【正文】 5．期望誤差的選取在設(shè)計網(wǎng)絡(luò)的訓(xùn)練過程中，期望誤差值也應(yīng)當(dāng)通過對比訓(xùn)練后確定一個合適的值。這個所謂的“合適”，是相對于所需要的隱含層的節(jié)點數(shù)來確定，因為較小的期望誤差值是要靠增加隱含層的節(jié)點，以及訓(xùn)練時間來獲得的。一般情況下，作為對比，可以同時對兩個不同期望誤差值的網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最后通過綜合因素的考慮來確定采用其中一個網(wǎng)絡(luò)。1．產(chǎn)生數(shù)據(jù)樣本集為了成功地開發(fā)出神經(jīng)網(wǎng)絡(luò)，產(chǎn)生數(shù)據(jù)樣本集是第一步，也是十分重要和關(guān)鍵的一步。這里包括原始數(shù)據(jù)的收集、數(shù)據(jù)分析、變量選擇和數(shù)據(jù)的預(yù)處理，只有經(jīng)過這些步驟后，才能對神經(jīng)網(wǎng)絡(luò)進(jìn)行有效的學(xué)習(xí)與訓(xùn)練。在訓(xùn)練網(wǎng)絡(luò)之前，首先要決定所選用的網(wǎng)絡(luò)類型。若主要用于模式分類尤其是現(xiàn)行可分情況，則可以選用較為簡單的感知器網(wǎng)絡(luò)；若主要用于函數(shù)估計，則可以用BP網(wǎng)絡(luò)。實際上需要根據(jù)問題的性質(zhì)和任務(wù)要求來合適的選擇網(wǎng)絡(luò)類型。一般是從已有的網(wǎng)絡(luò)類型中選擇一種比較簡單的又能滿足要求的網(wǎng)絡(luò)，若新設(shè)計一個網(wǎng)絡(luò)類型來滿足問題的要求往往比較困難。在網(wǎng)絡(luò)的類型確定后，剩下的問題就是選擇網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)。以BP網(wǎng)絡(luò)為例，需選擇網(wǎng)絡(luò)的層數(shù)、每層的節(jié)點數(shù)、初始權(quán)值、域值、學(xué)習(xí)算法、數(shù)值修改頻度、節(jié)點變換函數(shù)及參數(shù)、學(xué)習(xí)速率及其動量因子等參數(shù)。這里有些項的選擇需要指導(dǎo)性的原則，但更多的是通過經(jīng)驗和試湊。對于具體問題若確定了輸入和輸出變量后，網(wǎng)絡(luò)輸入層和輸出層的個數(shù)也便確定了。對于隱層的層數(shù)可以首先考慮只選擇一個隱層。剩下的問題是如何選擇隱層的節(jié)點數(shù)。其選擇原則是：在能正確反映輸入與輸出關(guān)系的基礎(chǔ)上，盡量選取較少的隱層節(jié)點數(shù)，而使網(wǎng)絡(luò)盡可能簡單[15]。2．訓(xùn)練和測試最后一步是對網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試，在訓(xùn)練過程中對訓(xùn)練樣本需要反復(fù)地使用。對所有樣本數(shù)據(jù)正向運(yùn)行一次并反轉(zhuǎn)修改連接權(quán)一次成為一次訓(xùn)練。這樣的訓(xùn)練需要反復(fù)地進(jìn)行下去直至獲得合適的映射結(jié)果。如前所述，倒立擺的不穩(wěn)定性，若想通過開環(huán)試驗獲取數(shù)據(jù)，抽取控制規(guī)則很困難。所以，從閉環(huán)試驗中抽取一些有效的數(shù)據(jù)作為訓(xùn)練樣本，比如簡單的比例、LQR控制規(guī)則等。這里包括原始數(shù)據(jù)的收集、數(shù)據(jù)分析、變量選擇和數(shù)據(jù)的預(yù)處理，經(jīng)過這些步驟后，才能對神經(jīng)網(wǎng)絡(luò)進(jìn)行有效的學(xué)習(xí)與訓(xùn)練。所以一般來說，取得的數(shù)據(jù)越多，網(wǎng)絡(luò)訓(xùn)練越精確，學(xué)習(xí)和訓(xùn)練的結(jié)果就越能準(zhǔn)確反映輸入和輸出之間的關(guān)系。但是選太多的數(shù)據(jù)將會增加收集、分析數(shù)據(jù)以及網(wǎng)絡(luò)訓(xùn)練所付出的代價。當(dāng)然選太少的數(shù)據(jù)將可能得不到正確的結(jié)果。事實上數(shù)據(jù)的多少取決于許多的因素，如網(wǎng)絡(luò)的大小、網(wǎng)絡(luò)測試的需要以及輸入輸出的分布等。事實上，只要充分反映允許控制誤差范圍內(nèi)的足夠多的數(shù)據(jù)就可以了。在進(jìn)行BP網(wǎng)絡(luò)設(shè)計前，一般從網(wǎng)絡(luò)層數(shù)、每層神經(jīng)元數(shù)、初始值、以及學(xué)習(xí)方法等方面來考慮。具有偏差和至少一個S型隱含層加上一個線性輸出層的網(wǎng)絡(luò)，能夠逼近任何有理函數(shù)。影響神經(jīng)網(wǎng)絡(luò)BP的因素有網(wǎng)絡(luò)的層數(shù)，網(wǎng)絡(luò)各層神經(jīng)元的個數(shù)等。影響神經(jīng)BP算法的因素還有學(xué)習(xí)速率、初始權(quán)值的選取、以及神經(jīng)網(wǎng)絡(luò)期望誤差的選取，可以選擇一個具有一個隱含層的二層網(wǎng)絡(luò)，它的輸入分別為系統(tǒng)的四個狀態(tài)變量：小車的位置，小車的速度，擺的角度和擺的角速度。隱含層有10個神經(jīng)元，輸出層為一個。隱含層采用“tansig”轉(zhuǎn)換函數(shù)，輸出層采用線性轉(zhuǎn)換函數(shù)“purelin”。第四章 一級倒立擺的神經(jīng)網(wǎng)絡(luò)控制在matlab下輸入slcp打開倒立擺控制模塊，得到Fismatrix，然后在mfedit下導(dǎo)入，將其導(dǎo)入。通過views下rule選項打開圖41。圖 41 采樣圖采集樣本，盡量使樣本對稱均勻分布，樣本為X=[ 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 ]39。T=[ 5 ]。在該控制系統(tǒng)中對倒立擺的狀態(tài)變量進(jìn)行采樣，p為輸入向量，向量p應(yīng)該包含所有輸入值中的最大值和最小值，在這里取為:p=[ 。2 3。 。 ]， t目標(biāo)向量，這里為t=眾，其中K為一級倒立擺的系統(tǒng)狀態(tài)反饋增益， 設(shè)計一個三層BP網(wǎng)絡(luò)，并對其進(jìn)行訓(xùn)練。 BP網(wǎng)絡(luò)由輸入層，隱層和輸出層組成。輸入層節(jié)點個數(shù)為4， 隱層節(jié)點個數(shù)為10，輸入層到隱含層函數(shù)為tansig函數(shù)；輸出層只有一個節(jié)點，隱含層到輸出層函數(shù)為purelin函數(shù)。以下是BP網(wǎng)絡(luò)訓(xùn)練程序[12]:X=[ 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 ]39。T=[ 5 ]。net=newff(minmax(X),[10 1],{39。tansig39。,39。purelin39。},39。trainlm39。)。net=train(net,X,T)。X1=X。Y=sim(net,X1)。gensim(net,1)。訓(xùn)練過程誤差變化如圖42所示將生成的控制器用來控制倒立擺，原理圖如43。示波器的波形如圖44。倒立擺控制效果圖45。圖 42 誤差變化圖 43 控制模塊圖 44 示波器波形圖 45 倒立擺控制效果固高倒立擺系統(tǒng)試驗控制軟件工作在Windows 2000操作系統(tǒng)環(huán)境下，不支持Windows98和95。系統(tǒng)運(yùn)行時需要MATLAB 6 Release 。在按照固高倒立擺系統(tǒng)MATLAB試驗軟件的安裝步驟安裝完MATLAB以后，就可以進(jìn)行倒立擺的控制試驗了[10]。固高倒立擺實時控制工具箱軟件包括板卡相關(guān)功能函數(shù)、簡單的例子、直線型單機(jī)倒立擺以及二級倒立擺的實時控制示例程序幾個部分。試驗步驟如下：（1）檢查線路是否正確安裝，關(guān)閉電控箱電源，將小車放在導(dǎo)軌中間。（2）保證倒立擺桿垂直向下穩(wěn)定。（3）打開電控箱開關(guān)，接通電源。（4）打開示例程序，設(shè)置正確的控制參數(shù)，開始實控。（5）用手將倒立擺桿柔和地扶起，當(dāng)電機(jī)啟動后，手輕輕放開。（6）試驗結(jié)束，關(guān)閉程序，關(guān)閉電控箱。根據(jù)前面的方法設(shè)計出小車倒立擺擺起倒立的控制系統(tǒng)并整定好參數(shù)后，通過調(diào)試，成功地運(yùn)用擬人智能控制方法實現(xiàn)了小車—倒立擺系統(tǒng)的擺起倒立控制。小車—倒立擺系統(tǒng)時控系統(tǒng)的結(jié)構(gòu)圖如圖46所示。其中，NNC是之前已設(shè)計好的BP神經(jīng)網(wǎng)絡(luò)控制器，Real Control部分內(nèi)部結(jié)構(gòu)如圖47所示。圖48是控制過程的實時控制曲線。圖46 一級倒立擺時控系統(tǒng)結(jié)構(gòu)框圖圖47 real control 結(jié)構(gòu)框圖（a）起擺階段（b）穩(wěn)定階段圖48倒立擺系統(tǒng)實時控制曲線圖實時控制結(jié)論：控制器中參數(shù)的變化以及外界干擾因素對系統(tǒng)的控制特性有不少的影響，研究參數(shù)變化以及外界干擾因素的影響有利于找到最好的控制參數(shù)，同時也可檢驗控制器對參數(shù)變化的魯棒性。由上述時控系統(tǒng)所得出的控制圖象中可以看出，倒立擺能夠在較短的時間內(nèi)達(dá)到穩(wěn)定的平衡狀態(tài)。在達(dá)到穩(wěn)定后，給予擺桿一定的干擾，可以看到擺桿在極短的時間內(nèi)能夠恢復(fù)平衡狀態(tài)。由此可以進(jìn)一步證明本次設(shè)計的BP網(wǎng)絡(luò)控制器的可行性、有效性以及較強(qiáng)的魯棒性。總 結(jié)科學(xué)技術(shù)的發(fā)展不斷給控制理論的研究提出新的挑戰(zhàn)，同時也為控制理論及其方法的發(fā)展提供強(qiáng)有力的推動。在控制領(lǐng)域中，被控系統(tǒng)越來越復(fù)雜，人們對控制精度的要求也越來越高，單一的控制方法難以達(dá)到要求，人們試圖尋找各種控制方法的有機(jī)結(jié)合。近年來，智能控制算法引起了控制界的廣泛關(guān)注，如何把智能控制理論的新成果和傳統(tǒng)控制理論的巨大成功有機(jī)地結(jié)合起來，成為當(dāng)前控制理論研究的熱點。本文正是對這一領(lǐng)域的有益嘗試和探索。倒立擺控制系統(tǒng)本身是一個快速、多變量、嚴(yán)重非線性和絕對不穩(wěn)定系統(tǒng)，在控制過程中它可以有效地反映控制中的諸多關(guān)鍵問題，如鎮(zhèn)定問題、非線性問題、魯棒性問題、隨機(jī)問題以及跟蹤問題等。另外，由于倒立擺系統(tǒng)的控制方法及思想在軍工、航天和機(jī)器人等領(lǐng)域具有重要的指導(dǎo)意義和廣泛的應(yīng)用，因此倒立擺系統(tǒng)作為控制理論應(yīng)用的典型范例得到大量研究，同時也作為控制理論中一種較為理想的實驗手段，用來檢驗新的控制方法針對多變量、非線性和絕對不穩(wěn)定系統(tǒng)的控制效果?；谏鲜龇治觯疚倪x取固高科技(深圳)有限公司的GPPIZool型平面一級倒立擺系統(tǒng)作為研究對象，利用bp神經(jīng)網(wǎng)絡(luò)來控制，該策略對處理一般的非線性、復(fù)雜多變量系統(tǒng)具有重要的參考價值和意義。參考文獻(xiàn)[1]張鐘俊，蔡自興。智能控制與智能控制系統(tǒng)。信息與控制，1989，18(15):3039。[2]張拔。傳統(tǒng)人工智能與控制技術(shù)的結(jié)合。控制理論與應(yīng)用，1994，11(2):24750。[3]郭釗俠，方建安，苗清影，擺系統(tǒng)及其智能控制研究。東華大學(xué)學(xué)報(自然科學(xué)版)，2003，29(2):22225。[4]高峰，盧尚瓊，于芹芬。一類非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制器建模方法及其仿真研究。計算機(jī)仿真，2002，19(1):1720。[5]許曉鳴，楊煌普。智能控制理論的新進(jìn)展。電子學(xué)報，199，523(10):2531。[6]叢爽，張東軍，魏衡華。單級倒立擺三種控制方法的研究。系統(tǒng)工程與電子技術(shù)，2001，23(11):4749。[7]顧毅。智能控制發(fā)展綜述。信息技術(shù)，2000，(6)：3940。[8]焦李成。神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論，西安:西安科技大學(xué)出版社，1990。[9]李人厚。智能控制理論和方法，西安:西安電子科技大學(xué)出版社。1999。[10]劉嘩，夏建生。MATLAB下神經(jīng)網(wǎng)絡(luò)工具箱的開發(fā)和應(yīng)用。微型機(jī)與應(yīng)用，2000。[11]亞煒，張明廉．倒立擺系統(tǒng)的運(yùn)動模態(tài)分析[J]。北京航空航天大學(xué)學(xué)報，2002，21(4)：165168。[12]李國勇，智能控制及其MATLAB實現(xiàn)。電子工業(yè)出版社。 [13]Mori S,Nishhihara H,Furuta of unstable mechanical system of ,23(5). [14]Bscker, learning procedures for neural Journal of Neural Systems,1991. [15] to control an inverted pendulum using neral Control Systems Magazine,1989,9(3).致 謝在本文完稿之際，我首先向我的導(dǎo)師劉麗娜老師表示最誠摯的感謝!本文的工作是在導(dǎo)師的悉心指導(dǎo)下完成的，論文方案的選擇，設(shè)計，撰稿和定稿都得到了導(dǎo)師細(xì)心的關(guān)懷和指點。導(dǎo)師定期組織的學(xué)生研討和交流活動，開拓了我的思路，更加培養(yǎng)了我的學(xué)術(shù)交流協(xié)作能力。在畢業(yè)設(shè)計期間，導(dǎo)師淵博的知識、豐富的經(jīng)驗、活躍的學(xué)術(shù)思想、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和求實的工作作風(fēng)，使我懂得了一個優(yōu)秀大學(xué)生應(yīng)具備的品德和修養(yǎng)。所有這些，都將使我受益終身，將永遠(yuǎn)激勵著我不斷向前。在此，再次向我的導(dǎo)師表示衷心的感謝和崇高的敬意!同時，還要感謝論文主審和答辯委員會的全體成員，他們辛勤的工作和誠懇的建議使得本文更加完善。感謝所有為我的學(xué)習(xí)生活和論文寫作提供過幫助的老師和同學(xué)，希望以后能繼續(xù)得到他們的幫助。最后，再次向所有給予我?guī)椭娜酥乱宰钫\摯的謝意!