神经网络模型预测控制器

clear;
N=6;%预测长度
%NNI初始化
aa=0.1;%学习速率
x=[00]‘;%NNI输入向量 辨识网络
w1=0.1*ones（62）;
w2=ones（16）;
b1=ones（61）;
b2=ones（11）;
ts=0.01;%采样时间间隔

%NNC初始化 控制网络，不，采用是神经网络PID控制器
lr=0.1;%学习速率
w_1=0.1*rand（8N）;
w_2=rand（38）;
b_1=ones（81）;
b_2=ones（31）;
Ki=0;
Kp=0;
Kd=0;
cr=0.01;%控制增量权重
xx=zeros（N1）;%NNC输入向量

%NNI离线训练
for k=1:1000
    y（1）=0;
    yn（1）=0;
    u（k）=0.50*sin（3*2*pi*k*ts）;
    a（k）=1.2*（1-0.8*exp（-0.1*k））;
    y（k+1）=a（k）*y（k）/（1+y（k）^2）+u（k）;%被控对象输出y
    x（1）=u（k）;
    x（2）=y（k）;
    a1=tansig（netsum（w1*xb1））;
    yn（k+1）=purelin（netsum（w2*a1b2））;%神经网络输出yn
    e（k+1）=y（k+1）-yn（k+1）;
        if k>10&abs（e（k+1））<=0.001 %当误差小于0.001时，结束训练
           break;
       end
    dw2=aa*e（k+1）*a1‘;
    w2=w2+dw2;
    db2=aa*e（k+1）;
    for j=1:6
        df（j）=1-a1（j）^2;
    end
    for i=1:6
        for j=1:2
            dw1（ij）=aa*e（k+1）*w2（i）*df（i）*x（j）;
        end
    end
    for i=1:6
        db1（i1）=aa*e（k+1）*w2（i）*df（i）;
    end
    w1=w1+dw1;
    b1=b1+db1;
end

%预测输出;
uu=zeros（21）;%NNI输入向量


%yr=0.5*square（linspace（04*pi1000+N））;  %参考信号，方波 N是预测长度

yr=sin（linspace（05*pi1000+N））+cos（linspace（03*pi1000+N））; %参考信号，正弦波 

%yr=2*sin（linspace（04*pi1000+N））;%设定值

for k_2=1:1000
    time（k_2）=k_2*ts;
    uc（1）=0;
    yn_1（1）=0;%预测输出设初值
    yr_1（1）=0;
    a_a（k_2）=1.2*（1-0.8*exp（-0.1*k_2））;
    yr_1（k_2+1）=a_a（k_2）*yr_1（k_2）/（1+yr_1（k_2）^2）+uc（k_2）;%被控对象输出
    yn_1（k_2）=yr_1（k_2）;
    for j=0:1:N-1
        uu（1）=uc（k_2）;
        uu（2）=yn_1（k_2+j）;
        a2=tansig（netsum（w1*uub1））;
        yn_1（k_2+j+1）=purelin（netsum（w2*a2b2））;%预测模型输出
        e_2（k_2+j+1）=yr（k_2+j+1）-yn_1（k_2+j+1）;
        xx（j+1）=e_2（k_2+j+1）;
    end