bpnet.m

基于Matlab环境编写的一些神经网络PID控制和模糊PID控制源代码

clear all
clc
%BP网络学习的第一阶段（训练加权系数wki,wij）
%初始化
%%Ir为学习速率，err_goal为期望最小误差
Ir=0.05;
err_goal=0.01;
max_epoch=10000;
a=0.9;
X=[1 2;-1 1;1 3];
T=[1 1;1 1];
%%%max_epoch为训练的最大次数，a为惯性系数
oi=0;
ok=0;%置隐含层和输出层各神经元输出初值为0
%%%初始化wki，wij（M为输入节点j的数量，q为隐含层的节点数i，L为输出节点数k的数量）
[M,N]=size(X);
q=8;
[L,N]=size(T);%%N为训练集对数量
wij=rand(q,M);
wki=rand(L,q);
wij0=zeros(size(wij))
wki0=zeros(size(wki))
for epoch=1:1:max_epoch
%%%%计算隐含层各神经元输出
NETi=wij*X;
for j=1:1:N
    for i=1:1:q
        oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
    end
end
%%%%计算输出层各神经元输出
NETk=wki*oi;
for i=1:1:N
    for k=1:1:L
        ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
    end
end
%%%%%%%计算误差函数
E=((T-ok)'*(T-ok))/2;
if (E<err_goal)
    break;
end
%%%%%%%调整输出层加权系数
deltak=ok.*(1-ok).*(T-ok);
w=wki;
wki=wki+Ir*deltak*oi'+a*(wki-wki0);
wki0=w;
wki_1=wki*0.98
%%%%%调整隐含层加权系数
deltai=oi.*(1-oi).*(deltak'*wki)';
w=wij;
wij=wij+Ir*deltai*X'+a*(wij-wij0);
wij0=w;
wij_1=wij*0.92
end    
%%%%BP网络第二阶段（根据训练好的wki，wij和给定的输入计算输出）
X1=X;     %%%%%给定输入
%%%%%%%计算隐含层各神经元的输出
NETi=wij*X1;
for j=1:1:N
    for i=1:1:q
        oi(i,j)=2/(1+exp(-NETi(i,j)))-1;
    end
end
%%%%%%%计算输出层各神经元输出
NETk=wki*oi;
for i=1:1:N
    for k=1:1:L
        ok(k,i)=2/(1+exp(-NETk(k,i)))-1;
    end
end
ok        %%%%%%输出网络输出层输出