基于bp神经网络汽车自动变速器最佳挡位判断（Matlab代码实现）

1 文献来源

2 运行结果

将1，2，3，4挡的输出信号设为数字1，2，3，4取l的范围为[0,5]取alpha的范围为[0.2] 创建的神经网络为双隐层第一层隐含层的神经元数目设为5第二层隐含层的神经元的数目设为10训练函数（学习规则)设为traingda所有隐含层和输出层的激活函数都设为purelin每次循环50次，最大循环次数500次期望目标误差最小值为0.01 训练后的神经网络为net.mat 从10.5]×[0.2]中随机选取500个点和其对应作为样本属性值，再通过函数fun.m来求出其对应的目标值用这些样本点来训练神经网络

3 参数设置

% 网络参数设置net.layers{1}.transferFcn = 'purelin'; % 第一层隐含层的激活函数net.layers{2}.transferFcn='purelin';%第二层隐含层的激活函数net.layers{3}.transferFcn = 'purelin'; % 输出层的激活函数net.trainparam.show = 50; % 每次循环50次net.trainParam.epochs = 500; % 最大循环500次net.trainparam.goal = 0.01; % 期望目标误差最小值

function [target]= fun(input)
%换挡之间的函数
b=[1 2 3 4];
y=@(x)(x.^3+1);

a=size(input);
target=zeros(1,a(2));
for i=1:a(2)
    if input(2,i)>=y((input(1,i))-2)
        target(i)=b(1);
    else 
        if input(2,i)>=y((input(1,i))-3)
            target(i)=b(2);
        else
            if input(2,i)>=y((input(1,i))-4)
                target(i)=b(3);
            else
                target(i)=b(4);
            end
        end
    end
end

end

完整代码回复：基于bp神经网络汽车自动变速器最佳挡位判断

4 Matlab代码实现