在EBF网络设计中,需要注意的是将cj和b值设计在网络输入有效的映射范围内,否则高斯基函数将不能保证实现有效的映射,导致RBF网络的失效。采用梯度下降法调节cj和b值是一种有效的方法。在RBF网络设计中,如果将cj和b的初始值设计在有效的映射范围内,则只调节网络的权值便可实现RBF网络的有效学习。
1.采用RBF神经网络逼近模型:G(s)=133/(s^2+25s)
设计网络结构:2-5-1
输入变量:x(1)=u(t)=sin(t);x(2)=y(t)“待逼近模型的输出值”
学习率:0.5
动量因子:0.05
(1) 根据提供的传递函数模型可知:系统的微分方程为y''+25y'+0y=133u;
(2) 根据变化公式可直接得到系统的状态空间表达式为:A=[0,1;-1,-25];B=[0;133];C=[1,0]。所以,x1'=x2;x2'=-25*x2+133u;y=x1。
%% 待逼近传递函数模型的“S函数表达形式”