Question

关于基于神经网络的PID液位控制用MATLAB怎么编程啊？求高手指点！！！！

我想问下大家，利用MATLAB分别对传统的PID控制和基于RBF神经网络的PID控制进行仿真，控制对象是液位，得到仿真效果图，程序该怎么编呀？因为是MATLAB新手，求高手指点！！！谢谢啦！！！

Answer 1

其实只需要PID参数能够顺利确定就行了，这里有个程序，你试试看
close all
clear all
clc
tic
%初始化
x=[0;0;0];
xiteP=0.4;
xiteI=0.3;
xiteD=0.4;
K=0.15;%很关键，越大，快速性越好，但超调量大，甚至不稳定。
wkp_1=rand;
wki_1=rand;
wkd_1=rand;
error_1=0;
error_2=0;
y_1=0;
y_2=0;
y_3=0;
u_1=0;
u_2=0;
u_3=0;
ts=0.001;%采样时间
for k=1:1000
time(k)=k*ts;
rin(k)=1.0*sign(sin(2*2*pi*k*ts)); %参考信号rin(k)=1.0*sgn(sin(4*pi*t))
yout(k)=0.368*y_1+0.26*y_2+0.1*u_1+0.632*u_2;%被控对象y（k）=0.368y(k-1)+0.26y(k-2)+0.1u(k-1)+0.632
error(k)=rin(k)-yout(k);
%偏差和控制量求取
x(1)=error(k)-error_1; %P
x(2)=error(k); %I
x(3)=error(k)-2*error_1+error_2; %D
wkp(k)=wkp_1+xiteP*error(k)*u_1*(2*error(k)-error_1);
wki(k)=wki_1+xiteI*error(k)*u_1*(2*error(k)-error_1);
wkd(k)=wkd_1+xiteD*error(k)*u_1*(2*error(k)-error_1);
wadd(k)=abs(wkp(k))+abs(wki(k))+abs(wkd(k));
w11(k)=wkp(k)/wadd(k);
w22(k)=wki(k)/wadd(k);
w33(k)=wkd(k)/wadd(k);
w=[w11(k),w22(k),w33(k)];
u(k)=u_1+0.15*w*x;
%输入限幅
if u(k)>10
u(k)=10;
end
if u(k)<-10
u(k)=-10;
end
%更新参数
error_2=error_1;
error_1=error(k);
u_3=u_2;
u_2=u_1;
u_1=u(k);
y_3=y_2;
y_2=y_1;
y_1=yout(k);
wkp_1=wkp(k);
wki_1=wki(k);
wkd_1=wkd(k);
end
figure
plot(time,rin,'b',time,yout,'r')
title('跟踪效果图');
xlabel('time(s)');
ylabel('rin,yout');
figure
subplot(2,1,1);
plot(time,error)
title('偏差曲线');
xlabel('time(s)');
ylabel('error');
hold on
subplot(2,1,2);
plot(time,u)
title('控制曲线');
xlabel('time(s)');
ylabel('u');
hold on
toc

Answer 2

.6 0.4;
0. 0.6 0.8;
0.6 0.4 0.6;
0.3 0.9 0.1;
0.4 0.2 0.8;
0.6 0.4 0.5;
0.5 0.1 0.6;
0.2 0.6 0.3;
0.08 0.8 0.2;
0.2 1 0.5;
0.3 0.3 0.6;
0.1 0.6 0.03;
0.5 0.7 0.3;
0.2 0.8 0.4;
0.03 0.4 0.3;
1 0.3 0.3;
0.1 0 0.3]';
T=[34,41,38,44,30,45,49,47,34,32,36,45,30,43,33,28,48,40];
net=newff(minmax(P),[3,5,1],,'traingdm');
net=init(net);
net.trainParam.epochs=10000;
net.trainParam.goal=0.03;
net=train(net,P,T);
A = sim(net,P);
E = T - A;
MSE=mse(E);
P_test=[0.3 0.7 0.2;
0.2 0.6 0;
0 0.4 0.6;
0.2 0.5 0.1;
0.3 0.6 0.1]';
out=sim(net,P_test)
这样试试，对是用什么学习函数，只有自己试了，没有成熟的理论。