刘金琨RBF_随书仿真

Book4341_Controller.m

@@ -0,0 +1,88 @@
+function [sys,x0,str,ts] = Book4341_Controller(t,x,u,flag)
+% 以下程序是 基于RBF神经网络的直接鲁棒自适应控制
+switch flag
+  case 0
+    [sys,x0,str,ts]=mdlInitializeSizes;
+  case 1
+    sys=mdlDerivatives(t,x,u);
+  case {2,4,9}
+    sys=[];
+  case 3
+    sys=mdlOutputs(t,x,u);
+  otherwise
+    DAStudio.error('Simulink:blocks:unhandledFlag', num2str(flag));
+end
+
+function [sys,x0,str,ts]=mdlInitializeSizes   %系统的初始化
+sizes = simsizes;
+sizes.NumContStates  = 0;   %设置系统连续状态的变量
+sizes.NumDiscStates  = 0;   %设置系统离散状态的变量
+sizes.NumOutputs     = 1;   %设置系统输出的变量
+sizes.NumInputs      = 4;   %设置系统输入的变量
+sizes.DirFeedthrough = 1;   %如果在输出方程中显含输入变量u，则应该将本参数设置为1
+sizes.NumSampleTimes = 0;   % 模块采样周期的个数
+                            % 需要的样本时间，一般为1.
+                            % 猜测为如果为n，则下一时刻的状态需要知道前n个状态的系统状态
+sys = simsizes(sizes);
+x0  = [];                   % 系统初始状态变量
+str = [];                   % 保留变量，保持为空
+ts  = [];                   % 采样时间[t1 t2] t1为采样周期，如果取t1=-1则将继承输入信号的采样周期；参数t2为偏移量，一般取为0
+global W 
+% 神经网络采用5-9-1结构  IN = 5 MID = 9  OUT = 1
+% 初始权值
+W = [0 0 0 0 0 0 0 0 0]' ;  %MID * OUT矩阵  9*1
+
+    
+function sys = mdlOutputs(t,x,u)   %产生（传递）系统输出
+global W 
+% 神经网络采用5-9-1结构
+b = 20;  % 高斯函数的基宽  维度MID * 1  1*1   b的选择很重要 b越大 网路对输入的映射能力越大  
+c = [-2 -1.5  -1 -0.5 0 0.5 1 1.5 2;
+    -2 -1.5  -1 -0.5 0 0.5 1 1.5 2;
+    -2 -1.5  -1 -0.5 0 0.5 1 1.5 2;
+    -2 -1.5  -1 -0.5 0 0.5 1 1.5 2;
+    -2 -1.5  -1 -0.5 0 0.5 1 1.5 2];               % 高斯函数的中心点矢量 维度 IN * MID  5*9
+% 仿真中应根据网络输入值的有效映射范围来设计 c和b 从而保证有效的高斯映射  不合适的b或c均会导致结果不正确
+IN = 5;
+Mid = 9;
+Out = 1;
+
+lambda = 5;
+ita = 500 * eye(9);
+xite = 0.005;
+If = 0.25;
+
+e = -u(1);       % e = x - xd; 实际-期望
+de = -u(2);
+x_1 = u(3);
+x_2 = u(4);
+s = lambda * e + de;
+s_if = s/If;
+
+yd = sin(t);
+dyd = cos(t);
+ddyd = -sin(t);
+
+v = -ddyd + lambda * de;
+
+Input = [x_1; x_2; s; s_if ; v];
+h = zeros(Mid , 1);   %9*1矩阵
+for i =1:Mid
+    h(i) = exp(-(norm(Input - c(:,i))^2) / (2*b^2));
+end
+% 控制率ut
+belta = 150;
+ut = 1/belta * W' * h;
+sys(1) = ut;
+
+% W权值的更新
+dw = -ita * (h * s + xite * W); % 9*9 * (9*1  +  9*1)
+dt = 0.001;     % 仿真步长
+W = W + dw * dt;    % W的自适应律
+
+
+
+
+
+
+