《神经网络控制》课程实验指导书

《神经网络控制》课程实验指导书

ID:45747377

大小:61.33 KB

页数:7页

时间:2019-11-17

《神经网络控制》课程实验指导书_第1页
《神经网络控制》课程实验指导书_第2页
《神经网络控制》课程实验指导书_第3页
《神经网络控制》课程实验指导书_第4页
《神经网络控制》课程实验指导书_第5页
资源描述:

《《神经网络控制》课程实验指导书》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、《神经网络控制》课程实验指导书课程代码:课程编号:适应对象:智能科学与技术、自动化、电气类等专业指导教师:肖晓明魏世勇实验内容实验一BP神经网络优化算法实验实验二基于BP神经网络自整定PID控制仿真实验实验一BP神经网络优化算法实验一、实验目的1、熟悉MATLAB中神经网络工貝箱的使用方法2、了解BP神经网络各种优化算法的原理3、掌握BP神经网络各种优化算法的特点4、掌握使用BP神经网络各种优化算法解决实际问题的方法二、实验内容建立一个BP神经网络对正弦函数y二sin(3x)进行逼近,并分别将BP神经网络的学习函数取附加

2、动量、自适应调整参数、拟牛顿法等优化算法对应的学习函数,对各种训练方法的输IH结果和网络训练所使用吋间进行对比。1、确定BP神经网络的网络参数实验中采用三层的BP神经网络,输出层采用一个输出神经元,根据所学知识,确定隐含层的神经元个数、各层之间的激活函数、训练步数(建议在5000-10000步左右)、目标误差(建议在0.001左右)、输入值的取值范围、学习速率等网络参数。2、训练时间计算MATLAB里面冇两个函数:tictoc用于计算运行时间,在训练神经网络前加入函数tic表示计时开始,在训练完成后用timespan二

3、toe來获得训练总共用的时间,在命令窗口中可以看到输出的时间,此处的timespan是一个变量,可以选择其它符号,只要不与MATLAB的保留字发生冲突就可以了。3、观测结果在建立好的BP神经网络结构中,分别用traingd>traingdm>traingda>trainbfg>trainoss等学习函数置换BP神经网络中的学习函数,并用plot函数输出sin(3x)的图形以及使用测试数据时输出的图形观测训练示的神经网络的性能,同时请使用上而介绍的时间函数计算使用不同学习函数时神经网络所使用的训练吋间。三、思考与实验总结1

4、、对比使用各种学习函数时网络的输出,谁的效果好?2、当改变隐含层的神经元时会产牛:什么影响?3、实验屮还产牛了什么问题?是如何解决的?还存在什么有待进一步解决的问题?实验二基于BP神经网络自整定PID控制仿真实验一、实验目的熟悉神经网络的特征、结构以及学习篦法,通过实验掌握利川神经网络自整定PTD参数的工作原理和方法。了解不同神经网络结构对控制效果的影响,掌握用MATLAB实现神经网络控制系统仿真的方法。二、实验设备计算机系统、MatMb仿真软件三、实验原理在工业过程控制中,P1D控制是最帘用、最成熟的一种控制方法。这是

5、因为PID控制器结构简单、实现方便,控制效果良好,已得到广泛应用。但是,PTD具有一定的局限性:当被控制对彖参数随时间变化时,控制器的参数难以口动调整以适应外界环境的变化。为了使控制器具有较好的口适应性,实现控制器参数的口动调整,可以采用神经网络控制的方法。利用人工神经网络的自学习这一特性,并结合传统的PTD控制理论,构造神经网络PTD控制器,实现控制器参数的口动调整。基于BP神经网络的PID控制器结构如图1所示。控制器由两部分组成:一是常规P1D控制器,用以直接对对象进行闭坏控制,且三个参数可在线整定;二是神经网络NN

6、,根据系统的运行状态,学习调整权系数,从而调整PTD参数,达到某种性能指标的最优化。图1基于BP网络的P1D控制器结构图2BP网络结构BP网络是一种单向传播的多层前向网络。网络除输入输出节点外,还有--层或多层的隐节点,同层节点中没冇任何耦合。输入节点对应系统的运行状态屋,如系统不同时刻的输入量和输出量等,必要时要进行归一化处理,输入变量的个数取决于被控系统的复朵程度;输出节点对应的是PID的三个可调参数。由于输出不能为负,所以输出层激发函数取非负的Sigmoid函数,隐层取正负对称的Sigmoid函数。本系统取BP网络

7、的结构为4-5-3型,如图2所示。网络的学习过程山正向和反向传播两部分组成。在正向传播过程中,每一层神经单元的状态只影响下一层神经网络。如果输出层不能得到期望输出,也就是实际输出与期望输出有误差,那么转入反向传播过程,将谋差信号沿原来的连接通路返回,通过修改各层神经元的权值,逐次向输入层传播,去进行计算,再经过止向传播过程,这样经过两个过程的反复作用,使得谋差信号最小。实际上,当误差达到人们所希望的要求时,网络的学习过程就结束了。式中输入变量个数n取决于被控系统的复杂程度。-net[2)(k)=Vwfoj网络隐含层的输入

8、、输出为:⑵⑹=/(叫⑵仗)),(心1,2,…,g)式中wf为隐含层的加权系数;上角标(1)、(2)、(3)分别代表输入层、隐含层和输出层。隐含层神经元的激发函数取正负对称的Sigmoid函数:f(x)=tanh(x)=C一"e+e呦⑶伙)=£叩。$)仗)/=!附伙)訥叩伙)),(/=1,2,3)网络输出层的输入、输

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。