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
- bp神经网络源代码,可直接运行
-
imx6qSBP的jli
nk初始化脚本 - BCG帮助手册,完整版_修正
- 编程实现二维DCT变换
- 改进的BP神经网络算法
- 图像二值化
- 用FFT对信号进行频谱分析
-
simuli
nk 课程设计 qpsk - 基于bp神经网络的表情识别
- Tone-Reservation
- QGA 量子遗传算法
- BFSK/BPSK-BER 蒙特卡洛仿真程序
- 差分形式的阻滞增长模型
- 遗传算法的M文件
-
UnityWebPla
yer及UnityWebPla yerFull -
UnityWebPla
yerFull - 带电粒子的横向动量高达100 GeV / c在
- PbPb碰撞中D介子的核修饰因子
- N = 4 $$ \\ mathcal {N} = 4 $$ Chern-Simons-ma
- FABP2基因54位点多态性与结直肠癌易感
- 简单二阶互联系统的非线性动力学分
- 佳能canon lbp3000激光打印机驱动 for w
- BPMN2.0 Modeler for Visio
- Rademacher和BPS混合黑洞
- 基于熵权法的PHC管桩承载力组合预测
- 基于ARIMA、BP神经网络与GM的组合模型
- 基于BP人工神经网络的SmFeN永磁材料工
- rtl8191s 802.11n 150m/300mbps无线网卡驱动程
- bpsk 计算误码率
- SAR成像BP算法仿真
评论
共有 条评论