资源描述：
《基于PID神经网络的非线性系统辨识》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、基于PID神经网络的非线性系统辨识%m355z.m非线性系统辨识:仿真系统y(k)=5*y(k-1)/(2.5+y(k-1)A2)+u(k-1)A3;%适用于在线辨识%x/q:隐层节点第k点的状态向量/输岀向量%xOO/qOO:隐层节点第k-1点的状态向：ft/输出向量clearall;closeall;%・・・•初始设置；K=600;x3=0;q2=0;x00=zeros(3,1);q00=zeros(3,1);q=zeros(3,1);lww=zeros(K,1);iww=zeros(K,1);iw=rand(3,2)/20;%随机设输入层至隐层的
2、权系值lw=rand(1,3)/20;%随机设隐层至输岀层的权系值u=zeros(K,1);y=u;yi=u;e=u;E=u;dw=zeros(3,2);a1=0.15;%训练步长a2=0.08;%•…系统的输入u(k)、输出y(k)fork=2:Ku(k-1)=0.6*sin(2*pi*(k-1)/30)-0.4*sin(2*pj*(k-1)/60);y(k)=5*y(k-1)/(2.5+y(k-1)A2)+u(k-1)A3;%PIDNN由输入u(k-1)、y(k-1)至隐层输出guy=[u(k-1);y(k-1)];%PIDNN输入x=iw*uy;
3、%隐层节点状态向量%•…比例q(1)=satlins(x(1));%•…积分q(2)=q2+x(2);if(q(2)<-1),q(2)=-1；elseif(q(2)>=1),q(2)=1;endq纭q⑵；%-…微分q(3)=x(3)-x3；if(q(3)<-1),q(3)=-1;elseifq(3)>=1,q(3)=1;endx3=x(3);%•・・•隐层输出q至PIDNN输出yiy1=lw*q;%输出节点为线性Y'(k)=y1；%…-调整lwe(k)=y(k)-yi(k);E(k)=e(k)A2/2;Iw=lw+a2*e(k)*q';lww(k)=l
4、w(1,1);%・・・•调整iwh=sign((q-qOO)./(x-xOO));dw(1,:)=a1*e(k)*q(1)*h(1)*uy';dw(2,:)=a1*e(k)*q(2)*h(2)*uy';dw(3,:)=a1*e(k)*q(3)*h(3)*uy*;iw=iw+dw;iww(k)=iw(1,1);qOO=q;xOO=x;endfigure⑴；subplot(221),plot(u,'b');ylabel('输入if);subplot(223),plot(y,'b');holdon;plot(yi,'r');ylabelfM统输出y辨识器输出
5、yi');xlabelfk');subplot(222),plot(E,,r,);ylabel('目标函数E');subplot(224),plot(iww,'b');holdon;plot(lww,丫')；ylabel(W);xlabel(k);title。部分估计参数调整过程')w1=iwqw2=lw图片:2烧MHMMn5o1oiIilli.A200400600
