智能控制实验报告

姓 名 阳振宇 学 号 6100310093 学 院 信息工程学院 班 级 自动化102班

2013年12月24日

学生姓名：

南昌大学实验报告

阳振宇 学 号: 6100310093 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。

yn(k)

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;

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

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

10090

807060504030201000

1

2

3

4

5

6

7

8

9

0-0.02

-0.04-0.06-0.08-0.1-0.12-0.14-0.16-0.18-0.2

1

2

3

4

5

6

7

8

9

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。

本次实验我了解BP神经网络控制的基本算法，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；在调试过程中，熟悉了调试的方法，根据结果分析如何设置调整参数要有足够的耐心。在编写程序方面由于是使用课本上的参考程序，因此没有遇到问题，主要的疑问是在选择参数上，最后在老师和同学的帮助下，确定了参数的变化范围，改变两个参数后，得到仿真结果，分析后得到结论，实验顺利结束，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。