(完整word版)同济智能控制实验报告-基于BP神经网络的自整定PID控制仿真.doc

同济大学电子与信息工程学院实验报告

姓名：学号：
学院：专业：

实验课程名称：
任课教师：
实验项目名称：基于BP神经网络的自整定PID控制仿真
实验日期：

实验内容：
熟悉神经网络的特征、结构及学习算法。
通过实验掌握神经网络自整定PID的工作原理。
了解神经网络的结构对控制结果的影响。
掌握用MATLAB实现实现神经网络控制系统仿真的方法。
实验步骤及结果演示
1.实验步骤：（1）被控对象为一时变非线性对象，数学模型可表示为

式中系数a(k)是慢时变的，
（2）如图5所示确定BP网络的结构，选4-5-3型的BP网络，各层加权系数的初值取区间[-0.5,0.5]上的随机数，选定学习率η=0.25和惯性系数α=0.05.
（3）在MATLAB下依据整定原理编写仿真程序并调试。
（4）给定输入为阶跃信号，运行程序，记录实验数据和控制曲线。
（5）修改神经网络参数，如学习速率、隐含层神经元个数等，重复步骤（4）。
（6）分析数据和控制曲线。

图5BP神经网络结构

2.结果展示：
（1）实验代码：
xite=0.25;
alfa=0.02;
IN=4;
H=10;
Out=3;
wi=[0.4634-0.41730.31900.4563;
0.18390.30210.11120.3395;
-0.31820.04700.0850-0.0722;
-0.62660.08460.3751-0.6900;
-0.32240.1440-0.2873-0.0193;
-0.0232-0.09920.26360.2011;
-0.4502-0.29280.0062-0.5640;
-0.1975-0.13320.19810.0422;
0.05210.0673-0.5546-0.4830;
-0.6016-0.40970.0338-0.1503];

wi_1=wi;wi_2=wi;wi_3=wi;
wo=[-0.16200.36740.1959;
-0.0337-0.1563-0.1454;
0.08980.72390.7605;
0.33490.76830.4714;
0.02150.58960.7143;
-0.09140.46660.0771;
0.42700.24360.7026;
0.02150.44000.1121;
0.25660.24860.4857;
0.01980.49700.6450]';

wo_1=wo;wo_2=wo;wo_3=wo;
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;
oh=zeros(H,1);
I=oh;
error_2=0;
error_1=0;

ts=0.001;
fork=1:1:6000
time(k)=k*ts;
rin(k)=1;
a(k)=1.2*(1-0.8*exp(-0.1*k));
yout(k)=a(k)*y_1/(1+y_1^2)+u_1;
error(k)=rin(k)-yout(k);
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;
epid=[x(1);x(2);x(3)];
I=xi*wi';
forj=1:H
oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));
end
K=wo*oh;
forl=1:Out;
K(l)=exp(K(l))/(exp(K(l))+exp(-K(l)));
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);
ifu(k)>=10;
u(k)=10;
end
ifu(k)<=-10;
u(k)=-10;
end
dyu(k)=sign((yout(k)-y_1)/(u(k)-u_1+0.0000001));
forj=1:Out
dk(j)=2/(exp(K(j))+exp(-K(j)))^2;
end
forl=1:Out
delta3(l)=error(k)*dyu(k)*epid(l)*dk(l);
end
forl=1:Out
fori=1:H
d_wo=xite*delta3(l)*oh(i)+alfa*(wo_1-wo_2);
end
end
wo=wo_1+d_wo;
fori=1:H
dO(i)=4/(exp(I(i))+exp(-