




版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、MATLAB基于BP神经网络PID控制程序 %BP based PID Control clear all; close all; xite=0.20; %学习速率alfa=0.01; %惯性因子IN=4;H=5;Out=3; %NN Structure wi=-0.6394 -0.2696 -0.3756 -0.7023; -0.8603 -0.2013 -0.5024 -0.2596; -1.0749 0.5543 -1.6820 -0.5437; -0.3625 -0.0724 -0.6463 -0.2859; 0.1425 0.0279 -0.5406 -0.7660; %wi=0.5
2、0*rands(H,IN); %隐含层加权系数wi初始化wi_1=wi;wi_2=wi;wi_3=wi; wo=0.7576 0.2616 0.5820 -0.1416 -0.1325; -0.1146 0.2949 0.8352 0.2205 0.4508; 0.7201 0.4566 0.7672 0.4962 0.3632; %wo=0.50*rands(Out,H); %输出层加权系数wo初始化wo_1=wo;wo_2=wo;wo_3=wo; ts=20; %采样周期取值x=0,0,0; %比例,积分,微分赋初值u_1=0;u_2=0;u_3=0;u_4=0;u_5=0; y_1=0;
3、y_2=0;y_3=0; Oh=zeros(H,1); %Output from NN middle layer 隐含层的输出I=Oh; %Input to NN middle layer 隐含层输入error_2=0; error_1=0; for k=1:1:500 %仿真开始,共500步time(k)=k*ts; rin(k)=1.0; %Delay plantsys=tf(1.2,208 1,inputdelay,80); %建立被控对象传递函数?dsys=c2d(sys,ts,zoh); %把传递函数离散化?num,den=tfdata(dsys,v); %离散化后提取分子、分母yo
4、ut(k)=-den(2)*y_1+num(2)*u_5;error(k)=rin(k)-yout(k); xi=rin(k),yout(k),error(k),1; %经典增量式数字PID的控制算式为: BP神经网络PID的控制算式为:x(1)=error(k)-error_1; %比例输出x(2)=error(k); %积分输出x(3)=error(k)-2*error_1+error_2; %微分输出epid=x(1);x(2);x(3); I=xi*wi;% 隐含层的输入,即:输入层输入*权值for j=1:1:H Oh(j)=(exp(I(j)-exp(-I(j)/(exp(I(j)
5、+exp(-I(j); %Middle Layer在激活函数作用下隐含层的输出end K=wo*Oh; %Output Layer 输出层的输入,即:隐含层的输出*权值for l=1:1:Out K(l)=exp(K(l)/(exp(K(l)+exp(-K(l); %Getting kp,ki,kd 输出层的输出,即三个pid控制器的参数end kp(k)=K(1);ki(k)=K(2);kd(k)=K(3); Kpid=kp(k),ki(k),kd(k); du(k)=Kpid*epid; u(k)=u_1+du(k); if u(k)=10 % Restricting the output
6、 of controller 控制器饱和环节u(k)=10; end if u(k)=-10 u(k)=-10; end %以下为权值wi、wo的在线调整,参考刘金琨的先进PID控制dyu(k)=sign(yout(k)-y_1)/(u(k)-u_1+0.); %Output layer 输出层for j=1:1:Out dK(j)=2/(exp(K(j)+exp(-K(j)2; end for l=1:1:Out delta3(l)=error(k)*dyu(k)*epid(l)*dK(l); end for l=1:1:Out for i=1:1:H d_wo=xite*delta3(l)
7、*Oh(i)+alfa*(wo_1-wo_2); end end wo=wo_1+d_wo+alfa*(wo_1-wo_2); %Hidden layer for i=1:1:H dO(i)=4/(exp(I(i)+exp(-I(i)2; end segma=delta3*wo; for i=1:1:H delta2(i)=dO(i)*segma(i); end d_wi=xite*delta2*xi; wi=wi_1+d_wi+alfa*(wi_1-wi_2); %Parameters Update 参数更新u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);
8、y_2=y_1;y_1=yout(k); wo_3=wo_2; wo_2=wo_1; wo_1=wo; wi_3=wi_2; wi_2=wi_1; wi_1=wi; error_2=error_1; error_1=error(k); end %仿真结束,绘图figure(1); plot(time,rin,r,time,yout,b); xlabel(time(s);ylabel(rin,yout); figure(2); plot(time,error,r); xlabel(time(s);ylabel(error); figure(3); plot(time,u,r); xlabel(time(s);ylabel(u); figure(4); subplot(311); plot(time,kp,r); xlabel(time(
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 房屋漏水赔偿协议书
- 厂房电气安装合同
- 学校保安人员聘任合同书
- 建筑公司保密协议书
- 农资供应与采购合同
- 外脚手架的承包合同书
- 可研报告咨询合同
- 承包饭店早点合同
- 工程防水施工合同
- 15年个人借款合同7篇
- 2025年企业法务顾问聘用协议范本
- 《康复评定技术》课件-第五章 运动控制
- 【理特咨询】2024生成式人工智能GenAI在生物医药大健康行业应用进展报告
- 2025年春新外研版(三起)英语三年级下册课件 Unit6第1课时Startup
- 平抛运动的经典例题
- 录井作业现场风险评估及控制措施
- 2025年度商会工作计划
- 社区管理与服务专业实习总结范文
- 施工现场5S管理规范
- 【MOOC】中级财务会计-西南交通大学 中国大学慕课MOOC答案
- 延续护理服务课件
评论
0/150
提交评论