基于MATLAB的BP神经网络建模和系统仿真.pdfVIP

控制系统 ( ) 　　文章编号: 100 1—9944 200 1 0 1—0034—03 基于M A TL A B 的BP 神经网络建模及系统仿真 侯北平, 卢　佩 (天津轻工业学院 自动化系, 天津　300222) 摘　要: 将M A TLAB 中的神经网络工具箱和 Sim u link 有机结合起来, 并充分利用它们各 自的优势, 实现 了神经网络控制系统( ) 的计算机仿真。具体仿真实例表明, 是进行人工神经网络计算机 NN C S M A TLAB 仿真的有效工具。 关键词: 神经网络; B P 网;M A TLAB ; Sim u link ; 系统仿真 中图分类号: T P 39 1. 9　　文献标识码: B 1　引言 和泛化功能, 任一连续函数或映射均可采用三层 控制系统的模拟和仿真是进行科学研究的重 网络加以实现。这样, 把它作为控制器就找到了很 要手段。近年来, 几乎所有控制系统的高品质控制 好的答案。 均离不开系统仿真研究。通过仿真研究可以对照 控制器用前馈网络一般为 1 结构, 该网 m n 比较各种控制方案, 优化并确定相关控制参量。一 络输入层有m 个神经元, 隐层有 n 个神经元, 而 般来说, 对控制系统进行计算机仿真首先应建立 输出层只有一个神经元。研究表明, 网络的输出实 系统模型, 然后依据模型编制仿真程序, 充分利用 质是一系列权值、阈值和输入的线性组合, 当隐层 计算机对其进行动态模拟并显示结果。 函数具有任意阶非常数导数时, 该网络可以逼近 对于一个闭环控制系统, 我们的控制 目标是 任意连续函数。我们构造一 351 网络, 隐层节点 它的输出曲线是一条从 0 开始, 无限接近于给定 取 5 个, 输入节点取 3 个, 其输入参量是三偏差, 值, 且超调量极小的上升曲线, 这主要是由控制器 ( ) ( ) ( ) 采用递推方式取 、 - 1 、 - 2 。 e i e i e i 的输出决定的。在输入偏差不断变化的情况下, 设 本网络中的隐层变换函数取 tan sig 函数, 它 计什么样的控制器才能达到所需的控制精度和要 ( ) 可 以将神经元的输入范围 - ∞, + ∞ 映射到 求呢? (- 1, + 1) , 它是可微函数, 非常适于利用B P 训 在本文中, 我们将B P 算法引入控制策略, 并 练的神经元。如果B P 网络的最后一层是 sigm o id 建立一个B P 网络模型, 利用M A TLA B 中的神 型神经元, 那么整个网络的输出就限制在一个较 经网络工具箱对其进行学习和训练, 根据训练出 小的范围内; 如果是p u