三容水箱BP神经网络逼近.doc

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
三容水箱BP神经网络逼近

南昌大学实验报告 学生姓名: 王钟曦 学 号: 6100308091 专业班级: 自动化083班 实验类型:■ 验证 □ 综合 □ 设计 □ 创新 实验日期: 2011-11-10 实验成绩: 实验三 三容水箱BP神经网络逼近 实验目的 通过实现三容水箱的BP神经网络逼近达到对神经网络控制的初步认识,并进行简单BP神经网络逼近的matlab编程和调试; 通过BP神经网络逼近的方法,使三容水箱中的h3能够稳定在100 。 实验原理 Bp神经网络是误差反向传播神经网络,其基本思想是梯度下降法 q1=b*M; q2=21*sqrt(h) 三.程序 clear all; close all; M=60;%阀门开度初始值为60 H=80; h=50; b=3.5; s=120; xite=0.50; alfa=0.05; w2=rands(6,1); w2_1=w2;w2_2=w2_1; w1=rands(1,6); w1_1=w1;w1_2=w1_1; dw1=0*w1; x=[0]; I=[0,0,0,0,0,0]; Iout=[0,0,0,0,0,0]; FI=[0,0,0,0,0,0]; ts=0.001; for k=1:1:8500 time(k)=k*ts; L1(k)=h; L2(k)=H-h; e1(k)=H-h; q1=b*M; q2=21*sqrt(h); h=h+(q1-q2)/s; for j=1:1:6 I(j)=x*w1(:,j); Iout(j)=1/(1+exp(-I(j))); end Mn(k)=w2*Iout; e2(k)=M-Mn(k); w2=w2_1+(xite*e2(k))*Iout+alfa*(w2_1-w2_2); for j=1:1:6 FI(j)=exp(-I(j))/(1+exp(-I(j)))^2; end for i= 1:1:1 for j=1:1:6 dw1(i,j)=e2(k)*xite*FI(j)*w2(j)*x(i); end end w1=w1_1+dw1+alfa*(w1_1-w1_2); %%%%%%%%%%%%%%%%%%%%%%Jacobian%%%%%%%%%%%%%%%%%%%%%%%%%%%%% yu=0; for j=1:1:6 yu=yu+w2(j)*w1(1,j)*FI(j); end dyu(k)=yu; x=e1(k); w1_2=w1_1;w1_1=w1; w2_2=w2_1;w2_1=w2; end figure; plot(time,L1,r,time,L2,b); 图如下 实验总结: 经过本次实验,了解了Matlab程序的调试与运行,加深了对BP神经网络控制基本原理的理解与运用,实验过程中掌握BP神经网络的基本算法。调试过程是一个需要耐心的阶段。

文档评论(0)

pangzilva + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档