单神经元自适应PID控制器仿真实验报告
一、实验目的
1、熟悉单神经元PID控制器的原理。
2、通过实验进一步掌握有监督的Hebb学习规则及其算法仿真。
二、实验内容
利用单神经元实现自适应PID控制器,对二阶对象和正弦对象进行控单神经元自适应PID控制器仿真实验报告
一、实验目的
1、熟悉单神经元PID控制器的原理。
2、通过实验进一步掌握有监督的Hebb学习规则及其算法仿真。
二、实验内容
利用单神经元实现自适应PID控制器,对二阶对象和正弦对象进行控制
在MATLAB环境中进行仿真。
被控对象为y(k)=(k-1)+(k-2)+(k-1)+(k-2)
三、实验原理
1、单神经元模型:
图1人工神经元模型图
图2Sigmoid人工神经元活化函数
单神经元的McCulloch一Pitts模型如图1,图2所示。xl,x2,x3...xn是神经元接
收的信息,w1,w2,…为连接权值。利用简单的线性加权求和运算把输入信号的作
用结合起来构成净输入input=WjXj—B。此作用引起神经兀的状态变化,而神经元的输出v是其当前状态的激活函数。
2、神经经网络的有监督Hebb学习规则
(1)
学习规则是修改神经元之间连接强度或加权系数的算法,使获得的知识结构适应周围环境的变化。两个神经元同时处于兴奋状态或同时处理抑制状态时,它们之间的连接强度将得到加强,当一个神经元兴奋而另一个抑制时,它们之间的连接强度就应该减弱。这一论述的数学描述被称为Hebb学习规则。在学习过程中,网络根据实际输出与期望输出的比较,进行联接权系数的调整,将期望输出称导师信号是评价学习的标准。这样,就得到了有监督的Hebb学习规则如果用oi表示单元i的输出,oj表示单元j的输出Wij表示单元j到单元i的连接加权系数,di表示网络期望目标输出,"为学习速率,则神经网络有监督的Hebb学习规则下式所示。
Aw”k=^[dik—oi(k')]oi(k)oj(k)
单神经元控制系统的结构如图3所示。图中转换器的输人为设定值r(k)和输出y(k),转换器的输出为神经元学习所需要的状态量xl,x2,x3,K为神经元的比例系数。
图3单神经元自适应控制器结构图
单神经元自适应控制器是通过对加权系数的调整来实现自适应、自组织功能的,权系数的调整是按有监督的Hebb规则实现的。
控制及其学习算法如下:
3
u
k
=uk
:—1+Kw;(k)x.(k)
i=1
3
w'k
i
=Wj(k)/w.(k)
i=1
k
=叫
k—1+^/Z(k)u(k)叫(Q
W2
k
=W2
k-1+耳/側叽町勺(k)
W3
k
=W3
k-1+^^z(k)u(k)%3(k)
其中:
x1k=e(k)
%2k
单神经元自适应PID控制器实验报告 来自淘豆网m.daumloan.com转载请标明出处.