神经网络非线性系统辨识与模型参考自适应控制器设计.doc
需积分: 10 30 浏览量
2022-10-16
10:17:28
上传
评论
收藏 469KB DOC 举报
神经网络非线性系统辨识与模型参考自适应控制器设计
试论述神经网络系统建模的几种基本方法。利用 BP 网络对以下非线性系统进行辨识。
非线性系统
2 2
( )(2 ( 1) 1)
( 1) ( )
1 ( ) ( 1)
y k y k
y k u k
y k y k
- +
+ = +
+ + -
1）首先利用 u（k)=sin（2*pi＊k/3）+1/3*sin（2*pi*k/6）,产生样本点 500，输入到上
述系统,产生 y（k)， 用于训练 BP 网络;
2)网络测试，利用 u(k）=sin(2＊pi*k/4）+1/5*sin（2*pi＊k/7)， 产生测试点 200,输入
到上述系统，产生 y（k), 检验 BP/RBF 网络建模效果。
3)利用模型参考自适应方法，设计 NNMARC 控制器，并对周期为 50，幅值为+/- 0。5 的方
波给定,进行闭环系统跟踪控制仿真，检验控制效果(要求超调〈5％）。要求给出源程序和神经
网络结构示意图，计算结果（权值矩阵）,动态过程仿真图。
1、系统辨识
题目中的非线性系统可以写成下式：
2 2
( )(2 ( 1) 1)
( 1) ( ) ( ); ( )
1 ( ) ( 1)
y k y k
y k f u k f
y k y k
- +
+ = · + · =
+ + -
使用 BP 网络对非线性部分
( )f ·
进行辨识，网络结构如图 1。1 所示,各层神经元个数分别为
2—8—1，输入数据为 y（k-1）和 y（k—2)，输出数据为 y（k).
…
图 1。1 辨识非线性系统的 BP 网络结构
使用 500 组样本进行训练,最终达到设定的 0.0001 的误差，训练过程如图 1.2 所示
图 1。2 网络训练过程
使用 200 个新的测试点进行测试，得到测试网络输出和误差结果分别如下图 1。3，1。4 所
示.从图中可以看出，相对训练数据而言，测试数据的辨识误差稍微变大，在 范围内，拟
合效果还算不错.
资源评论
