本文探讨了如何利用BP神经网络训练自动控制理论中的传递函数。作者参照了其他博主的方法成功实现了正弦函数的训练，但在尝试训练传递函数时遇到问题。意识到传递函数的输入不仅包括幅值，还包括时间，因此调整了神经网络的输入结构。通过MATLAB 2020b进行实验，详细介绍了数据准备和Simulink模型的构建过程，并指出当输入幅值变化时，需要重新训练网络以保持传递函数的准确性。
一直想要用BP神经网络来训练自动控制理论里面的传递函数，想法很简单：用输入数据（如单位阶跃信号）和输出数据（传递函数的输出）放在BP神经网络中，这样肯定能建立输入与输出的关系。但具体如何实现一直没有头绪，直到读了这篇
https://blog.csdn.net/m0_47868423/article/details/124538007?spm=1001.2014.3001.5502
博主非常详细地介绍了如何用BP神经网络实现正弦函数的步骤，我也照着复现了，但是当我想拓展到训练自控传递函数时，还是出现了问题。我们一般理解传递函数的输入是阶跃信号，一开始我只是将阶跃信号的幅值作输入，传函输出的幅值做输出。但是训练的结果就是不对。想了好长时间，传函是拉斯域，反拉斯变换到时域后，输出和时间是有关系的，但我们不至于要做拉斯反变换吧，尤其高阶系统，还有非线性系统，做拉斯反变换的话，复杂又不现实。后来突然想到会不会输入应该是两个变量：时间和幅值。这个BP神经网络输入为2，输出为1。
我用的MATLAB是2020b版本，to workspace与上面博主的显示略有不同，创建如下：
这里的to workspace储存形式要包括时间，设置如下：
输入数据就是两列，阶跃信号的时间和幅值，代码如下：
最低0.47元/天 解锁文章
1506
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
