基于Hopfield神经网络控制系统的研究
【摘要】:Hopfield网络作为一个非线性动力学系统,由非线性元件构成的全连接型动态反馈网络,Hopfield网络中的输出端有反馈到其输入端。所以,整个网络在输入的激励下,会产生不断的状态变化。当有输入之后,就可以求取出Hopfield的输出,这个输出反馈到输入从而产生新的输出,这个反馈过程一直进行下去。
如果Hopfield网络是一个能收敛的稳定网络,则网络反馈与迭代的计算过程所产生的变化越来越小,一旦到达了稳定平衡状态。那么Hopfield网络就会输出一个稳定的恒值。如果把稳定状态视为一个记忆样本,那么从初期朝稳定收敛的过程就是寻找最优样本的过程。初始状态可以认为说给定样本的部分信息,神经网络的演变过程可以从初始部分信息找到全部信息,以实现联想记忆;另外如果将稳定状态与某种优化计算的目标函数相对应,作为神经网络能量函数的极小点,那么优化计算过程就是从初始状态寻找能量函数极小点的过程。
本文正是利用Hopfield网络的这一特点来设计神经网络控制器,将Hopfield网络稳定状态和目标函数相对应,网络运行的过程就是跟踪目标函数的过程。首先介绍了Hopfield网络的工作原理。然后论证了离散型Hopfield网络和连续型Hopfield网络的稳定性,即整个网络一旦开始运行就会自动向着能量减少的方向移动,网络最终输出为网络的平衡点同时也是能量的极小点。最后设计了基于连续型Hopfield网络的控制器,比较了Hopfield网络控制器与常见PID控制器的优缺点,并进行仿真。仿真结果表明,基于Hopfield网络的控制方法比常规控制方法的快速性和稳定性都有较大提高。
|
|
|
|
1 |
刘华,黄田,曾子平;基于神经网络的一类非线性系统参数估计[J];天津大学学报;1994年05期 |
2 |
周瑞松;王华奎;;基于Hopfield神经网络多用户检测技术的研究[J];电脑开发与应用;2008年03期 |
3 |
赵婷婷,邹开其,桑林;基于神经网络的创造性计算模型的构建[J];计算机应用研究;2004年09期 |
4 |
胡超,郑南宁,高岩;组合优化神经网络的胞元设计及稳定性分析[J];西安交通大学学报;1996年12期 |
5 |
刘荣,刘泽民,周正;基于Hopfield/Tank网络模型求解TSP的两种网络结构的一致性分析[J];电子学报;1993年10期 |
6 |
于长辉;;基于神经网络的数字水印技术的研究[J];大众科技;2009年03期 |
7 |
张宇翔;黄力宇;;Hopfield网络求解TSP两种改进算法的仿真研究[J];电子设计工程;2009年10期 |
8 |
支长义;刘润田;梁言顺;;基于图像特征和Hopfield的手写体数字识别[J];煤炭技术;2011年05期 |
9 |
K.高
,M.O.阿迈德
,M.N.S.斯维米
,张兰秀;神经网络最小二乘估计器[J];情报指挥控制系统与仿真技术;1994年03期 |
10 |
崔学忠;宋玉珍;曲付勇;;基于Hopfield网解决TSP问题[J];现代电子技术;2008年07期 |
11 |
白艳萍,杨明,吴钢;神经网络在组合优化问题中的应用[J];华北工学院学报;2000年03期 |
12 |
王茂芝;郭科;徐文皙;范安东;;利用连续Hopfield神经网络求解聚类问题的模型构造[J];应用科学学报;2006年01期 |
13 |
杨煜普,许晓鸣,厉隽怿;基于神经网络的智能控制──第四讲 约束优化问题的神经网络求解[J];化工自动化及仪表;1995年06期 |
14 |
姚素芬,张子生;Hopfield人工神经网络在工程优化中的应用[J];太原重型机械学院学报;1996年02期 |
15 |
禹建丽,李晓燕,王跃明,韩平;一种基于神经网络的机器人路径规划算法[J];洛阳工学院学报;2001年01期 |
16 |
张鹏,王金城;自适应滤波算法的神经网络实现[J];电气传动自动化;2003年05期 |
17 |
安博;杨淑莹;王立群;;基于改进Hopfield神经网络的手写字符识别[J];天津理工大学学报;2009年04期 |
18 |
刘瑞堂,陈振湘,孙书农;Hopfield神经网络的电致发光兑现[J];厦门大学学报(自然科学版);1993年05期 |
19 |
程善美,姜向龙,闵松,万淑芸;一种基于神经网络的速度控制器[J];电气传动;2003年03期 |
20 |
焦李成;神经网络与AI发展现状、省思与综合[J];系统工程与电子技术;1992年02期 |
|