基于Hopfield神经网络控制系统的研究控制理论与控制工程专业论文.docxVIP

摘 要 Hopfield 网络作为一个非线性动力学系统，由非线性元件构成的全连接型动态反馈 网络，Hopfield 网络中的输出端有反馈到其输入端 。所以，整个网络在输入的激励下， 会产生不断的状态变化。当有输入之后，就可以求取出 Hopfield 的输出，这个输出反馈 到输入从而产生新的输出，这个反馈过程一直进行下去。 如果 Hopfield 网络是一个能收敛的稳定网络，则网络反馈与迭代的计算过程所产生 的变化越来越小，一旦到达了稳定平衡状态。那么 Hopfield 网络就会输出一个稳定的恒 值。如果把稳定状态视为一个记忆样本，那么从初期朝稳定收敛的过程就是寻找最优样 本的过程。初始状态可以认为说给定样本的部分信息，神经网络的演变过程可以从初始 部分信息找到全部信息，以实现联想记忆；另外如果将稳定状态与某种优化计算的目标 函数相对应，作为神经网络能量函数的极小点，那么优化计算过程就是从初始状态寻找 能量函数极小点的过程。 本文正是利用 Hopfield 网络的这一特点来设计神经网络控制器，将 Hopfield 网络 稳定状态和目标函数相对应，网络运行的过程就是跟踪目标函数的过程。首先介绍了 Hopfield 网络的工作原理。然后论证了离散型 Hopfield 网络和连续型 Hopfield 网络的 稳定性，即整个网络一旦开始运行就会自动向着能量减少的方向移动，网络最终输出为 网络的平衡点同时也是能量的极小点。最后设计了基于连续型 Hopfield 网络的控制器， 比较了 Hopfield 网络控制器与常见 PID 控制器的优缺点，并进行仿真。仿真结果表明， 基于 Hopfield 网络的控制方法比常规控制方法的快速性和稳定性都有较大提高。 关键字：Hopfield 网络；能量函数；极小点；目标函数 ABSTRACT Hopfield network as a nonlinear dynamic system, posed by the nonlinear elements fully connected network for dynamic feedback, the feedback from the output return to its input of Hopfield. So,The mot ivation of the input will lead to contibued change of the entire network. When there is input, we can have the output from the Hopfield net, the output feedback to the input to genera te a new output, This feedback process has been going. If the Hopfield network is a converged and steady network, the network feedback and iterative calculation of the changes produced by the process of getting sma ller and sma ller, once in a stable equilibr ium, then the Hopfield network will output a stable consta nt. If the steady state as a memor y of the sample,t hen it is to find the optima l sample that from the beginning the process towards stability and convergence process. Initia l state given a sample of some of the information，the evolution of neura l networks can find all the information from the initia l part of the information, in order to achieve associative memory. If the steady state corresponds to a calculation of the objective funct ion optimization, as the minima l point Neura l network energy funct ion,t hat