基于BP神经网络的PID控制
来源:互联网 发布:拍照软件带时间 编辑:程序博客网 时间:2024/05/23 11:58
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 layerfor 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);
0 0
- 基于BP神经网络的PID控制
- 基于模糊神经网络PID算法的液位串级控制
- 基于BP神经网络的字符识别研究
- 基于BP神经网络的数字识别
- 基于Matlab的BP神经网络编程过程
- 基于BP神经网络的数据分类
- 基于BP神经网络的数据分类
- 基于opencv的bp神经网络判别
- 基于BP算法的前馈神经网络
- 模糊神经网络PID控制的一个例子
- 神经网络PID控制
- 基于tensorflow的简单BP神经网络的结构搭建
- 基于MATLAB的BP神经网络的算法实现
- 基于tensorflow的简单BP神经网络的结构搭建
- 基于tensorflow的简单BP神经网络的结构搭建
- 一种基于BP神经网络的车牌字符识别方法
- 基于BP神经网络的字符识别研究(中文翻译)
- 基于Matlab的BP神经网络--源代码与工具箱实现
- Eclipse 5 种安装插件的方法
- 7. Reverse Integer
- 关于java的Cliass类
- LeetCode 50. Pow(x, n)
- shape使用正确姿势
- 基于BP神经网络的PID控制
- LintCode:最长无重复字符的子串
- GDB调试原理
- Linux 文件系统的目录结构
- (matlab)plot画图的颜色线型
- C# OOP之五 深入理解值类型和引用类型
- 正则表达式-面试
- 小易的升级之路-java
- HDU 1018 Big Number