單神經元的輸出。1單神經元的數學模型神經元的學習過程就是為了獲得期望的輸出而不斷地調整權值,權值的修正承受學習規章。單神經元掌握器設計2是一個典型的單神經元掌握器方框圖:2單神經元掌握器構造圖試驗線路圖設計依據圖2所示的單神經元掌握器方框圖,試驗電路原理圖及接線圖可設計為:3單神經元試驗線路圖這里,系統誤差信號EA/DIN7端輸入,82532來作為基準時鐘(10ms),IN7端的信號,8259IRQ78088掌握機的運行,8255AE的數字量,并將采樣值進展計算,X1、X2、X3并進展自適應算法學習,把得到的掌握量直接送到D/A轉換單元,OUT端輸出相應的模擬信號,掌握對象系統。參考流程圖設計參照單神經元掌握器線路原理圖(圖3),程序的參考流程圖如下:4單神經元程序參考流程圖參考程序中規定采樣周期T及學習速率P1,P2,P3的取值范圍為:掌握器中的參數可遵循如下的調整規律:初始加權系數W1(0)、W2(0)、W3(0)可以任意選取,參考程序中全部取為0100H;一般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1;學習速率的選擇:由于承受了標準化學習算法,學習速率可以取得較大,同時此神經元掌握器具有PID特性,學習速率的選擇和PID,可增加η1η3,假設響應曲線下降低于給定值后又緩慢上升到穩態的時間太長,η1。三、試驗設備PC機一臺,TD-ACC系列教學試驗系統一套。四、試驗步驟單神經元閉環掌握器試驗(1).參考流程圖編寫單神經元掌握器程序,匯編、鏈接、裝載到掌握機中;(2).依據試驗線路圖接線,2V,6S的方波;檢查無誤后運行程序,用示波器觀看輸入端R和輸出端C,依據試驗現象轉變相應的學習速率直到滿足為止,并登記此時的響應曲線;當響應曲線穩定后,斷開“ST”和“S”端,使被控對象處于不鎖零的狀態;此時去掉被控對10μF的電容(轉變對象的時間常數),觀看并記錄此時的響應曲線。常規數字PID閉環掌握器試驗(1).編寫數字PID掌握器程序,匯編、鏈接、裝載到掌握機中;(2).(2)依據單神經元閉環掌握器試驗步驟2～4進展操作。參考程序中局部參數取值范圍:五、試驗圖表1.斷開“ST”和“S”端，使被控對象處于不鎖零的狀態。10uf的電容〔轉變對象的時間常數。六、人工神經網絡的特性：并行分布處理非線性映射通過訓練進展學習適應與集成硬件實現神經掌握器的設計(1)建立受控對象的數學計算模型或學問表示模型(2)選擇神經網絡及其算法，進展初步辨識與訓練設計深井掌握器，包括掌握器構造、功能表示與推理(4)掌握系統仿真試驗，并通過試驗結果改進設計神經網絡在掌握中的作用分為以下幾種：在基于精度模型的各種掌握構造中充當對象的模型。在反響掌握系統中直接充當掌握器的作用。在傳統掌握系統中起優化計算的作用。在與其他智能掌握方法和優化算法，如模糊掌握/專家考證及遺傳算法等相融合中，為其供給非參數化對象模型、優化參數、推理模型及故障診斷等。七、結論從試驗結果可以看出:在系統開頭階段,數字PID掌握的響應曲線超調和調整時間較小,這是由于數字PID掌