神经网络PID输出的PID参数为何被局限在0-1之间？

小小鲁班

%基于 BP 神经网络的 PID 控制
+ ?& G1 K$ f3 w5 ]; ?5 p7 Fclear all;
x1=0.3;a1=0.07;
S=1; %信号类型
, D1 W$ q- _/ Y, C% ~% A8 A  _In=4;h=5;Out=3; %神经网络结构
6 j5 a4 N7 z  T) x! ~. dif S==1, %阶跃信号
wi=[-0.6394 -0.2696 -0.3756 -0.7023;
' E2 \; r5 p. ?! D3 L! c& f-0.8603 -0.2013 -0.05024 -0.2596;
. Q: b9 w2 W- l7 K& b# ~-1.0749 0.5543 -1.6820 -0.5437;
-0.3625 -0.0724 -0.6463 -0.2859;
0.1425 0.0279 -0.5406 -0.7660];
%wi=0.50*rands(h,In);
wi1=wi;wi2=wi;wi3=wi;
1 |7 U0 I5 y' E' {" K2 vwo=[0.7576 0.2616 0.5820 -0.1416 -0.1325;
6 n9 H0 I. Y- ]& d6 K  n+ i-0.1146 0.2949 0.8352 0.2205 0.4508;
: f# ]* E! i' X  z$ B& P6 R, t0.7201 0.4566 0.7672 0.4962 0.3632];
%wo=0.50*rands(Out,h);
# F2 n3 _+ G3 q$ Awo1=wo;wo2=wo;wo3=wo;
end
if S==2 %正弦信号
0 O& `( l0 Y% h3 j- @3 \8 n- rwi=[-0.2846 0.2193 -0.5097 -1.0668;
, P. Z, O, H1 W  b% r# X& W$ B6 G-0.7484 -0.1210 -0.4708 0.0988;
, K/ V0 a6 m' R: ~& I7 b/ b0 Q* e-0.7176 0.8297 -1.6000 0.2049;
) p& \  V# ?5 w  R3 S3 b: D-0.0858 0.1925 -0.6346 0.0347;
0.4358 0.2369 -0.4564 -0.1324];
%wi=0.50*rands(h,In);
wi1=wi;wi2=wi;wi3=wi;
7 g% Z- p9 |8 T, m/ \# H" Q# P5 R6 hwo=[1.0438 0.5478 0.8682 0.1446 0.1537;
' F' a" e2 Z7 O) T& [- E/ B( }0.1716 0.5811 1.1214 0.5067 0.7370;
1.0063 0.7428 1.0534 0.7824 0.6494];
%wo=0.50*rands(Out,h);
$ [6 {) J6 a' b1 mwo1=wo;wo2=wo;wo3=wo;
end
, V8 f* y+ ^. xx=[0,0,0];
. P( ^' |! r9 R( tu1=0;u2=0;u3=0;u4=0;u5=0;
y1=0;y2=0;y3=0;
oh=zeros(h,1); %神经网络中间层输出
6 l& ~# y5 {# N+ H: iI=oh;%神经网络中间层输入
7 S6 N# T& g3 J' _- v0 Q0 m* d7 Merror1=0;
error2=0;
ts=0.003;
" z0 ]; F3 s0 Q' f2 ofor k=1:1:1000,
time(k)=k*ts;
if S==1,
! e0 B' x) q% R) y8 x& brin(k)=1.0;
elseif S==2,
. k. _2 m" X& r& G% [rin(k)=sin(1*2*pi*k*ts);
6 m) h1 k3 I1 b" k6 H- \- I9 d& p5 Gend
* T4 {. a2 ?& T%非线性模型
a(k)=1+0.15*sin(k*pi*ts/25);
y(k)=(a(k)*y1+u1)/(1+y1^2)+u1;
error(k)=rin(k)-y(k);
xi=[rin(k),y(k),error(k),1];
x(1)=error(k)-error1;
x(2)=error(k);
+ o3 `& G2 ^) B; X$ @x(3)=error(k)-2*error1+error2;
ed=[x(1);x(2);x(3)];
I=xi*wi';
$ K/ l! y0 `) p: q- w, H* {$ @1 A, u% vfor j=1:1:h
: N1 {- @/ _. m. O0 K/ Ooh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));
end
K=wo*oh; %输出层
for j=1:1:Out
K(j)=exp(K(j))/(exp(K(j))+exp(-K(j))); %求 kp,ti,td
! U" [" Q3 |1 H% u+ H5 B2 l( bend
# T# T. K" [6 r. t5 o! G2 B  gkp(k)=K(1);ti(k)=K(2);td(k)=K(3);
1 T9 C5 r" k6 a! S/ }8 }  q% _Kd=[kp(k),ti(k),td(k)];
/ L9 H% h  h8 rdu(k)=Kd*ed;
7 r4 @9 V) L) K, J! ~5 f( \u(k)=u1+du(k);
if u(k)>=10, %限制控制器输出
u(k)=10;
end
5 @- Z1 a* O' y6 l5 Sif u(k)<=-10,
! T# ?* {' p- j/ t+ v9 ju(k)=-10;
+ n9 a; ], a5 b$ {end
dyu(k)=sign((y(k)-y1)/(u(k)-u1+0.0000001));
; G( @; M: t' E; k0 c4 ]for j=1:1:Out,
dK(j)=2/(exp(K(j))+exp(-K(j)))^2;
end
for i=1:1:Out,
& s7 I) H, X" _: O( V. |de3(i)=error(k)*dyu(k)*ed(i)*dK(i);
3 f! ~% i& m* g/ m& n; x4 Kend
for j=1:1:Out,
' r4 N7 {" b1 \6 Ufor i=1:1:h,
6 D3 x# ?7 ]- V. Hdwo=x1*de3(j)*oh(i)+a1*(wo1-wo2);
5 E7 U2 f# N6 [end
end
6 \" i0 l4 c$ F! x1 ~wo=wo1+dwo+a1*(wo1-wo2);
# b" A) y  M* z, ~+ v%隐含层
# m5 Q$ W- [& I0 gfor i=1:1:h,
dO(i)=4/(exp(I(i))+exp(-I(i)))^2;
& E! {4 k$ p' i1 ?end
seg=de3*wo;
for i=1:1:h
) m2 W' T6 [# @, U8 ~5 E. ?de2(i)=dO(i)*seg(i);
end
$ E7 E( j; k) O$ V0 V+ Cdwi=x1*de2'*xi;
; @% Q; ^" g( H+ `$ Nwi=wi1+dwi+a1*(wi1-wi2);
%参数更新
% \" t: d; h" l* U7 z: B8 D+ i" g) A1 J/ Zu5=u4;u4=u3;u3=u2;u2=u1;u1=u(k);
  `, C, A) q6 F- G( ^y2=y1;y1=y(k);
& Y* U) b- A1 N% b- `; |: vwo3=wo2;wo2=wo1;wo1=wo;
wi3=wi2;wi2=wi1;wi1=wi;
8 g# l% Q5 d: {0 x. B! Eerror2=error1;
) k# U. X7 E- y+ L) G: [3 A) V& B7 Merror1=error(k);
end
: Q0 I, l, ~1 r2 xfigure(1);
plot(time,rin,'r',time,y,'c');
xlabel('时间(秒)');ylabel('输出跟踪输入的响应曲线');
: j. B& s6 t" T3 E6 Dfigure(2);
plot(time,u,'r');
xlabel('时间(秒)');ylabel('控制信号 u(k)的变化曲线');
/ ?; d% `4 V9 e& ]figure(3);
subplot(311);
plot(time,kp,'r');
6 j, p" {1 p0 Z: `! ~xlabel('时间(秒)');ylabel('参数 kp');
subplot(312);
plot(time,ti,'r');
5 M# a7 d& w0 `  K% A7 {xlabel('时间(秒)');ylabel('参数 ki');
8 y2 q' v$ B6 w6 }subplot(313);
3 R( e# p2 c$ b, x# Splot(time,td,'r');
xlabel('时间(秒)');ylabel('参数 kd');


目标值不能过大怎么解决
$ ?4 `' r$ D; d

nkkopd

帮你顶一下

kekek

这个可能跟输入样本关系较大

pTDbn25