• 大小: 204KB
    文件类型: .rar
    金币: 1
    下载: 0 次
    发布日期: 2021-06-01
  • 语言: Matlab
  • 标签: matlab  

资源简介

关于杨艺的那篇《基于S函数的BP神经网络PID控制器及simulink仿真》,我自己在Matlab2016b搭建出来的SIMULINK模型,亲测可用

资源截图

代码片段和文件信息

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 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;
            wi=rand(53);%产生一个5*3的随机数矩阵,随机数在(0,1)区间
            wi_1=wi;wi_2=wi;wi_3=wi;
            wo=rand(35);
            wo_1=wo;wo_2=wo;wo_3=wo;
            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
            for j=1:1:5
                Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));%隐层的输出值(1*5矩阵)行矩阵
            end
            K1=wo*Oh;%输出层的输入(3*1矩阵)
            for i=1:1:3
                K(i)=exp(K1(i))/(exp(K1(i))+exp(-K1(i)));%得到输出层的输出(KP、KI、KD)(1*3矩阵,行向量)
            end
            u_k=K*epid;%计算得到控制律u,1个值
            %%以下是权值调整
            %隐含层至输出层的权值调整
            dyu=sign((u(3)-u(2))/(u(7)-u(6)+0.0001));
            for j=1:1:3
                dK(j)=2/(exp(K1(j))+exp(-K1(j)))^2; %输出层的输出的一阶导
            end
            for i=1:1:3
                delta3(i)=u(5)*dyu*epid(i)*dK(i);  %输出层的delta
            end
            for j=1:1:3
                for i=1:1:5
                    d_wo=xite*delta3(j)*Oh(i)+alfa*(wo_1-wo_2);
                end
            end
            wo=wo_1+d_wo;
            %以下是输入层至隐含层的权值调整
            for i=1:1:5
                dO(i)=4/(exp(I(i))+exp(-I(i)))^2;%(1*5矩阵)
            end
            segma=delta3*wo;%(1*5矩阵,行向量)
            delta2 = dO.*segma;
            d_wi = delta2‘*xi+alfa*(wi_1-wi_2);
            wi=wi_1+d_wi;
            wo_3=wo_2;
            wo_2=wo_1;
            wo_1=wo;%储存输出层本次调整后的权值
            wi_3=wi_2;
            wi_2=wi_1;
            wi_1=wi;%储存隐层本次调整后的权值
         Kp=K(1);Ki=K(2);Kd=K(3);
         sys=[u_kKpKiKd];       

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      36686  2018-05-27 18:39  Matlab2016b\fig0.02.jpg

     文件      40098  2018-05-27 18:40  Matlab2016b\fig0.1.jpg

     文件      38329  2018-05-27 17:15  Matlab2016b\fig0.2.jpg

     文件      23874  2018-05-27 18:41  Matlab2016b\MyBPPID.slx

     文件       3251  2018-05-24 21:18  Matlab2016b\my_exppidf.m

     文件     160169  2018-05-27 18:53  Matlab2016b\必读.docx

     目录          0  2018-05-27 18:53  Matlab2016b

----------- ---------  ---------- -----  ----

               302407                    7


评论

共有 条评论