%%クリア環境変数は
CLC
クリア
すべて閉じ
%%粒子初期
％2つの粒子群れアルゴリズムのパラメータ
C1 = 1.49445;
C2 = 1.49445;
％最大値と最小重み
WMAX = 0.9;
WMIN = 0.1;
％最大および最小速度
値Vmax = 0.03 ;
Vmin = -0.03;
％最大および最小の個々の
popmax = 0.3;
popmin = -0.3;
maxgen = 50;％進化数
sizepop = 20;％人口サイズ
％
i = 1の母集団をランダムに生成します：sizepop
pop（i、:) = 0.03 * rand（1,45）;％個々のコーディング
フィットネス（i）= fun（pop（i、：））;％染色体フィットネス
V（ i、：）= 0.003 * rands（1,45）;％初期化速度
終了
％％初期母集団の極値
％最良の染色体を見つける
[bestfitness bestindex] = min（fitness）;
zbest = pop（bestindex、：）;％global best
gbest = pop;％individual best
Fitnessgbest = Fitness;％individual best Best Fitness value
Fitnesszbest = bestfitness;％Global best Fitness value
％％
i = 1：maxgenの反復最適化 j = 1：sizepopの
i
w =（wmax-wmin）*（i-1）/（maxgen）+ wmin;％重み線形変化
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;％は少ない最大速度より
V（j、find（V（j、:) <Vmin））= Vmin;％が最小速度よりも大きい
％population update
pop（j、:) = pop（j、:) + 0.5 * V （j、:);
for k = 1：45
if rand> 0.95
pop（j、k）= 0.3 * rand;％適応突然変異
終了
終了
pop（j、find（pop（j、：）> popmax））= popmax ;％個人よりも小さい最大
pop（j、find（pop（j、:) <popmin））= popmin;％は個人の最小値よりも大きい
％フィットネス値
fitness（j）= fun（pop（j、:)）;
end
for j = 1：sizepop
％個々の極値の更新
if Fitness（j）<fitnessgbest（j）
gbest（j、:) = pop（j 、：）;
Fitnessgbest（j）= Fitness（j）;
終了
％
fitness（j）<fitnesszbest
zbest = pop（j、：）;
Fitnesszbest = Fitness（j）;
end
endの場合のグローバル極値更新
％最適なフィットネス値を記録します
yy（i）= Fitnesszbest;
終わり
％％最適な個別制御
figure（1）
plot（yy）
title（ '粒子群アルゴリズム進化プロセス'）;
xlabel（ '進化代数'）; ylabel（ 'フィットネス'）;
個人= zbest;
w11 = reshape（individual（1：6）、3,2）;
w12 = reshape（individual（7:12）、3,2）;
w13 = reshape（individual（13:18）、3,2）;
w21 =個人（19:27）;
w22 =個人（28:36）;
w23 =個人（37:45）;
rate1 = 0.006; rate2 = 0.001;％学習率
k = 0.3; K = 3;
y_1 = zeros（3,1）; y_2 = y_1; y_3 = y_2;％出力値
u_1 = zeros（3,1）; u_2 = u_1; u_3 = u_2;％制御率
h1i = zeros（3,1）; h1i_1 = h1i;％最初の制御量
h2i = zeros（3,1）; h2i_1 = h2i;％2番目の制御量
h3i = zeros（3 、1）; h3i_1 = h3i;％3番目の空室量
x1i = zeros（3,1）; x2i = x1i; x3i = x2i; x1i_1 = x1i; x2i_1 = x2i; x3i_1 = x3i;％隠れ層の出力
％重みの初期化
k0 = 0.03;
％値制限
ynmax = 1; ynmin = -1;％システム出力値制限
xpmax = 1; xpmin = -1;％Pノード出力制限
qimax = 1; qimin = -1;％Iノード出力制限
qdmax = 1; qdmin = -1;％Dノードの出力制限
uhmax = 1; uhmin = -1;％出力結果の制限
k = 1：1：200の場合
％--------------------------------ネットワークフォワード計算--------------- ------------
％システム出力
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）= 0.1 +（0.01 * sin（2 * pi * k / 100））;
r2（k） = 0.3 +（0.03 * sin（2 * pi * k / 100））;
r3（k）= 0.5 +（0.05 * sin（2 * pi * k / 100））;％制御ターゲット
％システム出力制限
yn = [ y1（k）、y2（k）、y3（k）];
yn（find（yn> ynmax））= ynmax;
yn（find（yn <ynmin））= ynmin;
％入力層出力
x1o = [r1（k ）; yn（1）]; x2o = [r2（k）; yn（2）]; x3o = [r3（k）; yn（3）];
％隠れ層
x1i = w11 * x1o;
x2i = w12 * x2o;
x3i = w13 * x3o;
％比例ニューロンP計算
xp =（x1i（1）、x2i（1）、x3i（1）];
xp（find（xp> xpmax））= xpmax;
xp（find（xp <xpmin））= xpmin;
qp = xp;
h1i（1）= qp（1）; h2i（1）= qp（2）; h3i（1）= qp（3）;
％積分ニューロンIの計算
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 <qimin））= qimin;
h1i（2）= qi（1）; h2i（2）= qi（ 2）; h3i（2）= qi（3）;
％微分ニューロンD計算
xd = [x1i（3）、x2i（3）、x3i（3）];
qd = [0 0 0];
xd_1 = [x1i_1（3）、x2i_1（3）、x3i_1（3）] ;
qd = xd-xd_1;
qd（find（qd> qdmax））= qdmax;
qd（find（qd <qdmin））= qdmin;
h1i（3）= qd（1）; h2i（3）= qd（2） ; h3i（3）= qd（3）;
％出力層の計算
wo = [w21; w22; w23]; qo
= [h1i '、h2i'、h3i ']; qo = qo';
uh = wo * qo;
uh（find（uh> uhmax））= uhmax;
uh（find（uh <uhmin））= uhmin;
u1（k）= uh（1）; u2（k）= uh（2）; u3（k）= uh（3）;％制御法
％---- ----------------------------------ネットワークフィードバックの修正------------- ---------
％計算エラー
エラー= [r1（k）-y1（k）; r2（k）-y2（k）; r3（k）-y3（k）];
エラー1（k） = error（1）; error2（k）= error（2）; error3（k）= error（3）;
J（k）= 0.5 *（error（1）^ 2 + error（2）^ 2 + error（ 3）^ 2）;％Resize
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）];
％非表示レイヤーと出力レイヤーの重み調整
％Adjust w21
Sig1 = sign（ypc ./（uhc（1）+0.00001））;
dw21 = sum（error。* Sig1）*
qo '; w21 = w21 + rate2 * dw21;
％Adjust w22
Sig2 = sign（ypc。 /(uh(2)+0.00001））;
dw22 = sum（error。* Sig2）*
qo '; w22 = w22 + rate2 * dw22;
％adjust w23
Sig3 = sign（ypc ./（uh（3）+0.00001） ）;
dw23 = sum（error。* Sig3）* qo '; w23
= w23 + rate2 * dw23;
％輸入層和隐輸入層評価值调整
delta2 = zeros（3,3）;
wshi = [w21; w22; w23];
t = 1：1：3の場合
delta2（1：3、t）= error（1：3）。* sign（ypc（1：3）./（uhc（t）+0.00000001））;
端
J = 1：1：3
SGN（J）=符号（（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）;
j = 1：1：3の
場合p = 1：1：3の場合
alter（j）= alter（j）+ delta2（p、：）* wshi2_1（：、j）; p = 1：1：3の
終了
終了 dws1（p、:) = alter（p）* s1（p、:) .; 終了 w11 = w11 + rate1 * dws1;
％调整w12
for j = 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）;
j = 1：1：3の
場合p = 1：1：3の場合
alter2（j）= alter2（j）+ delta2（p、:) * wshi2_2（：、j）; p = 1：1：3の
終了
終了 dws2（p、:) = alter2（p）* s2（p、:) .; 終了 w12 = w12 + rate1 * dws2; ％调整w13 for j = 1：1：3 sgn（j）= sign（（h3i（j）-h3i_1（j））/（x3i（j）-x3i_1（j）+0.0000001））; end s3 = sgn '* [r3（k）、y3（k）]; wshi2_3 = wshi（：、7：9）;
alter3 = zeros（3,1）;
dws3 = zeros（3,2）;
for j = 1：1：3
for p = 1：1：3
alter3（j）=（alter3（j）+ delta2（p、:) * wshi2_3（：、j））; p = 1：1：3の
終了
終了 dws3（p、:) = alter2（p）* s3（p、:) .; 終了 w13 = w13 + rate1 * dws3;
％参数更新
u_3 = u_2; u_2 = u_1; u_1 = uh;
y_2 = y_1; y_1 = yn;
h1i_1 = h1i; h2i_1 = h2i; h3i_1 = h3i;
x1i_1 = x1i; x2i_1 = x2i; x3i_1 = x3i;
終わり
time = 0.001 *（1：k）;
figure（2）
subplot（3,1,1）
plot（time、r1、 'r-'、time、y1、 'b-'）;
title（ 'PIDニューロンネットワーク制御'）;
ylabel（'制御量1 '）;
legend（'制御ターゲット '、'実際の出力 '、' fontsize '、12）;
subplot（3,1,2）
plot（time、r2、' r- '、 time、y2、 'b-'）;
ylabel（ '制御量2'）;
legend（ '制御ターゲット'、 '実際の出力'、 'fontsize'、12）;
axis（[0,0.2,0、1]）
subplot（3,1,3）
plot（time、r3、 'r-'、time、y3、 'b-'）;
xlabel（ 'time / s'）;
ylabel（ '制御量3'）;
legend（ 'コントロールターゲット '、'実際の出力 '、' fontsize '、12）;
figure（3）
plot（time、u1、 'r-'、time、u2、 'g-'、time、u3、 'b'）;
title（ 'PIDニューラルネットワークからオブジェクトに提供される制御入力'）;
xlabel（ 'Time'）、ylabel（ 'Control Law'）;
legend（ 'u1'、 'u2'、 'u3'）; grid
figure（4）
plot（time、J、 'r-'）;
axis（[0,0.1,0,0.5]）; grid
title（ 'ネットワーク学習目的関数J動的曲線'）;
xlabel（ '時間'）; ylabel（ '制御エラー'）;
％Webブラウザhttp://www.ilovematlab.cn/thread-62563-1-1.html