BP神经网络+PID控制simulink仿真

最新推荐文章于 2025-03-11 20:55:03 发布

zkzfengyi

最新推荐文章于 2025-03-11 20:55:03 发布

阅读量7w

点赞数 110

分类专栏： Simulink 文章标签： MATLAB

本文链接：https://blog.csdn.net/zkzfengyi/article/details/80473110

版权

Simulink 专栏收录该内容

1 篇文章

订阅专栏

最近看到杨艺的那篇《基于S函数的BP神经网络PID控制器及simulink仿真》，也想是否能够实现Simulink仿真，于是上网搜索相关资料，发现原来有许多前辈（1点击打开链接 2 点击打开链接 3点击打开链接）早已经做过类似的工作了，并且总结出许多经验和错误，但鉴于在论坛中许多错误没有一个完整的回答，信息都是零零散散，于是我打算把我做的一整套流程记录下来，以免日后忘记，同时也希望可以帮助到一些人。

对于链接1里面是我最早看到的资料，前辈1在MATLAB中文论坛中发布自己搭建的工程文件及其所遇到的问题，后面楼主说是解决了问题，但是没有上传（这个可以谅解），另外里面有许多热心网友的回答是非常有用的（这些回答对我自己后面解决相关问题，成功实现Simulink仿真是非常关键的，在这里非常感谢论坛中的各位前辈吐舌头）。

对于链接2这个确实是可以用的，只不过对MATLAB版本有限制。开始我下载之后用我的MATLAB2016b打开工程，点击run后就报错，The block 'BPPID/Subsystem/Unit Delay1' does not permit continuous sample time (0 or [0,0]) for the parameter 'SampleTime'.里面分了两大派，一部分人说亲测有效，大赞跟帖；一部分人也像我一样运行报错，此时我疑惑了。于是猜测可能是MATLAB版本问题，于是在另一台电脑上的MATLAB2014b版本运行，果然得到楼主那一条漂亮的曲线（虽然我的工作就是点击一下run，但是还是很开心）。但鉴于我的电脑安装的是MATLAB2016b版本，不可能让我卸载重装2014版吧。于是琢磨怎么将其移植到MATLAB2016b版本上。

对于链接3非常感谢这个楼主的S函数代码，里面注释很详细，我也是在这个楼主的基础上修改的（非常感谢）。接下来我将把我调试的整个流程做如下介绍：

1、编写S函数（感谢上面三位楼主，如有侵权，通知我撤销）

function [sys,x0,str,ts]=my_exppidf(t,x,u,flag)
switch flag,
    case 0,
        [sys,x0,str,ts]=mdlInitializeSizes;
    case 2,
        sys=mdlUpdates(x,u);
    case 3,
        sys=mdlOutputs(t,x,u);
    case {1,4,9},
        sys=[];
    otherwise
        error(['unhandled flag=',num2str(flag)]);%异常处理
end
function[sys,x0,str,ts]=mdlInitializeSizes
    sizes=simsizes;%用于设置模块参数的结构体用simsizes来生成
    sizes.NumContStates=0;%模块连续状态变量的个数
    sizes.NumDiscStates=3;%模块离散状态变量的个数
    sizes.NumOutputs=4;%模块输出变量的个数
    sizes.NumInputs=7;%模块输入变量的个数
    sizes.DirFeedthrough=1;%模块是否存在直接贯通，1表示存在直接贯通，若为0，则mdlOutputs函数里不能有u
    sizes.NumSampleTimes=1;%模块的采样时间个数,至少是一个
    sys=simsizes(sizes);%设置完后赋给sys输出
    x0=zeros(3,1);%系统状态变量设置
    str=[];
    ts=[0 0];%采样周期设为0表示是连续系统，
%     ts=[0.001 0];%采样周期设为0表示是连续系统，
function sys=mdlUpdates(x,u)
        T=0.001;
        x=[u(5);x(2)+u(5)*T;(u(5)-u(4))/T];%3个状态量（偏差、偏差和以及偏差变化量），u(5)是偏差，u(4)是上一次的偏差，x(2)则是之前的偏差和
        sys=[x(1);x(2);x(3)];
function sys=mdlOutputs(t,x,u)
            xite=0.2;
            alfa=0.05;
            IN=3;H=5;OUT=3;
            wi=rand(5,3);%产生一个5*3的随机数矩阵，随机数在（0，1）区间
            wi_1=wi;wi_2=wi;wi_3=wi;
            wo=rand(3,5);
            wo_1=wo;wo_2=wo;wo_3=wo;
            Oh=zeros(5,1);%产生一个1*5的零矩阵(行矩阵)
            I=Oh;
            xi=[u(1),u(3),u(5)];%神经网络训练的3个输入，期望值、误差以及实际值
            epid=[x(1);x(2);x(3)];%3个状态变量（偏差、偏差和、偏差变化量）（3*1矩阵，列向量）
            I=xi*wi';%隐层的输入
            for j=1:1:5
                Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));%隐层的输出值（1*5矩阵）行矩阵
            end
            K1=wo*Oh;%输出层的输入（3*1矩阵）
            for i=1:1:3
                K(i)=exp(K1(i))/(exp(K1(i))+exp(-K1(i)));%得到输出层的输出（KP、KI、KD）（1*3矩阵，行向量）
            end
            u_k=K*epid;%计算得到控制律u，1个值
            %%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)+0.0001));
            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;
            %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;%(1*5矩阵)
            end
            segma=delta3*wo;%（1*5矩阵，行向量）
            delta2 = dO.*segma;
            d_wi = delta2'*xi+alfa*(wi_1-wi_2);
            wi=wi_1+d_wi;
            wo_3=wo_2;
            wo_2=wo_1;
            wo_1=wo;%储存输出层本次调整后的权值
            wi_3=wi_2;
            wi_2=wi_1;
            wi_1=wi;%储存隐层本次调整后的权值
         Kp=K(1);Ki=K(2);Kd=K(3);
         sys=[u_k,Kp,Ki,Kd];

2、搭建Simulink模型

其中Subsystem为：

3、相关参数配置

3.1 系统参数

3.2 Transport Delay 参数设置

3.3 Unit Delay 参数设置

tips：其中系统参数fundamental sample time设置与 Transport Delay 参数 Time delay 有联系，如果设置不好则会出现输出一直为0的情况。

4、实验结果

4.1 当fundamental sample time 设置为0.02时，实验结果如下：

4.2 当fundamental sample time 设置为0.1时，实验结果如下：

最后，由于作者水平有限，感谢各位大家批评指正。另外，我将自己的代码链接代码附上。点击打开链接（https://download.csdn.net/download/zkzfengyi/10441272）