PID神经元网络解耦控制算法讲解.docx
- 文档编号:1609031
- 上传时间:2022-10-23
- 格式:DOCX
- 页数:18
- 大小:19.37KB
PID神经元网络解耦控制算法讲解.docx
《PID神经元网络解耦控制算法讲解.docx》由会员分享,可在线阅读,更多相关《PID神经元网络解耦控制算法讲解.docx(18页珍藏版)》请在冰豆网上搜索。
PID神经元网络解耦控制算法讲解
%%清空环境变量
clc
clear
%%粒子初始化
%粒子群算法中的两个参数
c1=1.49445;
c2=1.49445;
%最大最小权值
wmax=0.9;
wmin=0.1;
%最大最小速度
Vmax=0.03;
Vmin=-0.03;
%最大最小个体
popmax=0.3;
popmin=-0.3;
maxgen=50;%进化次数
sizepop=20;%种群规模
%随机产生一个种群
fori=1:
sizepop
pop(i,:
)=0.03*rand(1,45);%个体编码
fitness(i)=fun(pop(i,:
));%染色体的适应度
V(i,:
)=0.003*rands(1,45);%初始化速度
end
%%初始种群极值
%找最好的染色体
[bestfitnessbestindex]=min(fitness);
zbest=pop(bestindex,:
);%全局最佳
gbest=pop;%个体最佳
fitnessgbest=fitness;%个体最佳适应度值
fitnesszbest=bestfitness;%全局最佳适应度值
%%迭代寻优
fori=1:
maxgen
i
forj=1:
sizepop
w=(wmax-wmin)*(i-1)/(maxgen)+wmin;%权值线性变化
V(j,:
)=w*V(j,:
)+c1*rand*(gbest(j,:
)-pop(j,:
))+c2*rand*(zbest-pop(j,:
));%速度更新
V(j,find(V(j,:
)>Vmax))=Vmax;%小于最大速度
V(j,find(V(j,:
) %种群更新 pop(j,: )=pop(j,: )+0.5*V(j,: ); fork=1: 45 ifrand>0.95 pop(j,k)=0.3*rand;%自适应变异 end end pop(j,find(pop(j,: )>popmax))=popmax;%小于个体最大值 pop(j,find(pop(j,: ) %适应度值 fitness(j)=fun(pop(j,: )); end forj=1: sizepop %个体极值更新 iffitness(j) gbest(j,: )=pop(j,: ); fitnessgbest(j)=fitness(j); end %全局极值更新 iffitness(j) zbest=pop(j,: ); fitnesszbest=fitness(j); end end %记录最优适应度值 yy(i)=fitnesszbest; end %%最优个体控制 figure (1) plot(yy) title('粒子群算法进化过程'); xlabel('进化代数');ylabel('适应度'); individual=zbest; w11=reshape(individual(1: 6),3,2); w12=reshape(individual(7: 12),3,2); w13=reshape(individual(13: 18),3,2); w21=individual(19: 27); w22=individual(28: 36); w23=individual(37: 45); rate1=0.006;rate2=0.001;%学习率 k=0.3;K=3; y_1=zeros(3,1);y_2=y_1;y_3=y_2;%输出值 u_1=zeros(3,1);u_2=u_1;u_3=u_2;%控制率 h1i=zeros(3,1);h1i_1=h1i;%第一个控制量 h2i=zeros(3,1);h2i_1=h2i;%第二个控制量 h3i=zeros(3,1);h3i_1=h3i;%第三个空置量 x1i=zeros(3,1);x2i=x1i;x3i=x2i;x1i_1=x1i;x2i_1=x2i;x3i_1=x3i;%隐含层输出 %权值初始化 k0=0.03; %值限定 ynmax=1;ynmin=-1;%系统输出值限定 xpmax=1;xpmin=-1;%P节点输出限定 qimax=1;qimin=-1;%I节点输出限定 qdmax=1;qdmin=-1;%D节点输出限定 uhmax=1;uhmin=-1;%输出结果限定 fork=1: 1: 200 %--------------------------------网络前向计算-------------------------- %系统输出 y1(k)=(0.4*y_1 (1)+u_1 (1)/(1+u_1 (1)^2)+0.2*u_1 (1)^3+0.5*u_1 (2))+0.3*y_1 (2); y2(k)=(0.2*y_1 (2)+u_1 (2)/(1+u_1 (2)^2)+0.4*u_1 (2)^3+0.2*u_1 (1))+0.3*y_1(3); y3(k)=(0.3*y_1(3)+u_1(3)/(1+u_1(3)^2)+0.4*u_1(3)^3+0.4*u_1 (2))+0.3*y_1 (1); r1(k)=0.7;r2(k)=0.4;r3(k)=0.6;%控制目标 %系统输出限制 yn=[y1(k),y2(k),y3(k)]; yn(find(yn>ynmax))=ynmax; yn(find(yn %输入层输出 x1o=[r1(k);yn (1)];x2o=[r2(k);yn (2)];x3o=[r3(k);yn(3)]; %隐含层 x1i=w11*x1o; x2i=w12*x2o; x3i=w13*x3o; %比例神经元P计算 xp=[x1i (1),x2i (1),x3i (1)]; xp(find(xp>xpmax))=xpmax; xp(find(xp qp=xp; h1i (1)=qp (1);h2i (1)=qp (2);h3i (1)=qp(3); %积分神经元I计算 xi=[x1i (2),x2i (2),x3i (2)]; qi=[0,0,0];qi_1=[h1i (2),h2i (2),h3i (2)]; qi=qi_1+xi; qi(find(qi>qimax))=qimax; qi(find(qi h1i (2)=qi (1);h2i (2)=qi (2);h3i (2)=qi(3); %微分神经元D计算 xd=[x1i(3),x2i(3),x3i(3)]; qd=[000]; xd_1=[x1i_1(3),x2i_1(3),x3i_1(3)]; qd=xd-xd_1; qd(find(qd>qdmax))=qdmax; qd(find(qd h1i(3)=qd (1);h2i(3)=qd (2);h3i(3)=qd(3); %输出层计算 wo=[w21;w22;w23]; qo=[h1i',h2i',h3i'];qo=qo'; uh=wo*qo; uh(find(uh>uhmax))=uhmax; uh(find(uh u1(k)=uh (1);u2(k)=uh (2);u3(k)=uh(3);%控制律 %--------------------------------------网络反馈修正---------------------- %计算误差 error=[r1(k)-y1(k);r2(k)-y2(k);r3(k)-y3(k)]; error1(k)=error (1);error2(k)=error (2);error3(k)=error(3); J(k)=0.5*(error (1)^2+error (2)^2+error(3)^2);%调整大小 ypc=[y1(k)-y_1 (1);y2(k)-y_1 (2);y3(k)-y_1(3)]; uhc=[u_1 (1)-u_2 (1);u_1 (2)-u_2 (2);u_1(3)-u_2(3)]; %隐含层和输出层权值调整 %调整w21 Sig1=sign(ypc./(uhc (1)+0.00001)); dw21=sum(error.*Sig1)*qo'; w21=w21+rate2*dw21; %调整w22 Sig2=sign(ypc./(uh (2)+0.00001)); dw22=sum(error.*Sig2)*qo'; w22=w22+rate2*dw22; %调整w23 Sig3=sign(ypc./(uh(3)+0.00001)); dw23=sum(error.*Sig3)*qo'; w23=w23+rate2*dw23; %输入层和隐含层权值调整 delta2=zeros(3,3); wshi=[w21;w22;w23]; fort=1: 1: 3 delta2(1: 3,t)=error(1: 3).*sign(ypc(1: 3)./(uhc(t)+0.00000001)); end forj=1: 1: 3 sgn(j)=sign((h1i(j)-h1i_1(j))/(x1i(j)-x1i_1(j)+0.00001)); end s1=sgn'*[r1(k),y1(k)]; wshi2_1=wshi(1: 3,1: 3); alter=zeros(3,1); dws1=zeros(3,2); forj=1: 1: 3 forp=1: 1: 3 alter(j)=alter(j)+delta2(p,: )*wshi2_1(: j); end end forp=1: 1: 3 dws1(p,: )=alter(p)*s1(p,: ); end w11=w11+rate1*dws1; %调整w12 forj=1: 1: 3 sgn(j)=sign((h2i(j)-h2i_1(j))/(x2i(j)-x2i_1(j)+0.0000001)); end s2=sgn'*[r2(k),y2(k)]; wshi2_2=wshi(: 4: 6); alter2=zeros(3,1); dws2=zeros(3,2); forj=1: 1: 3 forp=1: 1: 3 alter2(j)=alter2(j)+delta2(p,: )*wshi2_2(: j); end end forp=1: 1: 3 dws2(p,: )=alter2(p)*s2(p,: ); end w12=w12+rate1*dws2; %调整w13 forj=1: 1: 3 sgn(j)=sign((h3i(j)-h3i_1(j))/(x3i(j)-x3i_1(j)+0.0000001));
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- PID 神经元 网络 控制 算法 讲解