基于CMAC神经网络的PID复合控制器matlab性能仿真

1.课题概述

2.系统仿真结果

3.核心程序

4.系统原理简介

1.课题概述

CMAC（Cerebellar Model Articulation Controller，小脑模型关节控制器）神经网络是一种模仿人类小脑运动控制机制的局部逼近神经网络，具有学习速度快、泛化能力强、实时性高的特点。将其与传统PID控制器结合形成的复合控制器，既能利用PID对线性系统的稳定控制能力，又能通过CMAC补偿系统非线性、参数时变或外部扰动带来的控制偏差，广泛应用于机器人、工业过程控制、运动控制等领域。

2.系统仿真结果

3.核心程序

matlab2024b

复制代码

% 调整时间
steady_state = sim_data.rin(end);
tolerance = 0.05 * steady_state;
stable_idx = find(abs(sim_data.yout - steady_state) <= tolerance, 1, 'first');
performance.settling_time = sim_data.time(stable_idx);

%% 6. 显示性能指标
fprintf('控制系统性能指标:\n');
fprintf('1. 稳态误差: %.6f\n', performance.steady_state_error);
fprintf('2. 均方误差(MSE): %.6f\n', performance.mse);
fprintf('3. 积分绝对误差(IAE): %.6f\n', performance.iae);
fprintf('4. 积分时间绝对误差(ITAE): %.6f\n', performance.itae);
fprintf('5. 超调量: %.2f%%\n', performance.overshoot);
fprintf('6. 上升时间: %.4f秒\n', performance.rise_time);
fprintf('7. 调整时间: %.4f秒\n', performance.settling_time);

%% 7. 结果可视化
% 图1: 参考输入与系统输出
figure('Name', '系统跟踪性能', 'Position', [100, 100, 1000, 600]);
plot(sim_data.time, sim_data.rin, 'b-', 'LineWidth', 1.5);
hold on; grid on;
plot(sim_data.time, sim_data.yout, 'r-', 'LineWidth', 1.5);
xlabel('时间 (s)', 'FontSize', 12);
ylabel('输出', 'FontSize', 12);
title('参考输入与系统输出对比', 'FontSize', 14);
legend('参考输入', '系统输出', 'Location', 'Best');
axis tight;

% 图2: 控制信号
figure('Name', '控制信号', 'Position', [100, 200, 1000, 800]);
subplot(3,1,1);
plot(sim_data.time, sim_data.un, 'k-', 'LineWidth', 1.2);
grid on;
ylabel('CMAC输出', 'FontSize', 11);
title('控制信号分解', 'FontSize', 14);

subplot(3,1,2);
plot(sim_data.time, sim_data.up, 'k-', 'LineWidth', 1.2);
grid on;
ylabel('PID输出', 'FontSize', 11);

subplot(3,1,3);
plot(sim_data.time, sim_data.u, 'r-', 'LineWidth', 1.2);
grid on;
xlabel('时间 (s)', 'FontSize', 12);
ylabel('总控制量', 'FontSize', 11);

% 图3: 误差分析
figure('Name', '误差分析', 'Position', [100, 300, 1000, 600]);
subplot(2,1,1);
plot(sim_data.time, sim_data.error, 'k-', 'LineWidth', 1.2);
grid on;
ylabel('控制误差', 'FontSize', 11);
title('误差分析', 'FontSize', 14);

subplot(2,1,2);
plot(sim_data.time, abs(sim_data.error), 'b-', 'LineWidth', 1.2);
grid on;
xlabel('时间 (s)', 'FontSize', 12);
ylabel('误差绝对值', 'FontSize', 11);

% 图4: 性能指标条形图
figure('Name', '性能指标', 'Position', [100, 400, 1000, 600]);
metrics1 = [performance.steady_state_error, performance.mse, ...
           performance.iae, performance.overshoot/100, ...
           performance.rise_time, performance.settling_time];

load R0.mat
metrics2 = metrics;


bar([metrics2;metrics1]');
grid on;
 
ylabel('指标值', 'FontSize', 12);
title('控制系统性能指标对比', 'FontSize', 14);
 
set(gca, 'XTickLabel', {'稳态误差', 'MSE', 'IAE', '超调量', '上升时间', '调整时间'});

legend('PID','CMAC-PID');
130