利用Simulink构建神经网络控制系统的模块详解

本章节主要介绍了如何在MATLAB神经网络工具箱中利用Simulink构建神经网络控制系统。首先，通过在MATLAB命令窗口输入"predcstr"命令，用户可以自动调用Simulink并生成一个模型窗口，如图3-15所示。该模型是基于Simulink神经网络模块构建的基础。 3.1 基于Simulink的神经网络模块 神经网络工具箱提供了一整套模块，方便用户在Simulink环境中创建和设计神经网络。这些模块包括： 1. 传输函数模块库：此库包含可以处理网络输入并生成对应输出的模块，它们能处理与输入向量数量相同的输出向量，如线性、sigmoid或tanh等函数。 2. 网络输入模块库：这些模块负责接收加权输入向量、层输出向量和偏置向量，整合后生成网络所需的输入信号。 3. 权重模块库：每个模块以神经元权值向量作为输入，与输入向量进行运算，生成加权输入值。Simulink要求权值向量为列向量，这是由于其内部信号处理机制的限制。 4. 控制系统模块库：虽然这部分没有具体说明，但可以推测这些模块可能用于集成神经网络与其他控制算法，如PID控制器，实现系统的闭环控制。 3.2 建立模型的步骤 建立模型的过程通常涉及以下步骤： - 在NeuralNetworkBlockset模块集中选择所需模块，比如从TransferFunctions库选择适当的激活函数，从NetInputFunctions库添加输入处理模块，从WeightFunctions库导入权重管理模块，以及可能从ControlSystems库集成控制系统组件。 - 将这些模块连接起来形成网络结构，通过信号线连接输入、隐藏层、权重和输出部分。 - 设置权值参数，可能通过手动输入或学习算法自动生成。 - 配置模型的运行参数，如训练数据、学习速率等。 - 运行模型进行仿真，观察网络的行为并根据需要调整模型。 总结来说，利用Simulink建立神经网络模型的关键在于理解并熟练运用各种模块的功能，以及合理组织和连接它们以实现特定的控制任务。通过这种方式，用户能够在Simulink环境中高效地设计和测试复杂的神经网络控制系统。