您现在的位置:首页 >> 机器学习 >> 内容

m基于改进PSO粒子群优化的RBF神经网络解耦控制算法matlab仿真

时间:2022/12/16 22:52:11 点击:

  核心提示:05_005_m,包括程序操作录像...

1.完整项目描述和程序获取

>面包多安全交易平台:https://mbd.pub/o/bread/Y52XmZ1v

>如果链接失效,可以直接打开本站店铺搜索相关店铺:

点击店铺

>如果链接失效,程序调试报错或者项目合作可以加微信或者QQ联系。

2.部分仿真图预览



3.算法概述


4.部分源码

if sel == 1

   %输入的CR和h

   %分别仅输入CR和h,使其达到解耦的结果

   [yy,Zbest] = func_train_onlineHPSO(iteration,Sizes,CR,h);

   figure(1)

   plot(yy,'LineWidth',2);grid on;

   xlabel('进化代数');

   ylabel('适应度');

   individual=Zbest;

   save trainHPSO.mat Zbest yy

else

   load trainHPSO.mat

   figure(1)

   plot(yy,'LineWidth',2);grid on;

   xlabel('进化代数');

   ylabel('适应度');

   individual=Zbest; 

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%以下为RBF%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

w11=reshape(individual(1:6),3,2);

w12=reshape(individual(7:12),3,2);

w13=reshape(individual(13:18),3,2);

w21=individual(19:27);

w22=individual(28:36);

w23=individual(37:45);

rate1=0.006;rate2=0.001; %学习率

k=0.3;K=3;

y_1=zeros(3,1);y_2=y_1;y_3=y_2;   %输出值

u_1=zeros(3,1);u_2=u_1;u_3=u_2;   %控制率

h1i=zeros(3,1);h1i_1=h1i;  %第一个控制量

h2i=zeros(3,1);h2i_1=h2i;  %第二个控制量

h3i=zeros(3,1);h3i_1=h3i;  %第三个空置量

x1i=zeros(3,1);x2i=x1i;x3i=x2i;x1i_1=x1i;x2i_1=x2i;x3i_1=x3i;   %隐含层输出 

%权值初始化

k0=0.03;

%值限定

ynmax=1;ynmin=-1;  %系统输出值限定

xpmax=1;xpmin=-1;  %P节点输出限定

qimax=1;qimin=-1;  %I节点输出限定

qdmax=1;qdmin=-1;  %D节点输出限定

uhmax=1;uhmin=-1;  %输出结果限定

for k=1:1:6000

    k

    %系统输出

    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) = (0.4*y_1(2)+u_1(2)/(1+u_1(2)^2)+0.2*u_1(2)^3+0.5*u_1(1))+0.3*y_1(1);

    y3(k) = 0;

    %控制目标

    if selt == 1%加扰测试

        r1(k)  = CR + 0.005*sin(2*pi*k/200);

        r2(k)  = h  + 0.015*sin(2*pi*k/200);

        r3(k)  = 0; 

        r1s(k) = CR;

        r2s(k) = h;

        r3s(k) = 0;         

    else        %跟踪测试

        r1(k)  = sign(0.001*sin(2*pi*k/2000));

        r2(k)  = sign(0.003*sin(2*pi*k/2000));

        r3(k)  = 0;      

        r1s(k) = CR;

        r2s(k) = h;

        r3s(k) = 0;    

    end

    

    

    %系统输出限制

    yn=[y1(k),y2(k),y3(k)];

    yn(find(yn>ynmax))=ynmax;

    yn(find(yn<ynmin))=ynmin

    %输入层输出

    x1o=[r1(k);yn(1)];

    x2o=[r2(k);yn(2)];

    x3o=[r3(k);yn(3)];

    %隐含层 

    x1i=w11*x1o;

    x2i=w12*x2o;

    x3i=w13*x3o;

    %比例神经元P计算

    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);

    %积分神经元I计算

    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);

    %微分神经元D计算

    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);

    %输出层计算

    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);  

    %计算误差

    error=[r1(k)-y1(k);r2(k)-y2(k);0];  

    error1(k)=error(1);error2(k)=error(2);error3(k)=0;

    J(k)=0.5*(error(1)^2+error(2)^2);   %调整大小

    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)];

    %隐含层和输出层权值调整

    %调整w21

    Sig1=sign(ypc./(uhc(1)+0.00001));

    dw21=sum(error.*Sig1)*qo';  

    w21=w21+rate2*dw21;

    %调整w22

    Sig2=sign(ypc./(uh(2)+0.00001));

    dw22=sum(error.*Sig2)*qo';

    w22=w22+rate2*dw22;

    %调整w23

    Sig3=sign(ypc./(uh(3)+0.00001));

    dw23=sum(error.*Sig3)*qo';

    w23=w23+rate2*dw23;

    %输入层和隐含层权值调整

    delta2=zeros(3,3);

    wshi=[w21;w22;w23];

    for t=1:1:3

        delta2(1:3,t)=error(1:3).*sign(ypc(1:3)./(uhc(t)+0.00000001));

    end

    for j=1:1:3

        sgn(j)=sign((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);

     for j=1:1:3

         for p=1:1:3

             alter(j)=alter(j)+delta2(p,:)*wshi2_1(:,j);

         end

     end

     for p=1:1:3

         dws1(p,:)=alter(p)*s1(p,:);

     end

     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);

    for j=1:1:3

        for p=1:1:3

            alter2(j)=alter2(j)+delta2(p,:)*wshi2_2(:,j);

        end

    end

    for p=1:1:3

        dws2(p,:)=alter2(p)*s2(p,:);

    end

    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));

        end

    end

    for p=1:1:3

        dws3(p,:)=alter2(p)*s3(p,:);

    end

    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;

    ErrCr(k) = y1(k) - r1s(k);

    Errh(k)  = y2(k) - r2s(k);

end

05_005_m

作者:我爱C编程 来源:我爱C编程
本站最新成功开发工程项目案例
相关文章
相关评论
发表我的评论
  • 大名:
  • 内容:
本类固顶
  • 没有
  • FPGA/MATLAB商业/科研类项目合作(www.store718.com) © 2025 版权所有 All Rights Reserved.
  • Email:1480526168@qq.com 站长QQ: 1480526168