智能控制(神经网络)-作业

神经网络的课后作业 (刘金坤版教材)

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

u(k 1) 0.9 y(k 1)，分别进行matlab仿真。 y(k) 21 y(k 1)

（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u(k) 0.5sin(6 t)，权值W1,W2的初值随机取值， 0.05, 0.05。

仿真m文件程序为：

%BP simulation

clear all;

clear all;

xite=0.5;

alfa=0.5;

w1=rands(2,6); % value of w1,initially by random w1_1=w1;w1_2=w1;

w2=rands(6,1); % value of w2,initially by random 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]'; % input of yinhanceng cell

Iout=[0,0,0,0,0,0]'; % output of yinhanceng cell

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

ts=0.001;

for k=1:1:1000

time(k)=k*ts;

u(k)=0.5*sin(3*2*pi*k*ts);

神经网络的课后作业 (刘金坤版教材)

y(k)=(u_1-0.9*y_1)/(1+y_1^2);

for j=1:1:6

I(j)=x'*w1(:,j);

Iout(j)=1/(1+exp(-I(j)));

end

yn(k)=w2'*Iout; %output of network

e(k)=y(k)-yn(k); % error calculation

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

for j=1:1:6

FI(j)=exp(-I(j))/(1+exp(-I(j))^2);

end

for i=1:1:2

for j=1:1:6

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

end

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

% jacobian information

yu=0;

for j=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('y and yn');

figure(2);

神经网络的课后作业 (刘金坤版教材)

plot(time,y-yn,'r');

xlabel('times');ylabel('error');

figure(3);

plot(time,dyu);

xlabel('times');ylabel('dyu');

运行结果为：

神经网络的课后作业 (刘金坤版教材)

神经网络的课后作业 (刘金坤版教材)

（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u(k) 0.5sin(2 t)，权值的初值随机取值， 0.05, 0.05，高斯基函数初值Cj [0.5,0.5]T，

B [1.5,1.5,1.5,1.5]T。

仿真m文件程序如下：

%RBF simulation

clear all

clear all

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);

神经网络的课后作业 (刘金坤版教材)

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;

for k=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;

for j=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);

for j=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; for i=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);

% Jacobian information

yu=0;

for j=1:1:4

yu=yu+w(j)*h(j)*(c(1,j)-x(1))/b(j)^2;

end

dyu(k)=yu;

神经网络的课后作业 (刘金坤版教材)

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('y and ym');

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：

神经网络的课后作业 (刘金坤版教材)

神经网络的课后作业 (刘金坤版教材)

神经网络的课后作业 (刘金坤版教材)

（三）DRNN网路仿真

采样时间1ms，输入信号u(k) 0.5sin(4 t)，权值WD,WO,WI的初值随机取值，取 O 0.35, D 0.35, I 0.35。

仿真m文件程序为：

%DRNN simulation

clear all;

clear all;

wd=rands(7,1);

wo=rands(7,1);

wi=rands(3,7);

xj=zeros(7,1);

xj_1=xj;

神经网络的课后作业 (刘金坤版教材)

u_1=0;y_1=0;

xitei=0.35;

xited=0.35;

xiteo=0.35;

ts=0.001;

for k=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]';

for j=1:1:7

sj(j)=Ini'*wi(:,j)+wd(j)*xj(j);

end

for j=1:1:7

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

Pj=0*xj;

for j=1:1:7

Pj=wo(j)*(1+xj(j))*(1-xj(j))*xj_1(j); end

Qij=0*wi;

for j=1:1:7

for i=1:1:3

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

end

ymk=0;

for j=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;

神经网络的课后作业 (刘金坤版教材)

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('y and ym'); figure(2);

plot(time,y-ym,'r');

xlabel('time/s');ylabel('error'); 仿真结果为：

神经网络的课后作业 (刘金坤版教材)