一级倒立摆的PID控制

%基于BP神经网络的PID控制器设计
clc;
clear;
NI=3;NH=10;NO=3;                          %选取网络结构为：3-10-3             
%输入层到隐层权值初始化
Wih=0.01*rands（NINH）;Wih_1=Wih;Wih_2=Wih;
%隐层到输出层权值初始化
Who=0.01*rands（NHNO）;Who_1=Who;Who_2=Who;
%变量初始化
u=0;u_1=0;u_2=0;ly=0;err_1=0;err_2=0;
eta=0.5;                                   %给定学习率
a=0.1;                                     %给定动量项因子
ts=0.002;                                  %给定采样时间
%信号源选择：1—阶跃；2—正弦；3—方波；
souce=1;                                   %选择阶跃输入
%开始参数自学习实时控制
for k=1:1000
    t（k）=k*ts;
    %判断信号源
    switch souce
        case 1
            rin（k）=1;
        case 2
            rin（k）=sin（2*pi*t（k））;
        case 3
            rin（k）=sign（sin（2*pi*t（k）））;
        otherwise
            error（‘信号源错误!‘）;         
    end
    %计算被控对象输出
    y（k）=1.2*（1-0.8*exp（-0.1*k））*ly/（1+ly^2）+u_1;    
    err（k）=rin（k）-y（k）;                      %计算误差
    %-------------计算BP网络各层输入及输出-------------
    x1=err（k）-err_1; x2=err（k）; x3=err（k）-2*err_1+err_2; 
    %输入层输入输出，注意：必要时输入要做归一化
    N1i=[x1x2x3];
    N1o=N1i;
    %隐层输入输出
    N2i=N1o*Wih;
    N2o=tanh（N2i）;                          
    %输出层输入输出
    N3i=Who‘*N2o‘;                           
    N3o=1./（1+exp（-N3i））;                    %注意：一定是点除！
    Kp（k）=N3o（1）; Ki（k）=N3o（2）; Kd（k）=N3o（