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。