mirror of
https://github.com/ohmyjesus/RBF_NeuralNetwork.git
synced 2026-02-05 19:25:37 +08:00
49 lines
1.6 KiB
Matlab
49 lines
1.6 KiB
Matlab
function [sys,x0,str,ts] = Book4341_Plant(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 %初始化
|
||
[sys,x0,str,ts]=mdlInitializeSizes;
|
||
case 1 %连续状态计算
|
||
sys=mdlDerivatives(t,x,u);
|
||
case {2,4,9} %离散状态计算，下一步仿真时刻，终止仿真设定
|
||
sys=[];
|
||
case 3 %输出信号计算
|
||
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 = 2; %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 = 2; %设置系统输出的变量
|
||
sizes.NumInputs = 1; %设置系统输入的变量
|
||
sizes.DirFeedthrough = 0; %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 = [0.5 0]; % 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
|
||
|
||
|
||
function sys = mdlDerivatives(t,x,u) %该函数仅在连续系统中被调用，用于产生控制系统状态的导数
|
||
ut = u(1);
|
||
th = x(1); % 摆角
|
||
dth = x(2); % 摆速
|
||
dt = 100 * sin(t);
|
||
|
||
sys(1) = x(2);
|
||
sys(2) = -25 * dth + 133 * ut + dt;
|
||
|
||
|
||
function sys = mdlOutputs(t,x,u) %产生（传递）系统输出
|
||
sys(1) = x(1); %x1
|
||
sys(2) = x(2); %x2
|
||
|
||
|
||
|
||
|