BP神经网络PID控制simulink部分的S函数

function [sysx0strts]=my_exppidf（txuflag）
switch flag
    case 0
        [sysx0strts]=mdlInitializeSizes;
    case 2
        sys=mdlUpdates（xu）;
    case 3
        sys=mdlOutputs（txu）;
    case {149}
        sys=[];
    otherwise
        error（[‘unhandled flag=‘num2str（flag）]）;%异常处理
end
function[sysx0strts]=mdlInitializeSizes
    sizes=simsizes;%用于设置模块参数的结构体用simsizes来生成
    sizes.NumContStates=0;%模块连续状态变量的个数
    sizes.NumDiscStates=3;%模块离散状态变量的个数
    sizes.NumOutputs=4;%模块输出变量的个数
    sizes.NumInputs=7;%模块输入变量的个数
    sizes.DirFeedthrough=1;%模块是否存在直接贯通，1表示存在直接贯通，若为0，则mdlOutputs函数里不能有u
    sizes.NumSampleTimes=1;%模块的采样时间个数至少是一个
    sys=simsizes（sizes）;%设置完后赋给sys输出
    x0=zeros（31）;%系统状态变量设置
    str=[];
    ts=[0.1 0];%采样周期设为0表示是连续系统，%     ts=[0.001 0];%采样周期设为0表示是连续系统，
    

function sys=mdlUpdates（xu）
        T=0.001;
        x=[u（5）;x（2）+u（5）*T;（u（5）-u（4））/T];%3个状态量（偏差、偏差和以及偏差变化量），u（5）是偏差，u（4）是上一次的偏差，x（2）则是之前的偏差和
        sys=[x（1）;x（2）;x（3）];
function sys=mdlOutputs（txu）
            xite=0.2;
            alfa=0.05;
            IN=3;H=5;OUT=3;
    
            Oh=zeros（51）;%产生一个1*5的零矩阵（行矩阵）
            I=Oh;
            xi=[u（1）u（3）u（5）];%神经网络训练的3个输入，期望值、误差以及实际值
            epid=[x（1）;x（2）;x（3）];%3个状态变量（偏差、偏差和、偏差变化量）（3*1矩阵，列向量）
            I=xi*wi‘;%隐层的输入