资源简介
BP PID控制器,加入了一个传递函数作为案例,能够实现优化PID算法,
代码片段和文件信息
function [sysx0strtssimStateCompliance] = exppidf(txuflag)
switch flag
case 0
[sysx0strtssimStateCompliance]=mdlInitializeSizes;
case 1
sys=mdlDerivatives(txu);
case 2
sys=mdlUpdate(txu);
case 3
sys=mdlOutputs(txu);
case 4
sys=mdlGetTimeOfNextVarHit(txu);
case 9
sys=mdlTerminate(txu);
otherwise
DAStudio.error(‘Simulink:blocks:unhandledFlag‘ num2str(flag));
end
function [sysx0strtssimStateCompliance]=mdlInitializeSizes
sizes=simsizes;
sizes.NumContStates=0;
sizes.NumDiscStates=3;
sizes.NumOutputs=4;
sizes.NumInputs=7;
sizes.DirFeedthrough=1;
sizes.NumSampleTimes=1;
sys=simsizes(sizes);
x0=[10.110];
str=[];
ts=[0 0];
simStateCompliance = ‘UnknownSimState‘;
function sys=mdlDerivatives(txu)
sys = [x];
function sys=mdlUpdate(txu)
T=0.1;
x=[u(5);x(2)+u(5)*T;(u(5)-u(4))/T];%e(k)e(k)求和e(k)求微分
sys=[x(1);x(2);x(3)];
function sys=mdlOutputs(txu)
xite=0.2;
alfa=0.05;
IN=3;H=5;OUT=3;
T=0.1;
global wi;
global wo;
global wi_1;
global wi_2;
global wi_3;
global wo_1;
global wo_2;
global wo_3;
global Kp;
global Ki;
global Kd;
%wi=rand(53);wo=rand(35);
Oh=zeros(15);
I=Oh;
K1=zeros(31);K=zeros(13);dyu=0;dK=zeros(13);delta3=zeros(13);
d_wo=zeros(35);segma=zeros(15);delta2=zeros(15);d_wi=zeros(53);dO=zeros(15);
xi=[u(1)u(3)u(5)];
epid=[x(1);x(2);x(3)];%用于传给pid控制器的误差
I=xi*wi‘;%隐含层的输入
for j=1:1:5
Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));%隐含层的输出
end
K1=wo*Oh‘; %输出层的输入
for i=1:1:3
K(i)=exp(K1(i))/(exp(K1(i))+exp(-K(i)));%输出层的输出
end
u_k=K*epid;
%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)+0.01));
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+alfa*(wo_1-wo_2);
%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;
end
segma=delta3*wo;
for i=1:1:5
delta2(i)=dO(i)*segma(i);
end
%for i=1:1:5
% for j=1:1:3
% d_wi=xite*delta2(i)*xi(j)+alfa*(wi_1-wi_2);
% end
%end
d_wi=xite*delta2‘*xi;
wi=wi_1+d_wi+alfa*(wi_1-wi_2);
wo_3=wo_2;
wo_2=wo_1;
wo_1=wo;
wi_3=wi_2;
wi_2=wi_1;
wi_1=wi;
Kp=K(1);Ki=K(2);Kd=K(3);
sys=[u_kKpKiKd];
%sys=[1234];
function sys=mdlGetTimeOfNextVarHit(txu)
sampleTime = 0.1; % Example set the next hit to be one second later.
sys = t + sampleTime;
function sys=mdlTerminate(txu)
sys = [];
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 16691 2018-11-16 20:29 BPPID.slx
文件 2763 2018-11-16 20:29 s_bppid.m
- 上一篇:PCI设备初始化编程的过程
- 下一篇:同时计算关联维和Kolmogorov熵
相关资源
- 基于SS3型电力机车的仿真模型
- kbproto-1.0.6.tar.bz2
- 压缩感知算法
- RL负载33节点标准配电网模型
- SVM+HOG+LBP
- 机器人学导论课后习题MATLAB
- 无线定位中的FANG算法
- 几种堆(BinFibPair)在Dijkstra算法上的
- 特征系统实现算法
- 图像处理实验DPCM
- VUE + bpmn 流程设计器 demo
- faster_rcnn-master 直接运行即可,重新编
- 模糊自适应PID控制器设计
- 基于压缩感知BP,BPOMPStOMP二维图像比
- BP 神经网络程序BP 神经网络程序
- LOF算法实现
- LDPC_802.16e仿真代码
- 电动助力转向系统建模
- LMS算法和NLMS算法的性能比较
- 助力特性曲线三维图
- 协同训练的一个小
- m_map使用小结——非常实用
- FW_BPR算法计算过程.txt
- NSGA-2源程序可以运行
- 图论软件包
- LBP算法应用
- 医学图像配准
- GSA算法源程序
- bp神经网络:贝叶斯、梯度下降算法
- 遗传算法优化BP网络(用于电力负荷预
评论
共有 条评论