帮我写一个有pid模糊控制和BP神经网络的的基于MATLAB的恒温控制系统并显示图像变化的代码

以下是一个基于MATLAB的恒温控制系统的代码，其中包含PID模糊控制和BP神经网络：

% 恒温控制系统
clear all;
close all;
clc;

% 设置初始参数
T = 30; % 目标温度
T0 = 20; % 初始温度
Kp = 10; % 比例系数
Ki = 0.1; % 积分系数
Kd = 1; % 微分系数
sim_time = 100; % 仿真时间
dt = 0.1; % 仿真时间步长

% 设置PID模糊控制器
pid_fuzzy = readfis('pid_fuzzy.fis');

% 设置BP神经网络
x = 0:dt:sim_time;
y = sin(x) + 0.2*randn(size(x)); % 模拟温度传感器的噪声
train_x = x(1:round(length(x)*0.8));
train_y = y(1:round(length(y)*0.8));
test_x = x(round(length(x)*0.8)+1:end);
test_y = y(round(length(y)*0.8)+1:end);
net = fitnet(10); % 设置10个神经元的BP神经网络
net.trainParam.epochs = 1000; % 设置训练次数
net = train(net, train_x, train_y); % 训练BP神经网络

% 运行恒温控制系统
T_now = T0;
err = 0;
err_sum = 0;
err_last = 0;
pid_out = 0;
T_hist = zeros(1, round(sim_time/dt));
for t=1:round(sim_time/dt)
    % 计算PID模糊控制器的输出
    err = T - T_now;
    err_sum = err_sum + err;
    err_rate = (err - err_last) / dt;
    pid_out = evalfis([err err_sum err_rate], pid_fuzzy);
    err_last = err;
    
    % 计算BP神经网络的输出
    net_out = net(x(t));
    
    % 计算控制信号并更新温度
    u = pid_out + net_out;
    T_now = T_now + (Kp*u + Ki*err_sum + Kd*err_rate)*dt;
    
    % 记录温度变化
    T_hist(t) = T_now;
end

% 显示温度变化图像
figure;
plot(x, y, 'b', x, T_hist, 'r');
legend('实际温度', '目标温度');
xlabel('时间');
ylabel('温度');
title('恒温控制系统');

其中，`pid_fuzzy.fis`是一个已经训练好的PID模糊控制器的模糊推理系统文件，可以使用Fuzzy Logic Toolbox来生成。在代码中，我们使用`readfis`函数来读取该文件并生成PID模糊控制器。

BP神经网络的训练使用了MATLAB自带的`fitnet`函数，可以设置神经元个数、训练次数等参数。在代码中，我们使用了80%的数据来训练BP神经网络，剩余的20%用于测试。

最后，我们使用`plot`函数将实际温度和目标温度的变化显示在同一张图中。