⑴ 基於BP神經網路的PID，輸入參數的歸一化，問題求助
利用BP神經網路來整定PID，也許能實現。但是書本上的這個BP-PID理論書本是錯誤的。你仔細看看，它的輸出激活函數的值域是【0，1】，PID的參數不可能是只在這個范圍啊！可以說輸出沒有反歸一化（值域擴展）。至於輸入歸一化，可用不做，但是輸出在0和1之間，就是鬧笑話了
⑵ s函數-神經網路PID
我畢設是這個研究好幾天了
終於有點頭緒.雖然你是3年前發的我忍不住跟你分享一下.
估計還會有人需要。我找了整整幾天在網上找不到任何有用的資料
等過幾天答辯完了有新的理解會回來補充，就當造福後人了。
switch flag,
case 0
[sys,x0,str,ts]=mdlInitializeSizes(nh);
case 3
sys=mdlOutputs(t,x,u,nh,xite,alfa,KF1,KF2,wi,wo);
case { 1,2, 4, 9 }
sys=[];
otherwise
error(['Unhandled flag = ',num2str(flag)]);
end
flag是標志位.不同的flag取值代表函數進行不同的運算，這里flag=0進行初始化運算，=3進行sys輸出運算，其他的不運算。
function [sys,x0,str,ts] = mdlInitializeSizes(nh)
sizes = simsizes;
sizes.NumContStates = 0;
sizes.NumDiscStates = 0;
sizes.NumOutputs = 4+7*nh; % dynamically sized？
sizes.NumInputs = 14*nh+7; % dynamically sized？
sizes.DirFeedthrough = 1; % has direct feedthrough
sizes.NumSampleTimes = 1;
sys = simsizes(sizes);
str = [];
x0 = [];
ts = [-1 0];
這些是必要的參數設置，分別是連續參數為0，離散參數為0，輸出個數4+7*nh，輸入個數14*nh+7（不知道4和7是哪來的？分別是輸入參數和返回參數的數量），直接饋入（我也不知道是什麼）為1，取樣次數為1.設置完賦給sys輸出。
str是沒用的東西，x0是初始狀態為空矩陣，這里你打錯字了是ts=[T0]，ts是一個1X2的向量，ts（1）是采樣周期，ts（2）是偏移量。
wi_2=wi+reshape(u(8:7+4*nh),nh,4);
wo_2=wo+reshape(u(8+4*nh:7+7*nh),3,nh);
wi_1=wi+reshape(u(8+7*nh:7+11*nh),nh,4);
wo_1=wo+reshape(u(8+11*nh:7+14*nh),3,nh);
這個是學習網路的建立過程，具體我也不懂。
xx=[u(1)-u(2);u(1);u(1)+u(3)-2*u(2)];
這句是增量式PID控制演算法，應該是你說的PID部分，我也不太懂。
程序部分我就知道這些。
還有我好久才查到的，nh代表神經元個數，xite是學習速率,alfa慣性系數。
希望對再來看的人有幫助。