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（xpqp=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（qih1i
（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（qdh1i（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（uhu1（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））;
升级会员 