第5章MATLAB控制系统仿真.ppt

第5章 MATLAB控制系统仿真 第5章 MATLAB控制系统仿真 1、时域响应 impulse(num,den); Impulse(A,B,C,D); [y,x,t]=impulse(num,den); Step(…) Lsim(num,den,u,t )；… 2、频域响应 Bode(num,den);[m,p,w]=bode(num,den) margin(num,den);[gm,pm,wg,wp]=margin(num,den) nyquist(num,den)及[re,im,w]=nyquist(num,den) 3 根轨迹图 rlocus(num,den);… [k,r]=rlocfind(num,den) 4离散系统仿真 [sysd]=c2d(sys,ts,’method’) Method:zoh,foh,tustin,matched，缺省zoh dstep(sysd,n);stair(s)(返回数据) Dbode(sysd,ts,w）作bode图 Tfdata(sys,’v’) 5.2 系统数学模型及转换 1数学模型 多项式，零极点，留数模型.conv,poly,residue 2模型转换 zpk,tf,ss Tf2zp;ts2ss;ss2zp;ss2tf;zp2ss ord2(wn,z) ； rmode(n,p,m) pade(T,n) 结构变换 series(sys1,sys2):parallel(): feedback() ；cloop() 不使用了. blkbuild,connenct() 块连接, 标准型 eig,jordan,canon(‘modal’’compaion’) Ctrb,obsv 5.3-4 控制系统分析设计 1、稳定性分析：特征根 2、时域性能分析 3、根轨迹分析，rlocus,rlocfind, 根轨迹分析工具rltools 4、PID校正 5、根轨迹校正 6、频率校正 综合举例—基于遗传算法的PID参数整定 PID 参数的选择：KP、KI、KD 遗传算法：并行随机最优化方法，属于进化计算：遗传算法(Genetic Algorithms，GA)、遗传规划（Genetic Programming）、进化策略(Evolution Strategies)和进化规划(Evolution Programming)四种，遗传算法区别：交叉。 特点：针对编码而不是参数本身 多点并行，适合大规模并行计算 启发式而非盲目穷举或完全随机、解析 相对最优而非绝对最优 步骤：编码与解码-将问题描述为一个序列 运算-复制、交叉、变异 评价—解码确定目标函数，评价优劣 循环重复 基于遗传算法的PID参数整定 问题：G(S)=400/(S^2+50S),采用PID控制，确定控制参数，使系统性能最优（稳态动态特性） 一、指标的量化（目标函数）： |e(t)|,u(t),tp（即：误差、超调、控制量、上升时间） 前两项可取积分，各项加权 二、编码，对需寻优的参数（个体）分解基因，并用一个序列来表示 可以用自然数、正整数、二进制编码 此处采用自然数编码：其中kp:0-20,ki,kd为0-1 利用随机数产生法生成 编码长度：30（种群、基因），例如： Kpid = 19.0026 0.0153 0.4966 4.6228 0.7468 0.8998 … …(共30组) 初始化，并进入循环（遗传） 对所有个体进行评价并计算： 一、仿真计算目标函数 根据当前种群编码，逐个计算目标函数，即评价选优基础 将连续系统传递函数转换为离散系统 将离散系统转换为差分方程 以1毫秒为周期，数字PID算法及差分方程计算，仿真100次（0.1秒），得到每一个个体对应系统的时域阶跃响应 根据误差、超调、上升时间等计算目标函数 如果是穷举法,精度取0.001，则20000*1000*1000次 二、遗传算法寻优 排序等处理，根据前面的仿真获得适应度（由目标函数获得，适应度越大，表明该个体越优秀，如此处取目标函数的倒数） 选择复制：即选种，采用轮盘赌法，选择较优的个体进入下一代（可配合直接选最优的即最佳保留法等配合），但不能全选最优（种群的多样性，避免局部解） 交叉：基因重组，使各种优良基因交换配合，如个体一的ki和个体二的ki参数交换，可用领接交换或其它交换法，交叉率 变异：使某个基因突变，如kd原来为0.52,产生新的随机数，可能变为0.63，变异率 到第一步，继续循环 根据退出条件（最大循环次数，或者连续多少代无进一步改