FNN MATLAB实现

FNN MATLAB实现，基于BP神经网络 可以直接运行得到结果，非常方便

%BP based pd Control
clear all;
close all;

xite=[0.200.250.023];
alfa=0.05;

S=1; %Signal type

IN=4;H=5;Out=3;  %NN Structure
if S==1  %Step Signal
wi= [ -0.7880   -0.1852    0.4191   -0.0793
   -0.4214   -0.7626    0.4626    0.5830
    0.0877    0.8388    0.6949   -0.6356
   -0.4303    0.2373   -0.0067   -0.4239
    0.1719    0.2994   -0.7105    0.9005];

%wi=rands（HIN）;
wi_1=wi;wi_2=wi;wi_3=wi;
wo=[0.8683   -0.6168    0.0563    0.4828   -0.0361
   -0.2999    0.1067   -0.5205    1.2318   -0.2118
    1.2552    0.0644    0.1043   -0.3045   -0.1613];

%wo=rands（OutH）;
wo_1=wo;wo_2=wo;wo_3=wo;
end

if S==2  %Sine Signal
wi=[ -0.2691   -0.3048    0.1191   -0.2289
   -0.2539   -0.1522   -0.3347   -0.3918
    0.0798    0.3173    0.3262   -0.1676
    0.3478   -0.2870    0.1556   -0.0796
    0.3070    0.4127    0.0464    0.2066];
%wi=0.50*rands（HIN）;
wi_1=wi;wi_2=wi;wi_3=wi;
wo=[1.0438    0.5478    0.8682    0.1446    0.1537;
    0.1716    0.5811    1.1214    0.5067    0.7370;
    1.0063    0.7428    1.0534    0.7824    0.6494];
%wo=0.50*rands（OutH）;
wo_1=wo;wo_2=wo;wo_3=wo;
end

x=[000];
u_1=0;u_2=0;u_3=0;u_4=0;u_5=0;
y_1=0;y_2=0;y_3=0;

Oh=zeros（H1）;    %Output from NN middle layer
I=Oh;             %Input to NN middle layer
error_2=0;
error_1=0;

ts=0.001;
for k=1:1:6000
time（k）=k*ts;

if S==1
   rin（k）=1.0;
elseif S==2
   rin（k）=sin（1*2*pi*k*ts）;
end

%Unlinear model
a（k）=1.2*（1-0.8*exp（-0.1*k））;
yout（k）=a（k）*y_1/（1+y_1^2）+u_1;

error（k）=rin（k）-yout（k）;

xi=[rin（k）yout（k）error（k）1];

x（1）=error（k）-error_1;
x（2）=error（k）;
x（3）=error（k）-2*error_1+error_2;

epd=[x（1）;x（2）;x（3）];
I=xi*wi‘;
for j=1:1:H
    Oh（j）=（exp（I（j））-exp（-I（j）））/（exp（I（j））+exp（-I（j）））; %Middle layer
end
K=wo*Oh;             %Output layer
for l=1:1:Out
    K（l）=exp（K（l））/（exp（K（l））+exp（-K（l）））;        %Getting kpkikd
end
kp（k）=K（1）;ki（k）=K（2）;kd（k）=K（3）;
Kpd=[kp（k）ki（k）kd（k）];

du（k）=Kpd*epd;
u（k）=u_1+du（k）;
if u（k）>=10       % Restricting the output of controller
   u（k）=10;
end
if u（k）<=-10
   u（k）=-10;
end

dyu（k）=sign（（yout（k）-y_1）/（u（k）-u_1+0.0000001））;

%Output layer
for j=1:1:Out
    dK（j）=2/（exp（K（j））+exp（-K（j）））^2;
end
for l=1:1:Out
    delta3（l）=error（k）*dyu（k）*epd（l）*dK（l）;
end

for l=1:1:Out
   for i=1:1:H
       d_wo=xite（Out）*delta3（l）*Oh（i）+alfa*（wo_1-wo_2）;
   end
end
    wo=wo_1+d_wo+alfa*（wo_1-wo_2）;
%Hidden layer
for i=1:1:H
    dO（i）=4/（exp（I（i））+exp（-I（i）））^2;
end
    segma=delta3*wo;
for i=1:1:H
   delta2（i）=dO（i）*segma（i）;
end
for l=1:1:Out
d_wi=xite（Out）*delta2‘*xi;
wi=wi_1+d_wi+alfa*（wi_1-wi_2）;
end
%Parameters Update
u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u（k）;   
y_2=y_1;y_1=yout（k）;
   
wo_3=wo_2;
wo_2=wo_1;
wo_1=wo;
   
wi_3=wi_2;
wi_2=wi_1;
wi_1=wi;

error_2=error_1;
error_1=error（k）;
end
figure（1）;
plot（timerin‘r‘timeyout‘b‘）;
xlabel（‘time（s）‘）;ylabel（‘rinyout‘）;
figure（2）;
plot（timeerror‘r‘）

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

     文件       3320  2014-09-01 10:53  nn based bp control.m

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

                 3320                    1