基于BP神经网络的PID控制
2016-04-26 21:15
232 查看
在经典增量PID的算法中需要调试的参数为kp,ki,kd。通过BP神经网络调节这三个参数,以x(i)为输入层,中间层为simoid函数:
f(x) = tanh(x)=(exp(x)-exp(-x))/(exp(x)+exp(-x)).并且通过梯度下降法修改参数
关键代码:
%Output layer
for j=1:1:Out
dK(j)=2/(exp(K(j))+exp(-K(j)))^2;
end
for l=1:1:Out
delta3(l)=error(k)*dyu(k)*epid(l)*dK(l);
end
for l=1:1:Out
for i=1:1:H
d_wo=xite*delta3(l)*Oh(i)+alfa*(wo_1-wo_2);
end
end
wo=wo_1+d_wo+alfa*(wo_1-wo_2);
%Hidden layer
for i=1:1:H
dO(i)=4/(exp(I(i))+exp(-I(i)))^2;
end
segma=delta3*wo;
for i=1:1:H
delta2(i)=dO(i)*segma(i);
end
d_wi=xite*delta2'*xi;
wi=wi_1+d_wi+alfa*(wi_1-wi_2);
f(x) = tanh(x)=(exp(x)-exp(-x))/(exp(x)+exp(-x)).并且通过梯度下降法修改参数
关键代码:
%Output layer
for j=1:1:Out
dK(j)=2/(exp(K(j))+exp(-K(j)))^2;
end
for l=1:1:Out
delta3(l)=error(k)*dyu(k)*epid(l)*dK(l);
end
for l=1:1:Out
for i=1:1:H
d_wo=xite*delta3(l)*Oh(i)+alfa*(wo_1-wo_2);
end
end
wo=wo_1+d_wo+alfa*(wo_1-wo_2);
%Hidden layer
for i=1:1:H
dO(i)=4/(exp(I(i))+exp(-I(i)))^2;
end
segma=delta3*wo;
for i=1:1:H
delta2(i)=dO(i)*segma(i);
end
d_wi=xite*delta2'*xi;
wi=wi_1+d_wi+alfa*(wi_1-wi_2);
相关文章推荐
- Http Header里的Content-Type
- 【neutron】mitaka版本openstack网络之linux bridge
- 网络通信PDU和SDU的区别
- SpringMVC之HiddenHttpMethodFilter 过滤器
- QT基础(八)----TCP通信 & UDP通信
- 网络通信 --> Linux 五种IO模型
- 网络通信 --> 同步、异步、阻塞与非阻塞介绍
- 网络通信 --> Socket、TCP/IP、HTTP、FTP及网络编程
- HTTP协议
- HttpUtils实现断点下载APP并实现弹出安装窗口
- DNS解析过程
- 能模仿韩寒小四写作的神奇循环神经网络
- 理解TCP为什么需要进行三次握手(白话)
- TCP协议三次握手过程分析
- TCP协议中的三次握手和四次挥手(图解)
- openwrt之uhttpd
- (61)从零开始学习Nodejs[3]——Node TCP服务器&telnet,多客户端消息传递改进
- 理解神经网络
- 【linux网络】ip_rcv()函数
- 鸢尾花分类——神经网络详解