BP神经网络+PID控制simulink仿真

      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,但是还是很开心偷笑)。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)

评论 117
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值