文档介绍：Ξ
2 2
2 2
控制系统
文章编号: 1001—9944 (2001) 01—0034—03
2 2
基于M ATLAB 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 ulink 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(NN CS) 的计算机仿真。具体仿真实例表明,M A TLAB 是进行人工神经网络计算机
Ξ仿真的有效工具。
关键词: 神经网络; BP 网;M A TLAB; Sim ulink; 系统仿真
中图分类号: T P391. 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m n 1 结构, 该网
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 3 5 1 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 e (i)、e (i- 1)、e (i- 2) 。
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 tansig 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 BP 训
在本文中, 我们将BP 算法引入控制策略, 并练的神经元。如果BP 网络的最后一层是 sigmo id
建立一个 BP 网络模型, 利用M A TLAB 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 purelin 型线性神经元, 则整
的参量构造一网络控制器, 并在 Sim ulink 环境下个网络的输出可以是任意值, 所以取 purelin 型函
组成闭环控制系统, 进行系统仿真和动态模拟, 观数作为输出层的变换函数。网络结构如图 1 所示。
察其品质。
3 基于神经网络工具箱的 BP 网络学习和训
2 BP 网络分析及模型建立练
BP 网络是目前应用最广泛的神经网络模型。 M A TLAB 作为国际公认最优秀的数学应用
它的学习规则就是通过反向传播(BP) 来调整网软件, 它集数值分析、矩阵运算、信号处理和图形
络的权值和阈值使网络误差的平方和最小