matlab仿真模型

zaiyiaaaa

BP神经网络整定的PID控制算法matlab源程序，系统为二阶闭环系统。

2 B  [# a0 X; x5 t

%BP based PID Control

clear all;

close all;

xite=0.28;

alfa=0.001;

4 Z9 F6 R/ m" D( Z% N$ j

IN=4;H=5;Out=3;  %NN Structure

* d" I6 i  ^& m
8 g0 k% y+ R; Q3 Y4 d1 C1 r4 f0 L

wi=0.50*rands(H,IN);

wi_1=wi;wi_2=wi;wi_3=wi;

, {5 J2 z; _) e- l5 Q8 w/ O8 K

wo=0.50*rands(Out,H);

wo_1=wo;wo_2=wo;wo_3=wo;

; e/ W% B: Z$ E" {# Z0 f* S  i

x=[0,0,0];

u_1=0;u_2=0;u_3=0;u_4=0;u_5=0;

y_1=0;y_2=0;y_3=0;

/ m8 o0 M! n; X0 E, i1 C( p% B

Oh=zeros(H,1);    %Output from NN middle layer

I=Oh;             %Input to NN middle layer

error_2=0;

error_1=0;

ts=0.01;

sys=tf(2.6126,[1,3.201,2.7225]);  %建立被控对象传递函数

dsys=c2d(sys,ts,'z');   %把传递函数离散化

[num,den]=tfdata(dsys,'v');  %离散化后提取分子、分母

for k=1:1:2000

time(k)=k*ts;

rin(k)=40;

yout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_2+num(3)*u_3;%这一步是怎么推的（问题1）

error(k)=rin(k)-yout(k);

) {) J3 {/ y0 c

xi=[rin(k),yout(k),error(k),1];

x(1)=error(k)-error_1;

x(2)=error(k);

x(3)=error(k)-2*error_1+error_2;

1 b+ t8 ]2 ]4 E$ @/ ?0 K% R0 }

epid=[x(1);x(2);x(3)];

I=xi*wi';

for j=1:1:H

   Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j))); %Middle Layer

end

K=wo*Oh;             %Output Layer

for l=1:1:Out

   K(l)=exp(K(l))/(exp(K(l))+exp(-K(l)));        %Getting kp,ki,kd

end

kp(k)=K(1);ki(k)=K(2);kd(k)=K(3);

Kpid=[kp(k),ki(k),kd(k)];

du(k)=Kpid*epid;

u(k)=u_1+du(k);

if u(k)>=45       % Restricting the output of controller

  u(k)=45;

end

if u(k)<=-45

   u(k)=-45;

end

dyu(k)=sign((yout(k)-y_1)/(u(k)-u_1+0.0000001));

) @8 f, F5 r  S3 o% g7 \" S: g. D

%Output layer

for j=1:1:Out

   dK(j)=2/(exp(K(j))+exp(-K(j)))^2;

end

for l=1:1:Out

   delta3(l)=error(k)*dyu(k)*epid(l)*dK(l);

end

for l=1:1:Out

  for i=1:1:H

      d_wo=xite*delta3(l)*Oh(i)+alfa*(wo_1-wo_2);

  end

end

   wo=wo_1+d_wo+alfa*(wo_1-wo_2);%这一步似乎有问题（问题2）

%Hidden layer

for i=1:1:H

   dO(i)=4/(exp(I(i))+exp(-I(i)))^2;

end

   segma=delta3*wo;

for i=1:1:H

  delta2(i)=dO(i)*segma(i);

end

3 m. m. P- n! Q; `. v, E9 r

d_wi=xite*delta2'*xi;

wi=wi_1+d_wi+alfa*(wi_1-wi_2);

%Parameters Update

u_5=u_4;u_4=u_3;u_3=u_2;u_2=u_1;u_1=u(k);   

y_2=y_1;y_1=yout(k);

   

wo_3=wo_2;

wo_2=wo_1;

wo_1=wo;

   

wi_3=wi_2;

wi_2=wi_1;

wi_1=wi;

error_2=error_1;

error_1=error(k);

end

figure(1);

plot(time,rin,'r',time,yout,'b');

xlabel('time(s)');ylabel('rin,yout');

figure(2);

plot(time,error,'r');

xlabel('time(s)');ylabel('error');

figure(3);

plot(time,u,'r');

xlabel('time(s)');ylabel('u');

figure(4);

subplot(311);

plot(time,kp,'r');

xlabel('time(s)');ylabel('kp');

subplot(312);

plot(time,ki,'g');

xlabel('time(s)');ylabel('ki');

subplot(313);

plot(time,kd,'b');

xlabel('time(s)');ylabel('kd');

问题（1）和问题（2）都标注出来了。还请各位帮忙看一下，尤其是问题（1），到底如何将已知的传递函数转换成,matlab的仿真模型呢

: j4 y+ u0 b# U1 Z

zzz.dan

帮你顶一下

kekek

差分方程你值得拥有
+ H, s( O. C6 f7 H  ?2 D

Uifhjvv

二楼正解！你试试差分方程

pTDbn25

来学习一下