clear;
N=6;%預測長度
%NNI初始化
aa=0.1;%學習速率
x=[00]‘;%NNI輸入向量?辨識網絡
w1=0.1*ones（62）;
w2=ones（16）;
b1=ones（61）;
b2=ones（11）;
ts=0.01;%采樣時間間隔

%NNC初始化?控制網絡，不，采用是神經網絡PID控制器
lr=0.1;%學習速率
w_1=0.1*rand（8N）;
w_2=rand（38）;
b_1=ones（81）;
b_2=ones（31）;
Ki=0;
Kp=0;
Kd=0;
cr=0.01;%控制增量權重
xx=zeros（N1）;%NNC輸入向量

%NNI離線訓練
for?k=1:1000
????y（1）=0;
????yn（1）=0;
????u（k）=0.50*sin（3*2*pi*k*ts）;
????a（k）=1.2*（1-0.8*exp（-0.1*k））;
????y（k+1）=a（k）*y（k）/（1+y（k）^2）+u（k）;%被控對象輸出y
????x（1）=u（k）;
????x（2）=y（k）;
????a1=tansig（netsum（w1*xb1））;
????yn（k+1）=purelin（netsum（w2*a1b2））;%神經網絡輸出yn
????e（k+1）=y（k+1）-yn（k+1）;
????????if?k>10&abs（e（k+1））<=0.001?%當誤差小于0.001時，結束訓練
???????????break;
???????end
????dw2=aa*e（k+1）*a1‘;
????w2=w2+dw2;
????db2=aa*e（k+1）;
????for?j=1:6
????????df（j）=1-a1（j）^2;
????end
????for?i=1:6
????????for?j=1:2
????????????dw1（ij）=aa*e（k+1）*w2（i）*df（i）*x（j）;
????????end
????end
????for?i=1:6
????????db1（i1）=aa*e（k+1）*w2（i）*df（i）;
????end
????w1=w1+dw1;
????b1=b1+db1;
end

%預測輸出;
uu=zeros（21）;%NNI輸入向量


%yr=0.5*square（linspace（04*pi1000+N））;??%參考信號，方波?N是預測長度

yr=sin（linspace（05*pi1000+N））+cos（linspace（03*pi1000+N））;?%參考信號，正弦波?

%yr=2*sin（linspace（04*pi1000+N））;%設定值

for?k_2=1:1000
????time（k_2）=k_2*ts;
????uc（1）=0;
????yn_1（1）=0;%預測輸出設初值
????yr_1（1）=0;
????a_a（k_2）=1.2*（1-0.8*exp（-0.1*k_2））;
????yr_1（k_2+1）=a_a（k_2）*yr_1（k_2）/（1+yr_1（k_2）^2）+uc（k_2）;%被控對象輸出
????yn_1（k_2）=yr_1（k_2）;
????for?j=0:1:N-1
????????uu（1）=uc（k_2）;
????????uu（2）=yn_1（k_2+j）;
????????a2=tansig（netsum（w1*uub1））;
????????yn_1（k_2+j+1）=purelin（netsum（w2*a2b2））;%預測模型輸出
????????e_2（k_2+j+1）=yr（k_2+j+1）-yn_1（k_2+j+1）;
????????xx（j+1）=e_2（k_2+j+1）;
????end