基于粒子群优化的神经网络PID控制(Matlab)代码实现

 欢迎关注

个人主页：我爱Matlab

点赞➕评论➕收藏 == 养成习惯（一键三连）

希望大家多多支持~一起加油

语录：将来的我一定会感谢现在奋斗的自己！

摘要

传统比例-积分-微分（Proportion Integral Derivative,PID）控制器存在参数整定困难，不能在线实时调整以及面对复杂非线性系统时应用效果不佳等问题，提出一种基于粒子群算法（Particle Swarm Optimization,PSO）优化的反向传播（Back Propagation,BP）神经网络PID控制方法。将BP神经网络与PID控制器相结合，利用BP神经网络的自适应学习能力在线实时调整PID控制参数，提升系统稳定性，针对BP-PID自学习过程中容易陷入局部极小值问题，利用改进的PSO算法对其进行优化，确保BP-PID系统收敛于全局最优解。基于仿真数据开展实验，结果表明，所提方法能够有效提升系统的控制精度和控制稳定度。 

✨⚡运行结果⚡✨

​

 

 

 

 

♨️‍Matlab代码‍♨️

clear all;
close all;

xite=0.50;
alfa=0.05; 
IN=4; H=5; Out=3;

ts=0.01;

% wi=0.50*rands(H,IN);
% wo=0.50*rands(Out,H);

%结合粒子群数值优化算法的神经网络权重初始化矩阵
wi=[
   -4.7730    5.0000    4.8238   -4.7085
    4.9337    4.8659   -4.9651   -4.8618
    4.9470    4.9485   -4.6965    4.8327
    5.0000    4.9508    4.5696    4.9154
    4.6047   -4.7804    5.0000   -4.7332
   ];
wo=[
    4.9438   -4.6610    4.9293    4.7416   -4.9323
    5.0000    4.9414    4.0693   -4.7460    5.0000
   -4.9147    4.8119    4.9292    4.9434    4.9398
   ];

%[wi , wo]=SPO_InitW();
wi_init_save=wi;   wo_init_save=wo;   
wo_1=wo;  wo_2=wo; 
wi_1=wi;  wi_2=wi;
 
%M=[10,1,10];
%激活函数系数
M=[9.9,9.8,9.4];

x=[0,0,0];
du_1=0;
u_1=0; u_2=0; u_3=0; u_4=0; u_5=0;u_6=0;u_7=0;
y_1=0; y_2=0; y_3=0; 
error_1=0; error_2=0;
  
Oh=zeros(H,1);
I=Oh;

  
sys=tf(400,[1,50,0]);
dsys=c2d(sys,ts,'z');
[num,den]=tfdata(dsys,'v');

for k=1:1:200 
    time(k)=k*ts;
    rin(k)=1.0; 
    yout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2;
    error(k)=rin(k)-yout(k);
    X(1)=error(k)-error_1;
    X(2)=error(k);
    X(3)=error(k)-2*error_1+error_2;
    xii=[X(1),X(2),X(3),1];
    xi=xii/norm(xii);
    epid=[X(1);X(2);X(3)];

    %%%前向传播----------------------------------------
    
    net2=xi*(wi');
     
    for j=1:1:H
        Oh(j)=( exp( net2(j)-exp(-net2(j)) ) )/(exp( net2(j)+exp(-net2(j)) ));
    end

参考文献

[1]曾雄飞.基于粒子群算法优化BP神经网络的PID控制算法[J].电子设计工程,2022,30(11):69-73+78.DOI:10.14022/j.issn1674-6236.2022.11.015.