BP_PID控制仿真.rar

本资源为基于BP神经网络的PID连续控制系统Simulink仿真模型，BP神经网络学习算法通过S-function函数编写，各个参数已调好，可完美运行。如有怀疑，请浏览我的博客：基于BP神经网络PID控制+Simulink仿真 地址：https://blog.csdn.net/weixin_42650162/article/details/90678503

function [sysx0strtssimStateCompliance] = nnbp（txuflagTnhxitealfa）
switch flag
  case 0
    [sysx0strtssimStateCompliance]=mdlInitializeSizes（Tnh）;
%初始化函数
  case 3
    sys=mdlOutputs（txunhxitealfa）;
%输出函数
  case {1249}
    sys=[];
  otherwise
    DAStudio.error（‘Simulink:blocks:unhandledFlag‘ num2str（flag））;
end
function [sysx0strtssimStateCompliance]=mdlInitializeSizes（Tnh）
%调用初始画函数，两个外部输入参数 参数T确定采样时间，参数nh确定隐含层层数
sizes = simsizes;
sizes.NumContStates  = 0;
sizes.NumDiscStates  = 0;
sizes.NumOutputs     = 4+6*nh;
%定义输出变量，包括控制变量u隐含层+输出层所有加权系数
sizes.NumInputs      = 7+12*nh;
%定义输入变量，包括前7个参数[e（k）;e（k-1）;e（k-2）;y（k）;y（k-1）;r（k）;u（k-1）]
%隐含层+输出层权值系数（k-2）隐含层+输出层权值系数（k-1）
sizes.DirFeedthrough = 1;
sizes.NumSampleTimes = 1; 
sys = simsizes（sizes）;
x0  = [];
str = [];
ts  = [T 0];
simStateCompliance = ‘UnknownSimState‘;
function sys=mdlOutputs（txunhxitealfa）
%调用输出函数
wi_2 = reshape（u（8:7+3*nh）nh3）;
%隐含层（k-2）权值系数矩阵，维数nh*3
wo_2 = reshape（u（8+3*nh:7+6*nh）

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

     文件      17502  2019-05-30 11:09  BP_PID.slx

     文件     158986  2019-05-30 11:15  Help.docx

     文件       2608  2019-05-30 10:35  nnbp.m

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

               179096                    3