[信息与通信]BP Simulink.pptVIP

Simulink的 神经网络控制系统 3.1 基于Simulink的神经网络模块 3.2 基于Simulink的三种典型神经网络控制系统;3.1 基于Simulink的神经网络模块 神经网络工具箱中提供了一套可在Simulink中用来建立神经网络的模块，对于在MATLAB工作空间中建立的网络，也能够使用函数gensim( )生成一个相应的Simulink 网络模块。 ;3.1.1 模块的设置 在 Simulink库浏览窗口的Neural Network Blockset节点上，通过单击鼠标右键后，便可打开如图3-1所示的Neural Network Blockset模块集窗口。  图3-1 Neural Network Blockset模块集 在Neural Network Blockset模块集中包含了四个模块库，用鼠标的左键双击各个模块库的图标，便可打开相应的模块库。 ;1. 传输函数模块库(Transfer Functions) 用鼠标的左键双击Transfer Functions模块库的图标，便可打开如图3-2所示的传输函数模块库窗口。传输函数模块库中的任意一个模块都能够接受一个网络输入向量，并且相应地产生一个输出向量，这个输出向量的组数和输入向量相同。  图3-2 传输函数模块库窗口 ;2. 网络输入模块库(Net Input Functions) 用鼠标的左键双击Net Input Functions模块库的图标，便可打开如图3-3所示的网络输入模块库窗口。 网络输入模块库中的每一个模块都能够接受任意数目的加权输入向量、加权的层输出向量，以及偏值向量，并且返回一个网络输入向量。 ;3. 权值模块库(Weight Functions) 用鼠标的左键双击Weight Functions模块库的图标，便可打开如图3-4所示的权值模块库窗口。权值模块库中的每个模块都以一个神经元权值向量作为输入，并将其与一个输入向量（或者是某一层的输出向量）进行运算，得到神经元的加权输入值。 图3-4 权值模块库窗口 上面的这些模块需要的权值向量必须定义为列向量。这是因为Simulink中的信号可以为列向量，但是不能为矩阵或者行向量。 ;4. 控制系统模块库(Control Systems) 用鼠标的左键双击Control Systems模块库的图标，便可打开如图3-5所示的控制系统模块库窗口。  图3-5 控制系统模块库窗口 神经网络的控制系统模块库中包含三个控制器和一个示波器。关于它们的使用???法将在下一节专门介绍。 ;3.1.2 模块的生成 在MATLAB工作空间中，利用函数gensim( )，能够对一个神经网络生成其模块化描述，从而可在Simulink中对其进行仿真。gensim( ) 函数的调用格式为： gensim(net,st ) 其中 第一个参数指定了MATLAB工作空间中需要生成模块化描述的网络，第二个参数指定了采样时间，它通常情况下为一正数。如果网络没有与输入权值或者层中权值相关的延迟，则指定第二个参数为-1，那么函数gensim( )将生成一个连续采样的网络。 ;例3-1 设计一个线性网络，并生成其模块化描述。定义网络的输入为：X=[1 2 3 4 5]，相应的目标为：T=[1 3 5 7 9]。 解 实现以上任务的MATLAB命令为： Ex3_1 结果显示： y= 1 3 5 7 9 可以看出，网络已经正确地解决了问题。 gensim(net,-1); 3.2 基于Simulink的神经网络控制系统 神经网络在系统辨识和动态系统控制中已经得到了非常成功的使用。由于神经网络具有全局逼近能力，使得其在对非线性系统建模和对一般情况下的非线性控制器的实现等方而应用的比较普遍。本节将介绍三种在神经网络工具箱的控制系统模块(Control Systems)中利用Simulink实现的比较普遍的神经网络结构，它们常用于预测和控制，并已在MATLAB对应的神经网络工具箱中给出了实现。;这三种神经网络结构分别是： ．神经网络模型预测控制(NN Predictive Controller) ．反馈线性化控制(NARMA-L2 Controller) ．模型参考控制(Model Reference Controller) 使用神经网络进行控制时，通常有两个步骤：系统辨识和控制设计。 ; 在系统辨识阶段，主要任务是对需要控制的系统建立神经网络模型；在控制设计阶段，主要使用神