1BP神经网络监督控制系统

题目：设计一个BP神经网络监督控制系统，被控对象为：

G(s)1000 32s87.35s10470s采样时间1ms，输入信号为方波信号，幅值0.5，频率2hz。设计一个BP神经网络用于该控制系统，并采用遗传算法进行BP神经网络参数及权值的优化设计，并试进行matlab仿真。

1、BP神经网络监督控制结构图

控制器选取PD控制器, kp=25,ki=0.05 2、神经网络参数

神经网络为1-4-1结构，权值W1,W2的初始值取1,1之间的随机值，取学习参数0.3,0.05。

(1) 前向传播：计算网络输出

隐层神经元的输入为所有输入的加权之和，即

xjwijxi

i隐层神经元的输出x'j采用S函数激发xj，得

x'jf(xj)11exj

输出层神经元的输出为

un(k)wjox'j

j控制律为

u(k)up(k)un(k)

神经网络调整的性能指标为

1E(k)(un(k)u(k))2

2(2) 反向传播：采用学习算法，调整各层间的权值 输出层及隐层的连接权值wj2学习算法为

wj0uEup(k)nup(k)x'j wj0wj0隐层及输入层连接权值wij学习算法为

wijunwj0x'j(1x'j)xi wijuEup(k)n wijwij式中，

k1时刻网络的权值为

wj0(k1)wj0(k)wj0(wj0(k)wj0(k1))wij(k1)wij(k)wij(wij(k)wij(k1))

4、Matlab仿真

BP神经网络监督控制程序见附录程序BP.m，参数M1时采用随机权值，仿真结果如下图

优化前的BP神经网络监督系统

5、遗传算法进行BP神经网络参数及权值的优化设计

遗传算法程序见附录GA1.m，取优化代数G100，每一步的误差及目标函数由GA2.m求得。采用二进制编码方式，用长度为10位的二进制编码串来分别表示向量权值中每个值。

遗传算法优化中，取样本个数为Size30，交叉概率为Pc0.60，采用自适应变异概率，即适应度越小，变异概率越大，取变异概率

Pm0.0011S:i1z:e0.。取用于优化的网络结构为S0i0z1e/161，网络权值

wj0,wij取值范围为1,1，共12个参数需要优化。

BP神经网络遗传算法优化程序包括3部分，即遗传算法优化程序GA1.m，BP网络监督控制子程序GA2.m，BP网络监督控制测试程序BP.m（当参数M2时采用优化后的参数）。

优化后的BP神经网络监督系统