基于RBF网络逼近的自适应控制

一个基于RBF网络逼近的自适应控制范例，内含代码，simulink模型，结果可以私聊我

function [sysx0strts] = spacemodel（txuflag）
switch flag
case 0
    [sysx0strts]=mdlInitializeSizes;
case 1
    sys=mdlDerivatives（txu）;
case 3
    sys=mdlOutputs（txu）;
case {249}
    sys=[];
otherwise
    error（[‘Unhandled flag = ‘num2str（flag）]）;
end
function [sysx0strts]=mdlInitializeSizes
global b c lama
sizes = simsizes;
sizes.NumContStates  = 5;
sizes.NumDiscStates  = 0;
sizes.NumOutputs     = 2;
sizes.NumInputs      = 4;
sizes.DirFeedthrough = 1;
sizes.NumSampleTimes = 1;
sys = simsizes（sizes）;
x0  = 0.1*ones（15）;
str = [];
ts  = [0 0];
c=0.5*[-2 -1 0 1 2;
       -2 -1 0 1 2];
b=3.0;
lama=10;
function sys=mdlDerivatives（txu）
global b c lama
xd=sin（t）;
dxd=cos（t）;

x1=u（2）;
x2=u（3）;
e=x1-xd;
de=x2-dxd;
s=lama*e+de;

W=[x（1） x（2） x（3） x（4） x（5）]‘;
xi=[x1;x2];

h=zeros（51）;
for j=1:1:5
    h（j）=exp（-norm（xi-c（:j））^2/（2*b^2））;
end

gama=1500;
for i=1:1:5
    sys（i）=gama*s*h（i）;
end

function sys=mdlOutputs（txu）
global b c lama
xd=sin（t）;
dxd=cos（t）;
ddxd=-sin（t）;

x1=u（2）;
x2=u（3）;
e=x1-xd;
de=x2-dxd;
s=lama*e+de;

W=[x（1） x（2） x（3） x（4） x（5）];
xi=[x1;x2];

h=zeros（51）;c
for j=1:1:5
    h（j）=exp（-norm（xi-c（:j））^2/（2*b^2））;
end
fn=W*h;
xite=1.50;

%fn=10*x1+x2;  %Precise f
ut=-lama*de+ddxd-fn-xite*sign（s）;

sys（1）=ut;
sys（2）=fn;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1361  2011-10-12 10:48  基于RBF网络逼近的自适应控制\rbf_ctrl.m

     文件        841  2011-10-12 10:48  基于RBF网络逼近的自适应控制\rbf_ctrl_plant.m

     文件        309  2011-10-12 10:48  基于RBF网络逼近的自适应控制\rbf_ctrl_plot.m

     文件      20599  2011-10-12 10:48  基于RBF网络逼近的自适应控制\rbf_ctrl_sim.mdl

     目录          0  2018-06-25 15:04  基于RBF网络逼近的自适应控制

----------- ---------  ---------- -----  ----

                23110                    5