北航神经网络控制第二次作业

北京航空航天大学德才兼备，知行合一《智能控制及应用》班级：机械电子工程2班学号：SY1207204姓名：马泽祥2012-12-6北京航空航天大学德才兼备，知行合一目录1设计题目.................................................................................................................31.1任务一..............................................................................................................31.2任务一..............................................................................................................32任务解答.................................................................................................................32.1任务一解答......................................................................................................32.1.1逻辑“或”的计算原理.........................................................................32.1.2感知器的学习算法...............................................................................42.1.3训练c++程序.......................................................................................52.2任务二解答......................................................................................................9北京航空航天大学德才兼备，知行合一1设计题目NN控制作业1.1任务一设计一个实现逻辑“或”的单计算层感知器，并写出其学习算法和程序。1.2任务一紧密结合自己的专业背景、科研方向或解决问题的经历，说明人工神经网络在你所关注的专业问题上应用的可行性。要求说明：自己的科研或专业背景，所关注的问题，与人工神经网络有什么关联，应用人工神经网络的可行性，问题的解决思路，比传统解决方法优势。2任务解答2.1任务一解答2.1.1逻辑“或”的计算原理实现逻辑“或”计算的真值表：输入值x1输入值x2输出值ypP1111P2101P3011P4000由真值表可以看出，4个样本的输出分为两类，一类输出为0，另一类输出为1。北京航空航天大学德才兼备，知行合一据此，画出逻辑“或”的运算分类图：由图可知，应用感知器学习规则进行训练得到的连接权值和阈值并不会单一，只需要保证P1、P2、P3点在直线上方，P4在直线下方即可，利用符号函数对各点计算，符号函数为sgn：2.1.2感知器的学习算法感知器训练按如下步骤进行：（1）给定权初值wi(0)（较小的随机非零值，包括阈值w0=-θ，阈值并入权W中)，学习次数k=0；（2）输入一个样本Xp和dp，计算输出（f为符号函数）；（3）修正权wi(k+1)=wi(k)+α(dp-yp)xpi，i=0,1,2,…,n，学习率0α=1，用于控制修正速度；（4）选另外一组样本，k增1，重复（2）~（4），直到wi(k+1)对一切样本均稳定不变（即dp=yp）为止。00()(1,01npipippiyfwxxX设取的第个分量总为）北京航空航天大学德才兼备，知行合一2.1.3训练c++程序#includeiostream#includeiomanipusingnamespacestd;doubleseta=0.2;//学习率，用于控制学校速度intsgn(doublexx)//定义符号函数{if(xx=0)return1;elsereturn0;}doublemult(doublew[],doublex[]){doubley=0;for(inti=0;i3;i++){y=y+w[i]*x[i];}returny;}//计算每步的权值wi,和阈值seta函数doubleDoMath(doublex[],doubleqw,doublesj,doublez[]){北京航空航天大学德才兼备，知行合一for(inti=0;i3;i++){x[i]=x[i]+seta*(qw-sj)*z[i];}returnx[i];}voidmain(){inti;doublem1,m2,m3,m4;doublew[3]={1,-0.1,0.5};//阈值初试值，权值初始值cout**********************endl;cout**********************endl;cout**********************endl;cout初始阈值seta=w[0]endl;cout初始权值w1=w[1]setw(5)w2=w[2]endl;cout**********************endl;cout**********************endl;doublex1[3]={-1,1,1};//输入值doublex2[3]={-1,0,1};doublex3[3]={-1,1,0};doublex4[3]={-1,0,0};doubledp[4]={1,1,1,0};//期望输出值doubleyp[4]={0,0,0,0};北京航空航天大学德才兼备，知行合一cout训练中.....endl;//周而复始的进行训练while(dp[0]!=yp[0]||dp[1]!=yp[1]||dp[2]!=yp[2]||dp[3]!=yp[3]){m1=mult(w,x1);yp[0]=sgn(m1);DoMath(w,dp[0],yp[0],x1);m2=mult(w,x2);yp[1]=sgn(m2);DoMath(w,dp[1],yp[1],x2);m3=mult(w,x3);yp[2]=sgn(m3);DoMath(w,dp[2],yp[2],x3);m4=mult(w,x4);yp[3]=sgn(m4);DoMath(w,dp[3],yp[3],x4);}cout训练结果为：endl;cout**********************endl;cout阈值：endl;coutseta=w[0]endl;cout权值：endl;北京航空航天大学德才兼备，知行合一coutw1=w[1]setw(4)w2=w[2]endl;cout**********************endl;cout实际：setw(8)期望：endl;for(i=0;i4;i++)coutsetw(4)yp[i]setw(10)dp[i]endl;}输出结果如图：北京航空航天大学德才兼备，知行合一2.2任务二解答本人研究生方向为无损检测，具体为红外线无损检测。在无损检测领域比较有代表性的常规无损检测技术有射线检测(RT)、超声检测（UT）、磁粉检测（MT）、渗透检测（PT）、电磁检测（ET）等，它们各有所长，也各有局限性，具体的优势或者劣势这里就不一一列出了。红外无损检测属于新发展的无损检测技术，六十年代首次有了关于红外无损检测的和应用，从此走上了发展之路，直到八十年代后期随着相应的辅助设备的出现和发展，红外无损检测才开始真正走上蓬勃发展之路。红外热成像无损检测技术开始作为一种非接触、非破坏及直观的检测技术，被广泛应用与航空航天、机械、电力、医疗等领域。然而，在无损检测技术中，定性确定缺陷的存在和定量分析缺陷特性参数的方法始终是研究的重点。调制加热方式的调制频率和加热时间如何确定，亦成为相位法无损检测需要解决的问题。人中神经网络由于其特有的大规模并行结构、信息的分布式存储和并行处理特点，使其具有良好的自适应性、自组织性和容错性，较强的学习、记忆、联想和识别功能等，已经在信号处理、模糊识别、目标跟踪、机器人控制、专家系统、组合优化和预测系统等众多领域获得了广泛的应用。同样在红外无损检测中得到应用（如已经应用于脉冲法红外无损检测中）。多目标进化算法（MutipleObjectiveEvolutionaryAlgorithms）具有搜索能力强、鲁棒性和通用性好等特点，非常使用于处理存在多个相互冲突目标、搜索空间规模较大且高度复杂的优化问题。将进化神经网络和多目标进化算法应用于红外相位无损检测技术中，可以确定缺陷深度及多试验参数确定，为缺陷定量化和试验参数确定奠立了基础。针对红外相位无损检测缺陷定量化要求和试验参数的确定，采用进化神经网络及多目标进化算法分析，通过对含多缺陷信息的预埋试件进行试验，以试件表面像素点的时间-温度信息作为特征参数进行网络训练另外，为实现红外无损检测对缺陷的定量分析，同样可以应用BP神经网络，拟合函数关系来实现。在脉冲热像中，以最佳检测时间和表面最大温北京航空航天大学德才兼备，知行合一差为输入量，以缺陷的深度和直径为输出量，利用BP神经网络拟合输入量与输出量之间的关系。在脉冲热像法检测过程中，要先由热激励源施加热脉冲信号，照射在检测对象的检测面上，进行加热(加热时间一般为2ms)。之后检测对象自然冷却，期间热能会向检测对象内部传导，在此期间使用红外热像仪对检测对象表面的温度场分布情况进行收集。由于缺陷的导热系数与检测对象材料不同，缺陷区域异于正常温度。以热像仪收集到的信息为依据，采用计算机对缺陷尺寸进行计算。在收集的信息中，提取最大温差和最佳检测时间(最大温差指缺陷区域与正常区域之间最大温度差，最佳检测时间为最大温差出现的时间)，以此为依据，进行定量计算。使用BP神经网络实现计算的主要思想是：输入学习样本，使用反向传播算法对网络的权值和阀值进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差，得到计算网络；然后输入测试值，使用训练好的神经网络对其进行计算得到输出结果。结合红外脉冲热像法的原理和BP的使用原理，可以利用热像法提取得到的数据，作为BP神经网络的样本参数，设计BP网络的训练方式，通过有限元计算方法提供样本，利用神经网络方法进行计算，并对计算结果进行分析，并从是否达到目标输出误差、收敛速度和计算的随机性3个方面对BP神经网络方法的计算特点进行分析。北京航空航天大学德才兼备，知行合一3参考资料[1]孙增圻等.智能控制理论与技术.北京：机械工业出版社，2008.1.[2]杨志晓,冯冬青等.人工神经网络技术在无损检测中的应用.2002.6(6):244~252.[3]汪子君等.进化神经网络及多目标进化算法在红外无损检测中的应用.无损检测，2011.8(7)：24~27.[4]刘涛等.BP神经网络在红外热波无损检测定量识别中的应用.红外与激光工程，2012.9(9):2304~2310.[5]戴景民,汪子君.红外热成像无损检测技术及其应用现状.自动化技术与应用，2007（1）：1~6.