BP網絡在蓄電池電壓監測單元中的應用

4.2 激活函數：

BP網絡中神經元的激活函數是非線性的，且必須是連續可微和單調上升的有界函數。輸入/輸出關系也是為非線性，其值可連續變化。隱含層采用雙曲正切S型激活函數，輸出層采用線性激活函數。

隱含層神經元數設為i (i=8) , 其中第i個神經元的輸出為

4.3 BP網絡訓練：

BP網絡，輸入為某一溫度值，輸出是測量電壓值的基準值，將其和實際測量的蓄電池浮充電壓比較,若超出允許范圍則報警。

T代表溫度，V代表測量電壓值的基準值。

實際工作溫度是0oC至41oC，訓練時0至41的數據造成網絡訓練困難，所以改為-20至20，只要加上20就是實際溫度值。

將蓄電池制造廠提供的數據分為兩個集合，

訓練集(如圖3)是：

輸入矩陣T = -20: 2 : 20;

輸出矩陣V

V==[14.4,14.38,14.32,14.24,14.18,14.12,14.04,13.98,13.92,13.86,13.78,13.72,13.66,13.58,13.52,13.46,13.38,13.32,13.26,13.2,13.2];14.4,14.38,14.32,14.24,14.18,14.12,14.04,13.98,13.92,13.86,13.78,13.72,13.66,13.58,13.52,13.46,13.38,13.32,13.26,13.2,13.2];

用Matlab語言編寫訓練程序，網絡訓練過程：

首先設定參數如下：

max_epoch = 30000;

err_goal = 0.002;

程序運行結果：

TRAINBP: 30000/30000 epochs, SSE = 0.00260954.

W1 =[-0.1094　-0.1207　-1.0054　-0.9631　1.5095　0.4468　1.7631　0.9540] T

B1 =[-1.2748　1.2489　0.4120　0.1571　-0.6891　0.9935　-1.5833　0.0657] T

W2 =[0.3228　0.2993　-0.0883　0.2113　 1.0839　-0.0217　-0.7304　-0.2670]

B2 =13.8159

Unsuccessfully.網絡訓練不成功。

用得到的W1，B1，W2，B2再次訓練……直到

err_goal =0.0015　 successfully

得到:

W1 =[-0.1094　-0.1207　-1.0054　-0.9631　1.5095　0.4468　1.7631　0.9540] T

B1 =[1.2748　1.2489　0.4120　 0.1571　-0.6891　0.9935　-1.5833　0.0657] T

W2 =[0.3228　0.2993　-0.0883　0.2113　1.0839　-0.0217　-0.7304　 -0.2670]

B2 =13.8159