智能控制神经网络作业.docx

智能控制神经网络作业.docx

《智能控制神经网络作业.docx》由会员分享，可在线阅读，更多相关《智能控制神经网络作业.docx（15页珍藏版）》请在冰豆网上搜索。

智能控制神经网络作业

智能控制作业

学生姓名：

学号：

专业班级：

7-2采用BP网路、RBF网路、DRNN网路逼近线性对象

，分别进行matlab仿真。

（一）采用BP网络仿真

网络结构为2-6-1。

采样时间1ms，输入信号

，权值

的初值随机取值，

。

仿真m文件程序为：

%BPsimulation

clearall;

clearall;

xite=0.5;

alfa=0.5;

w1=rands（2,6）;%valueofw1,initiallybyrandom

w1_1=w1;w1_2=w1;

w2=rands（6,1）;%valueofw2,initiallybyrandom

w2_1=w2;w2_2=w2_1;

dw1=0*w1;

x=[0,0]';

u_1=0;

y_1=0;

I=[0,0,0,0,0,0]';%inputofyinhancengcell

Iout=[0,0,0,0,0,0]';%outputofyinhancengcell

FI=[0,0,0,0,0,0]';

ts=0.001;

fork=1:

1:

1000

time（k）=k*ts;

u（k）=0.5*sin（3*2*pi*k*ts）;

y（k）=（u_1-0.9*y_1）/（1+y_1^2）;

forj=1:

1:

6

I（j）=x'*w1（:

j）;

Iout（j）=1/（1+exp（-I（j）））;

end

yn（k）=w2'*Iout;%outputofnetwork

e（k）=y（k）-yn（k）;%errorcalculation

w2=w2_1+（xite*e（k））*Iout+alfa*（w2_1-w2_2）;%rectifyofw2

forj=1:

1:

6

FI（j）=exp（-I（j））/（1+exp（-I（j））^2）;

end

fori=1:

1:

2

forj=1:

1:

6

dw1（i,j）=e（k）*xite*FI（j）*w2（j）*x（i）;%dw1calculation

end

end

w1=w1_1+dw1+alfa*（w1_1-w1_2）;%rectifyofw1

%jacobianinformation

yu=0;

forj=1:

1:

6

yu=yu+w2（j）*w1（1,j）*FI（j）;

end

dyu（k）=yu;

x

（1）=u（k）;

x

（2）=y（k）;

w1_2=w1_1;w1_1=w1;

w2_2=w2_1;w2_1=w2;

u_1=u（k）;

y_1=y（k）;

end

figure

（1）;

plot（time,y,'r',time,yn,'b'）;

xlabel（'times'）;ylabel（'yandyn'）;

figure

（2）;

plot（time,y-yn,'r'）;

xlabel（'times'）;ylabel（'error'）;

figure（3）;

plot（time,dyu）;

xlabel（'times'）;ylabel（'dyu'）;

运行结果为：

（二）采用RBF网络仿真

网路结构为2-4-1，采样时间1ms，输入信号

，权值的初值随机取值，

，高斯基函数初值

，

。

仿真m文件程序如下：

%RBFsimulation

clearall

clearall

alfa=0.05;

xite=0.5;

x=[0,0]';

b=1.5*ones（4,1）;

c=0.5*ones（2,4）;

w=rands（4,1）;

w_1=w;w_2=w_1;

c_1=c;c_2=c_1;

b_1=b;b_2=b_1

d_w=0*w;

d_b=0*b;

y_1=0;

ts=0.001;

fork=1:

1:

2000;

time（k）=k*ts;

u（k）=0.5*sin（1*2*pi*k*ts）;

y（k）=（u（k）-0.9*y_1）/（1+y_1^2）;

x

（1）=u（k）;

x

（2）=y_1;

forj=1:

1:

4

h（j）=exp（-norm（x-c（:

j））^2/（2*b（j）*b（j）））;

end

ym（k）=w'*h';

em（k）=y（k）-ym（k）;

forj=1:

1:

4

d_w（j）=xite*em（k）*h（j）;

d_b（j）=xite*em（k）*w（j）*h（j）*（b（j）^-3）*norm（x-c（:

j））^2;

fori=1:

1:

2

d_c（i,j）=xite*em（k）*w（j）*h（j）*（x（i）-c（i,j））*（b（j）^-2）;

end

end

w=w_1+d_w+alfa*（w_1-w_1）;

b=b_1+d_b+alfa*（b_1-b_2）;

c=c_1+d_c+alfa*（c_1-c_2）;

%Jacobianinformation

yu=0;

forj=1:

1:

4

yu=yu+w（j）*h（j）*（c（1,j）-x

（1））/b（j）^2;

end

dyu（k）=yu;

y_1=y（k）;

w_2=w_1;

w_1=w;

c_2=c_1;

c_1=c;

b_2=b_1;

b_1=b;

end

figure

（1）;

plot（time,y,'r',time,ym,'b'）;

xlabel（'time（s）'）;ylabel（'yandym'）;

figure

（2）;

plot（time,y-ym,'r'）;

xlabel（'time（s）'）;ylabel（'error'）;

figure（3）;

plot（time,dyu,'b'）;

xlabel（'time（s）'）;ylabel（'dyu'）;

仿真结果为：

（三）DRNN网路仿真

采样时间1ms，输入信号

，权值

的初值随机取值，取

。

仿真m文件程序为：

%DRNNsimulation

clearall;

clearall;

wd=rands（7,1）;

wo=rands（7,1）;

wi=rands（3,7）;

xj=zeros（7,1）;

xj_1=xj;

u_1=0;y_1=0;

xitei=0.35;

xited=0.35;

xiteo=0.35;

ts=0.001;

fork=1:

1:

1000

time（k）=k*ts;

u（k）=0.5*sin（4*pi*k*ts）;

y（k）=（u_1-0.9*y_1）/（1+y_1^2）;

Ini=[u_1,y_1,1]';

forj=1:

1:

7

sj（j）=Ini'*wi（:

j）+wd（j）*xj（j）;

end

forj=1:

1:

7

xj（j）=（1-exp（-sj（j）））/（1+exp（-sj（j）））;

end

Pj=0*xj;

forj=1:

1:

7

Pj=wo（j）*（1+xj（j））*（1-xj（j））*xj_1（j）;

end

Qij=0*wi;

forj=1:

1:

7

fori=1:

1:

3

Qij（i,j）=wo（j）*（1+xj（j））*（1-xj（j））*Ini（i）;

end

end

ymk=0;

forj=1:

1:

7

ymk=ymk+xj（j）*wo（j）;

end

ym（k）=ymk;

e（k）=y（k）-ym（k）;

wo=wo+xiteo*e（k）*xj;

wd=wd+xited*e（k）*Pj;

wi=wi+xitei*e（k）*Qij;

xj_1=xj;

u_1=u（k）;

y_1=y（k）;

end

figure

（1）;

plot（time,y,'r',time,ym,'b'）;

xlabel（'time/s'）;ylabel（'yandym'）;

figure

（2）;

plot（time,y-ym,'r'）;

xlabel（'time/s'）;ylabel（'error'）;

仿真结果为：