智能控制课程设计技术方案.docVIP

PAGE 7 - 《智能控制》课程设计报告 题目：采用BP网络进行模式识别 院 系： 专 业： 姓 名： 学 号： 指导老师： 日 期：年月日 目录 课程设计的目的和要求………………………………3 问题描述………………………………………………3 源程序…………………………………………………3 运行结果………………………………………………6 总结……………………………………………………7 课程设计的目的和要求 目的：1、通过本次课程设计进一步了解BP网络模式识别的基本原理，掌握BP网络的学习算法 2、熟悉matlab语言在智能控制中的运用，并提高学生有关智能控制系统的程序设计能力 要求：充分理解设计内容，并独立完成实验和课程设计报告 问题描述 采用BP网络进行模式识别。训练样本为3对两输入单输出样本，见表7-3。是采用BP网络对训练样本进行训练，并针对一组实际样本进行测试。用于测试的3组样本输入分别为1,0.1；0.5,0.5和0.1,0.1。 输入 输出 1 0 1 0 0 0 0 1 -1 表7-3 训练样本 说明：该BP网络可看做2-6-1结构，设权值wij，wjl的初始值取【-1，+1】之间的随机值，学习参数η=0.5，α=0.05.取网络训练的最终指标E=10^（-20），在仿真程序中用w1,w2代表wij，wjl，用Iout代表 x＇ｊ。 源程序 %网络训练程序 clear all。 close all。 xite=0.50。 alfa=0.05。 w2=rands(6,1)。 w2_1=w2。w2_2=w2。 w1=rands(2,6)。 w1_1=w1。w1_2=w1。 dw1=0*w1。 I=[0,0,0,0,0,0]。 Iout=[0,0,0,0,0,0]。 FI=[0,0,0,0,0,0]。 k=0。 E=1.0。 NS=3。 while E=1e-020 k=k+1。 times(k)=k。 for s=1:1:NS xs=[1,0。 0,0。 0,1]。 ys=[1,0,-1]。 x=xs(s,:)。 for j=1:1:6 I(j)=x*w1(:,j)。 Iout(j)=1/(1+exp(-I(j)))。 end y1=w2*Iout。 el=0。 y=ys(s,:)。 el=el+0.5*(y(1)-y1(1))^2。 es(s)=el。 E=0。 if s==NS for s=1:1:NS E=E+es(s)。 end end ey=y-y1。 w2=w2_1+xite*Iout*ey+alfa*(w2_1-w2_2)。 for j=1:1:6 S=1/(1+exp(-I(j)))。 FI(j)=S*(1-S)。 end for i=1:1:2 for j=1:1:6 dw1(i,j)=xite*FI(j)*x(i)*ey(1)*w2(j,1) end end w1=w1_1+dw1+alfa*(w1_1-w1_2)。 w1_2=w1_1。w1_1=w1。 w2_2=w2_1。w2_1=w2。 end Ek(k)=E。 end figure(1)。 plot(times,Ek,r)。 xlabel(k)。ylabel(E)。 save wfile w1 w2。 %网络训练程序 clear all。 load wfile w1 w2。 x=[1,0.1。 0.5,0.5。 0.1,1]。 for i=1:1:3 for j=1:1:6 I(i,j)=x(i,:)*w1(:,j)。 Iout(i,j)=1/(1+exp(-I(i,j)))。 end end y=w2*Iout。 y=y 运行结果 样本训练的收敛过程 W1的值 W2的值 输入 输出 1 0.1 0.9159 0.5 0.5 0.0087 0.1 1 -0.9190 测试样本及结果 总结 本次课程设计对我们来说还是存在一定的难度的，毕竟在这之前一直就没有做过课程设计，对BP网络识别理论感到生疏，另外对matlab软件也并不熟悉，属于现学现用的那种，但这却激发着我们对知识的渴望，不断地上网查资料，一遍又一遍的翻着书本，不断地探索着BP网络模式识别的原理，反复地研读着书本上的例题，让我们原本望而止步的事情终究是在我们的努力之下完成了！通过本次课程设计，进一步了解了神经网络自学习、自组织和并行处理等特征，体会到了它强大的模式识别能力，熟悉了BP神经网络的学习算法，同时也体验了matlab软件在智能控制系统应用中强悍的数据处理能力！当然，在本次侧成设计中，