[智能控制理论]智能控制理论的研究与进展.docxVIP

[智能控制理论]智能控制理论的研究与进展 智能控制实验报告（x~x 学年 春季 学期）课程名称： 任课教师：杜尚丰 班 级：自动061 学 号：0608140612 姓 名：孙倩实验题目1: SISO PID神经网络控制姓名: 孙倩 班级: 自动化061 学号: 0608140612一、仿真模型描述单变量P I D神经网络的结构形式如下：单变量神经网络的结构图本实验用PID 神经网络实现单输入单输出解耦系统的模型仿真，用到的仿真模型为：y(k+1)=0.8sin(y(k))+1.2u(k), k系统输入： r(k)=1(k)二、仿真参数说明系统的输入向量是：r(k)=1；输出向量是：y(k+1)；系统的控制向量为：u(k)；准则函数为：E 1(k ) =12[r 1(k ) -y 1(k )]2权系地训练（取η1=η2=0.8）方式：W(k+1)=W(k)- η可得：w i (k+1)=w i (k)+ ηe(k+1)oi (k)+β[w i (k)-w i (k-1)]1w j (k+1)=1w j (k)+ ηe(k+1)f[xj (k)][2w j (k)]y(k)+ β[1w j (k)-1w j (k-1)]2222+β[W(k)=W(k-1)]三、仿真结果分析以下四幅图分别是系统输入r ，系统输出y ，系统控制量u ，以及系统误差error.2系统输出y 1系统输入r 11.51.510.5010.500.20.40.6时间(秒)0.800.20.40.6时间(秒)0.80.80.60.40.20系统误差e r r o r 1系统控制量u 110.500.20.40.6时间(秒)0.8-0.500.20.40.6时间(秒)0.81、从图中我们可以看得到：当对象特性变化(k≥40) 时，由于PID 神经网络控制 器权系值地不断调整，使控制量u(k)变化，从而系统地输出经过很短的时间跟踪输入。2、通过PID 控制算法，在系统控制量的作用下我们最终实现了跟踪控制，动态响应性能非常好，达到了输出量y 稳态误差为零的效果。四、仿真程序：%PID神经网络单输入单输出解耦模型仿真 %输入为1%输入层单独成神经网，输出成一个神经网 clear all; close all; s=1;if s==1 %初始化 y1_1=0.0;u1_1=0.0;u1_2=0.0;error1_1=0.0;error1_2=0.0;wo_111=0.1*rand(1);wo_111_1=wo_111; wo_112=0.1*rand(1);wo_112_1=wo_112; wo_113=0.1*rand(1);wo_113_1=wo_113; wo_121=0.1*rand(1);wo_121_1=wo_121; wo_122=0.1*rand(1);wo_122_1=wo_122; wo_123=0.1*rand(1);wo_123_1=wo_123; wi_111=0.1*rand(1);wi_111_1=wi_111; wi_112=0.1*rand(1);wi_112_1=wi_112; wi_121=0.1*rand(1);wi_121_1=wi_121; wi_122=0.1*rand(1);wi_122_1=wi_122; wi_131=0.1*rand(1);wi_131_1=wi_131; wi_132=0.1*rand(1);wi_132_1=wi_132; x11=0.0;x12=0.0;x13=0.0; q11=0.0;q12=0.0;q13=0.0;x11_1=x11;x12_1=x12;x13_1=x13; q11_1=q11;q12_1=q12;q13_1=q13; endts=0.001; for k=1:1:800 time(k)=k*ts;if s==1 r1(k)=1; if 1y1(k)=0.8*sin(y1_1)+1.2*u1_1; elsey1(k)=0.8*sin(0.4*y1_1)+1.2*u1_1; enderror1(k)=r1(k)-y1(k); end%中间层输入输出x11(k)=wi_111_1*r1(k)+wi_112_1*y1(k); x12(k)=wi_121_1*r1(k)+wi_122_1*y1(k); x13(k)=wi_131_1*r1(k)+wi_132_1*y1(k); if x11(k)1 q11(k)=1; elseif x11(k)else q11(k)=x11(k); endif(q12_1+x12(k))1 q1