神經网络MATLAB程序.docVIP

  1. 1、本文档共20页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
神經网络MATLAB程序

模糊神经网络解耦MATLAB程序 例用隶属函数型神经网与模糊控制融合的解耦程序 具有耦合的两个相邻子系统的差分方程为 (7.122) 式中,随机噪声;为两个相邻子系统之间的耦合;采用隶属函数型神经网与模糊控制融合的解耦方法(DMFFCNN)方法实现解耦控制。 1) 开发的程序 p1=0.5; q1=0.5; p2=0.5; q2=0.5; p3=0.5; q3=0.5; p4=0.95; q4=0.5; p5=0.95; q5=0.5; p6=0.95; q6=0.5; p7=0.5; q7=0.5; p8=0.95; q8=0.5; p9=0.5; q9=0.5; p10=0.95; q10=0.5; p11=0.95; q11=0.5; p12=0.95; q12=0.5; p13=0.65; q13=0.05; %隶属函数型神经网的中心值、尺度因子和权向量初始化部分 a10=[-2 0 2]; a11=[-2 0 2]; a20=[-2 0 2]; a21=[-2 0 2]; b10=[1.5 1.5 1.5]; b11=[1.5 1.5 1.5]; b20=[1.5 1.5 1.5]; b21=[1.5 1.5 1.5]; v0=[-1 -0.5 -0.5;-0.5 0 0.5;0.5 0.5 1]; v1=[-1 -0.5 -0.5;-0.5 0 0.5;0.5 0.5 1]; %系统部分的初值 yp0=0; yp1=0; ep0=0; ep1=0; up0=1.05; up1=1.39; x1=0.12; x2=0.24; y0=0; y1=0; u1=0; e0=0; e1=0; sp=10; k=1; se=0.02; sd=0.02; su=0.0522; %开始 kp=0.284; ki=0.03; kd=0.626; %the second channel reference p12=0.5; q12=0.5; p22=0.5; q22=0.5; p32=0.5; q32=0.5; p42=0.95; q42=0.5; p52=0.95; q52=0.5; p62=0.95; q62=0.5; p72=0.5; q72=0.5; p82=0.95; q82=0.5; p92=0.5; q92=0.5; p102=0.95; q102=0.5; p112=0.95; q112=0.5; p122=0.95; q122=0.5; p132=0.65; q132=0.05; %系统部分的初值 yp02=0; yp12=0; ep02=0; ep12=0; up02=1.05; up12=1.39; x12=0.12; x22=0.24; y02=0; y12=0; u12=0; e02=0; e12=0; sp2=5; k=1; se2=0.02; sd2=0.02; su2=0.0522; kp2=0.284; ki2=0.03; kd2=0.626; %+++++++++++++++++++++++++++++++++++++++%子系统1(SUB1)的J循环开始 for J=1:50 ep1=10-yp1; pid=kp*(ep1-ep0)+ki*ep1; up2=up1+pid; yp2=0.5*yp1+2.5*up2+2.5*up1; %yp2=0.8333*yp1-0.1667*yp0+1.6667*up2+1.6667*up1; yp(:,J)=yp2; up0=up1; up1=up2; ep0=ep1; yp0=yp1; yp1=yp2; end time=[1:1:50]; n=0.28*rand(size(time)); %产生的SUB1随机噪声 n1=0.3*rand(size(time));%产生的SUB2随机噪声 while(k=50) %function deal with for(T=1:20) X1=x1*se; X2=x2*sd; if(X1=-2) X1=-2; elseif(X1=2) X1=2; end if(X2=-2) X2=-2; elseif(X2=2) X2=2; end %the hiddening layer output of FNN for i=1:3 for j=1:3 A=[(X1-a11(:,i))/b11(:,i)].^2; B=[(X2-a21(:

文档评论(0)

df9v4fzI + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档