【智能控制实验】基于MATLAB的BP神经网络PID控制器设计

基于MATLAB的BP神经网络PID控制器设计

一、BP神经网络PID控制算法步骤：

（1）确定BP神经网络结构，即确定输入层和隐含层的节点个数，选取各层加权系数的初值wij(0)、wli(0),选定学习速率和惯性系数，此时k=1（2）采样给定和反馈信号，即r(k)和y(k),计算误差e(k)=r(k)-y(k)（3）确定输入量（4）根据上述公式，计算各层神经元的输入、输出，神经网络输出层即为PID控制器的三个可调参数Kp、Ki和Kd（5）由增量式PID控制公式，计算PID控制器的控制输出u(k)（6）进行神经网络学习，实时自动调整输出层和隐含层的加权系数wli(k)和wij(k)，实现PID控制参数的自适应调整（7）置k=k+1，返回步骤（2）

二、建立模型

2.1 BP_PID

2.2 Subsystem

2.3 S_Function

function [sys,x0,str,ts,simStateCompliance] = nnbp(t,x,u,flag,T,nh,xite,alfa)
switch flag,case 0,[sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes(T,nh);
%初始化函数case 3,sys=mdlOutputs(t,x,u,nh,xite,alfa);
%输出函数case {1,2,4,9},sys=[];otherwiseDAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));
end
function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes(T,nh)
%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,三个PID参数：Kp,Ki,Kd,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(t,x,u,nh,xite,alfa)
%调用输出函数
wi_2 = reshape(u(8:7+3*nh),nh,3);
%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),3,nh);
%输出层（k-2）权值系数矩阵，维数3*nh
wi_1 = reshape(u(8+6*nh:7+9*nh),nh,3);
%隐含层（k-1)权值系数矩阵，维数nh*3
wo_1 = reshape(u(8+9*nh:7+12*nh),3,nh);
%输出层（k-1）权值系数矩阵，维数3*nh
xi = [u(6),u(4),u(1)];
%神经网络的输入xi=[u(6),u(4),u(1)]=[r(k),y(k),e(k)]
xx = [u(1)-u(2);u(1);u(1)+u(3)-2*u(2)];
%xx=[u(1)-u(2);u(1);u(1)+u(3)-2*u(2)]=[e(k)-e(k-1);e(k);e(k)+e(k-2)-2*e(k-1)]
I = xi*wi_1';
%计算隐含层的输入，I=神经网络的输入*隐含层权值系数矩阵的转置wi_1'，结果为：
%I=[net0(k),net1(k)...netnh(k)]为1*nh矩阵
Oh = exp(I)./(exp(I)+exp(-I));
%激活函数，可更改
%计算隐含层的输出，(exp(I)-exp(-I))./(exp(I)+exp(-I))为隐含层的激活函数Sigmoid
%Oh=[o0(k),o1(k)...onh(k)],为1*nh的矩阵
O = wo_1*Oh';
%计算输出层的输入，维数3*1
K = 2./(exp(O)+exp(-O)).^2;
%激活函数，可更改
%计算输出层的输出K=[Kp,Ki,Kd]，维数为1*3
%exp(Oh)./(exp(Oh)+exp(-Oh))为输出层的激活函数Sigmoid
uu = u(7)+K'*xx;
%根据增量式PID控制算法计算控制变量u(k)
dyu = sign((u(4)-u(5))/(uu-u(7)+0.0000001));
%计算输出层加权系数修正公式的sgn
%sign((y(k)-y(k-1))/(u(k)-u(k-1)+0.0000001)近似代表偏导
dK = 2./(exp(K)+exp(-K)).^2;
%激活函数，可更改
delta3 = u(1)*dyu*xx.*dK;
wo = wo_1+xite*delta3*Oh+alfa*(wo_1-wo_2);
%输出层加权系数矩阵的修正
dOh = 2./(exp(Oh)+exp(-Oh)).^2;
%激活函数，可更改
wi = wi_1+xite*(dOh.*(delta3'*wo))'*xi+alfa*(wi_1-wi_2);
%隐含层加权系数修正
sys = [uu;K(:);wi(:);wo(:)];
%输出层输出sys=[uu;K(:);wi(:);wo(:)]=
%[uu;Kp;Ki;Kd;隐含层+输出层所有权值系数]
%K(:),wi(:),wo(:),把这三个矩阵按顺序排为列向量

三、实验结果及分析

3.1 output

3.2 kp

3.3 ki

3.4 kd

参考文章

基于BP神经网络PID控制+Simulink仿真

【智能控制实验】基于MATLAB的BP神经网络PID控制器设计相关推荐

【智能控制实验】基于MATLAB的BP神经网络设计
实验五:基于MATLAB的BP神经网络设计一.实验要求: 重点是掌握BP神经网络的学习算法原理和代码设计方法,应用MATLAB编写BP神经网络训练方法:应用神经网络工具箱设计BP神经网络实现对输入输 ...
【智能控制实验】基于MATLAB的BP神经网络实现非线性函数拟合设计
基于MATLAB的BP神经网络实现非线性函数拟合设计一.实验要求: 重点是掌握BP神经网络的学习算法原理,掌握matlab工具箱设计BP神经网络拟合非线性模型的方法(m文件):掌握在图形用户界面下设 ...
神经网络pid控制器MATLAB,BP神经网络PID控制器的Simulink 仿真模型搭建教程
BP网络在人工神经网络中应用最为广泛,文中给出基于MATLAB语言的BP神经网络PID控制器的S函数实现,在此基础上建立BP神经网络PID控制器的Simulink 仿真模型,最后给出了该仿真模型应用在 ...
基于S函数的BP神经网络PID控制器及simulink仿真
基于S函数的BP神经网络PID控制器及simulink仿真文章目录文章来源和摘要 S函数的编写格式和运行步骤 simulink模型结构 S函数模型初始化部分代码理解 S函数模型更新部分 S函数模型 ...
matlab耀输,基于 Matlab的BP神经网络在太阳耀斑级别预测中的应用
第 42卷第 3期 2014年 5月河南师范大学学报(自然科学版) Journal of Henan Normal University(Natural Science Edition) Z．42 ...
基于bp神经网络的pid算法,神经网络pid控制器设计
基于BP神经网络的PID控制器设计参考一下刘金琨的<先进PID控制>这本书. 例子:被控对象yout(k)=a(k)yout(k-1)/(1+yout(k-1)^2)+u(k_1)其中a ...
【车牌识别】基于matlab GUI BP神经网络车牌识别（带面板）【含Matlab源码 790期】
⛄一.BP车牌识别简介(附课程作业报告) 车牌识别系统设计与实现车牌识别系统主要分为三部分:车牌图像预处理.特征提取以及基于BP神经网络对特征进行训练和分类,流程图如图1所示. 图1 车牌识别系统组 ...
【交通标志识别】基于matlab GUI BP神经网络交通标志识别系统（含语音报警）【含Matlab源码 2240期】
⛄一.BP神经网络交通标志识别简介道路交通标志用以禁止.警告.指示和限制道路使用者有秩序地使用道路, 保障出行安全.若能自动识别道路交通标志, 则将极大减少道路交通事故的发生.但是由于道路交通错综复 ...
bp神经网络matlab代码_基于Matlab的BP神经网络识别26个英文字母
一.设计思想字符识别在现代日常生活的应用越来越广泛,比如车辆牌照自动识别系统,手写识别系统,办公自动化等等.本文采用BP网络对26个英文字母进行识别.首先将待识别的26个字母中的每一个字母都通过长和 ...
【身份证识别】基于matlab GUI BP神经网络身份证识别【含Matlab源码 2239期】
⛄一.身份证号码识别简介 1 引言当今是一个信息高度发达的时代,对于每个公民而言身份证那一连串的数字体现了个人信息的唯一性,出于保障公民合法权益和社会治安的考虑,越来越多的行业都开始建立自己的安全保 ...

【智能控制实验】基于MATLAB的BP神经网络PID控制器设计

基于MATLAB的BP神经网络PID控制器设计

一、BP神经网络PID控制算法步骤：

二、建立模型

2.1 BP_PID

2.2 Subsystem

2.3 S_Function

三、实验结果及分析

3.1 output

3.2 kp

3.3 ki

3.4 kd

参考文章

【智能控制实验】基于MATLAB的BP神经网络PID控制器设计相关推荐

最新文章

热门文章