PID神经元网络程序

web browser http://www.ilovematlab.cn/thread-62563-1-1.html
%% 清空环境变量
clc
clear

%% 粒子初始化
%粒子群算法中的两个参数
c1=1.49445;
c2=1.49445;
%最大最小权值
wmax=0.9;
wmin=0.1;
%最大最小速度
Vmax=0.03;
Vmin=-0.03;
%最大最小个体
popmax=0.3;
popmin=-0.3;

maxgen=50;    % 进化次数  
sizepop=20;   %种群规模

%随机产生一个种群
for i=1:sizepop   
    pop（i:）=0.03*rand（145）;  %个体编码
    fitness（i）=fun（pop（i:））;   %染色体的适应度
    V（i:）=0.003*rands（145）;  %初始化速度
end

%% 初始种群极值
%找最好的染色体
[bestfitness bestindex]=min（fitness）;
zbest=pop（bestindex:）;   %全局最佳
gbest=pop;    %个体最佳
fitnessgbest=fitness;   %个体最佳适应度值
fitnesszbest=bestfitness;   %全局最佳适应度值

%% 迭代寻优
for i=1:maxgen
    i
    for j=1:sizepop

        w=（wmax-wmin）*（i-1）/（maxgen）+wmin;   %权值线性变化
        V（j:）=w*V（j:） + c1*rand*（gbest（j:） - pop（j:）） + c2*rand*（zbest - pop（j:））;   %速度更新
        V（jfind（V（j:）>Vmax））=Vmax;   %小于最大速度
        V（jfind（V（j:）        %种群更新
        pop（j:）=pop（j:）+0.5*V（j:）;
        for k=1:45
            if rand>0.95
                pop（jk）=0.3*rand;   %自适应变异
            end
        end
        pop（jfind（pop（j:）>popmax））=popmax;       %小于个体最大值
        pop（jfind（pop（j:）
        %适应度值
        fitness（j）=fun（pop（j:））;
    end
    
    for j=1:sizepop
        %个体极值更新
        if fitness（j）            gbest（j:） = pop（j:）;
            fitnessgbest（j） = fitness（j）;
        end

        %全局极值更新
        if fitness（j）            zbest = pop（j:）;
            fitnesszbest = fitness（j）;
        end
    end
    
    %记录最优适应度值
    yy（i）=fitnesszbest;

end

%% 最优个体控制
figure（1）
plot（yy）
title（‘粒子群算法进化过程‘）;
xlabel（‘进化代数‘）;ylabel（‘适应度‘）;

individual=zbest;

w11=reshape（individual（1:6）32）;
w12=reshape（individual（7:12）32）;
w13=reshape（individual（13:18）32）;

w21=individual（19:27）;
w22=individual（28:36）;
w23=individual（37:45）;

rate1=0.006;rate2=0.001; %学习率
k=0.3;K=3;
y_1=zeros（31）;y_2=y_1;y_3=y_2;   %输出值
u_1=zeros（31）;u_2=u_1;u_3=u_2;   %控制率
h1i=zeros（31）;h1i_1=h1i;  %第一个控制量
h2i=zeros（31）;h2i_1=h2i;  %第二个控制量
h3i=zeros（31）;h3i_1=h3i;  %第三个空置量
x1i=zeros（31）;x2i=x1i;x3i=x2i;x1i_1=x1i;x2i_1=x2i;x3i_1=x3i;   %隐含层输出 

%权值初始化
k0=0.03;

%值限定
ynmax=1;ynmin=-1;  %系统输出值限定
xpmax=1;xpmin=-1;  %P节点输出限定
qimax=1;qimin=-1;  %I节点输出限定
qdmax=1;qdmin=-1;  %D节点输出限定
uhmax=1;uhmin=-1;  %输出结果限定

for k=1:1:200

    %--------------------------------网络前向计算--------------------------
    
    %系统输出
    y1（k）=（0.4*y_1（1）+u_1（1）/（1+u_1（1）^2）+0.2*u_1（1）^3+0.5*u_1（2））+0.3*y_1（2）;
    y2（k）=（0.2*y_1（2）+u_1（2）/（1+u_1（2）^2）+0.4*u_1（2）^3+0.2*u_1（1））+0.3*y_1（3）;
    y3（k）=（0.3*y_1（3）+u_1（3）/（1+u_1（3）^2）+0.4*u_1（3）^3+0.4*u_1（2））+0.3*y_1（1）;
    
    r1（k）=0.7;r2（k）=0.4;r3（k）=0.6;  %控制目标
    
    %系统输出限制
    yn=[y1（k）y2（k）y3（k）];
    yn（find（yn>ynmax））=ynmax;
    yn（find（yn    
    %输入层输出
    x1o=[r1（k）;yn（1）];x2o=[r2（k）;yn（2）];x3o=[r3（k）;yn（3）];
    
    %隐含层 
    x1i=w11*x1o;
    x2i=w12*x2o;
    x3i=w13*x3o;

    %比例神经元P计算
    xp=[x1i（1）x2i（1）x3i（1）]