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：
升级会员 