BP控制ADRC

function [sys,x0,str,ts,simStateCompliance] =s_bppid(t,x,u,flag) switch flag, case 0, [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes; % case 1, % sys=mdlDerivatives(t,x,u); % case 2, % sys=mdlUpdate(t,x,u); case 3, sys=mdlOutputs(t,x,u); case 4, sys=mdlGetTimeOfNextVarHit(t,x,u);%计算下一个采样点的绝对时间 case 9, sys=mdlTerminate(t,x,u); case {1,2,9}, sys=[]; otherwise DAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag)); end function [sys,x0,str,ts,simStateCompliance]=mdlInitializeSizes sizes=simsizes;%用于设置模块参数的结构体用simsizes来生成 sizes.NumContStates=0;%sizes构架的NumContStates域存放数值 sizes.NumDiscStates=0;%模块离散状态变量的个数 sizes.NumOutputs=3;%模块输出变量的个数 sizes.NumInputs=11;%模块输入变量的个数 sizes.DirFeedthrough=1;%模块是否存在直接贯通（直接贯通我的理解是输入能直接控制输出） sizes.NumSampleTimes=1;%模块的采样时间个数，至少是一个 sys=simsizes(sizes);%设置完后赋给sys输出 x0=[]; % x0=[1,0.1,10];%系统状态变量设置x0=[];%状态变量设置为空，表示没有状态变量离散和连续的状态 变量我们都设它初值为0 str=[];%这个就不用说了，保留参数嘛，置[]就可以了，反正没什么用 ts=[0 0];%采样周期设为0表示是连续系统 simStateCompliance = 'UnknownSimState'; % function sys=mdlDerivatives(t,x,u) % sys = [x]; % function sys=mdlUpdate(t,x,u) % T=0.1; % % x=[u(5);x(2)+u(5)*T;(u(5)-u(4))/T];%e(k),e(k)求和,e(k)求微分 % %3个状态量（偏差、偏差和以及偏差变化量），u(5)是偏差，u(4)是上一次的偏差，x(2)则是之前的偏差和 % sys=[x(1);x(2);x(3)]; function sys=mdlOutputs(t,x,u) persistent xite alfa wi wi_1 wi_2 wi_3 wo wo_1 wo_2 wo_3 xite=0.2;%学习速率用来×偏导数 alfa=0.05;%惯性因子 % IN=3;H=5;OUT=3; T=0.1; % persistent wi wo wi_1 wi_2 wi_3 wo_1 wo_2 wo_3 Kp Ki Kd % persistent x u_1 u_2 u_3 u_4 u_5 y_1 y_2 y_3 % global wi;global wo;%隐含层加权系数wi定义**为全局变量；输出层加权系数wo % global wi_1;global wi_2;global wi_3;global wo_1;global wo_2;global wo_3; wi=rand(5,4);wo=rand(3,5); wi_1=wi;wi_2=wi;wi_3=wi; wo_1=wo;wo_2=wo;wo_3=wo; Oh=zeros(1,5);I=Oh;%隐含层的输入1x4x4x5 B1=[5545 40050 73];%输出层的输入3x5x5x1 dK=zeros(1,3);%输出层的激活函数求导 delta3=zeros(1,3); d_wo=zeros(3,5); segma=zeros(1,5); delta2=zeros(1,5); d_wi=zeros(5,4); dO=zeros(1,5);%隐含层求导 %%4-5-3 %%正向传播 xi=[u(1),u(2),u(3),1];%期望值、实际值、偏差1x4x4x5 % epid=[x(1);x(2);x(3)];%用于传给pid控制器的误差x=[u(5);x(2)+u(5)*T;(u(5)-u(4))/T] I=xi*wi';%隐含层的输入1x4x4x5 for j=1:1:5 %5g隐含层 Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));%隐含层的输出，激活函数Tanh end B1=wo*Oh'; %输出层的输入3x5x5x1 for i=1:1:3 %3层输出层B=K B(i)=exp(B1(i))/(exp(B1(i))+exp(-B1(i)));%输出层的输出（B1,B2,B3） end % B1=K(1);B2=K(2);B3=K(3); % sys=[B1,B2,B3]; % u_k=K*epid;%计算得到控制律u，1个值1*3*3*1 %以下是权值调整 %隐含层至输出层的权值调整 % dyu1=sign((u(11)-u(10))/(u(5)-u(4)+0.00000001)); %[(期望输出差分/控制输出差分+0.01）] % dyu2=sign((u(11)-u(10))/(u(7)-u(6)+0.00000001)); %[(期望输出差分/控制输出差分+0.01）] % dyu3=sign((u(11)-u(10))/(u(9)-u(8)+0.00000001)); %[(期望输出差分/控制输出差分+0.01）] dyu1=sign((u(4)-u(3))/(u(7)-u(6)+0.00000001)); %[(期望输出差分/控制输出差分+0.01）] dyu2=sign((u(4)-u(3))/(u(9)-u(8)+0.00000001)); %[(期望输出差分/控制输出差分+0.01）] dyu3=sign((u(4)-u(3))/(u(11)-u(10)+0.00000001)); %[(期望输出差分/控制输出差分+0.01）] dyu=[dyu1 dyu2 dyu3]; for j=1:1:3 dK(j)=2/(exp(B1(j))+exp(-B1(j)))^2; %输出层的激活函数求导，输出的一阶导3种 end % for i=1:1:3 % delta3(i)=u(5)*dyu*epid(i)*dK(i); %输出层的delta///u(5)=e ; u(5)1 dyu2 dK(i)3 epid3 % end for i=1:1:3 delta3(i)=u(1)*dyu(i)*dK(i); %1x3 输出层的delta///u(5)=e ; u(1)1 dyu2 dK(i)3 epid=u/o end delta3=[delta3(1) delta3(2) delta3(3)];%B123个参数对输出误差的影响 for j=1:1:3 for i=1:1:5 % d_wo=xite * delta3(j) * Oh(i) + alfa*(wo_1-wo_2);%3x5 xite学习速率 调整量Oh4 d_wo=xite * delta3(j) * Oh(i);%3x5 xite学习速率 调整量Oh4 end end wo=wo_1+d_wo+alfa*(wo_1-wo_2); %alfa惯性因子 矩阵形式 3x5 %以下是输入层至隐含层的权值调整 for i=1:1:5 dO(i)=4/(exp(I(i))+exp(-I(i)))^2; %隐含层求导 ；I隐含层输入 end segma=delta3*wo; %1x5=1x3x3x5 delta是3个东西的乘积segma=5个元的输出对输出的影响 % delta2(i)=dO.*segma; for i=1:1:5 delta2(i)=dO(i)*segma(i); %1*5 end % % a=[1 2 3 4];c=[1 2 3 4 5]; % for i=1:1:5 % for j=1:1:4 % % b_a=a(j)+c(i); % d_wi=xite*delta2(i)*xi(j)+alfa*(wi_1-wi_2);%xite学习速率 % end % end d_wi=xite*delta2'*xi; %5*1*1*4 wi=wi_1+d_wi+alfa*(wi_1-wi_2); wo_3=wo_2; wo_2=wo_1; wo_1=wo; %储存输出层本次调整后的权值 wi_3=wi_2; wi_2=wi_1; wi_1=wi; %储存隐层本次调整后的权值 sys=[B(1),B(2),B(3)]; %s函数4个输出对应为控制变量 function sys=mdlGetTimeOfNextVarHit(t,x,u)%这个函数主要用于变步长的设置 sampleTime = 0.1;%Example,set the next hit to be one second later. sys = t+sampleTime; function sys=mdlTerminate(t,x,u) sys = [];