最新遗传算法大作业_南航_智能控制.docxVIP

南京航空航天大学 研究生实验报告 实验名称：遗传算法PID控制器设计 姓名： 学号： 专业： 201年 月 日 一、 题目要求 考虑如下某水下航行器的水下直航运动非线性模型： (m ma)V k |v | v = u y = v 其中v.R为水下航行器的前进速度， u亡R为水下航行器的推进器推力, yWR为水下航行器的输出，航行器本体质量、附加质量以及非线性运动阻尼系 数分别为 m = 100,ma =15,k = 10。 作业具体要求： 1、 设计基丁遗传算法的模糊控制器、神经网络控制器或PID控制器(任选一)。 2、 分析采用遗传算法前后的控制效果。 3、 分析初始条件对寻优及对控制效果的影响。 4、 分析系统在遗传算法作用下的抗干扰能力(加噪声干扰、加参数不确定)、 抗非线性能力(加死区和饱和特性)、抗时滞的能力。 二、 基于遗传算法的PID控制器设计与仿真 遗传算法的水下航行器模型 采用遗传算法对PID控制器参数进行优化，其中水下航行器模型采用如下 函数实现，通过调用ode45()可以求解此非线性模型。 % function dy = UnderwaterVehicle(t, y, u) m = 100 ; ma = 15; k = 10 ; dy = (u - k * abs(y) * y )/(m + ma); % 最优指标的选取 为获得满意的过渡过程动态特性，采用误差绝对值积分性能指标作为参数选 择的最小目标函数。为防止控制能量过大，在目标函数中加入控制输入的平■方项。 选用下式作为参数选取的最优指标： N J = w』e(t) w2u (t) dt w3tut zQ 其中e(t)为系统误差，u(t)为控制器输出，，为上升时间,w1、w2和w3为 权值。 遗传算法中相关参数的设置 遗传算法中使用的样本个数为 30; PID控制器参数Kp的取值范围为[0,2000], Kd的取值范围为[0,100], Ki的取值范围为[0,500]; 交义概率和变异概率分别为 Pc=0.9和Pm=0.3; 取 w =0.999 , w2 =0.001, w3 =2.0; 设置进化40代。 相关代码的编写如下，详见文件夹的 m文件。 Size_of_Sample = 30; CodeL=3; % Range of Kp MinX(1)=0*ones(1); MaxX(1)=2000*ones(1); % Range of Kd MinX(2)=0*ones(1); MaxX(2)=100*ones(1); % Range of Ki MinX(3)=0*ones(1); MaxX(3)=500*ones(1); G=40; BsJ=0; Ji(i)=0.999*abs(error(i))+0.001*u(i)A2; B=B+Ji(i); 编码方式采用浮点编码，经过 40代进化，获得的优化参数如下：PID整定 结果为Kp=103.7688, Kd=6.8640, Ki=50.4850。其中，代价函数J的优化过程如 图1所示 12000 11000 10000 9000 8000 7000 6000 5000 4000 3000 0 5 10 15 20 25 30 35 40 Times 图1代价函数J的优化过程 同时，得到在整定后的PID参数下的阶跃相应如下图2所示：  三、初始条件对对控制效果的影响 考察遗传算法的初始条件对PID参数寻优和控制效果的影响。 设置Kp的取值范围为[0,1000], Kd的取值范围为[0,500], Ki的取值范 围为[0,10],仿真结果如下： 图3系统阶跃响应 保持变异概率Pm不变，设置交义概率Pc=0.95,仿真结果如下: 图4系统阶跃响应 保持交义概率Pc不变，设置变异概率Pm=0.2,优化求解及仿真结果 如下: 图5系统阶跃响应 由以上三组遗传算法优化对比可知，遗传算法的初始条件对控制效果具有重 要影响。通过多次寻优，参数取值范围可以根据上次求解最优值适当缩小， 进而 可以大大缩短寻优时间。交义和变异概率对寻优过程也有重要影响。 四、基于遗传算法的PID控制的性能分析 考察基丁遗传算法的PID控制的抗干扰、抗非线性和抗时滞能力。 (1)抗噪声和不确定性干扰的能力： 1.21u 0.80^ 0.60.4 1.2 1 u 0.8 0 ^ 0.6 0.4 0.2 参考信号 无不确定性- 有不确定性 10 Timer(s) 图7遗传算法PID控制的阶跃响应 从仿真结果可知，基丁遗传算法的 PID控制对量测噪声和模型参数不确定 的能力较好。 (2)抗死区和饱和非线性干扰的能力： 图8遗传算法PID控制的阶跃响应 图9遗传算法PID控制的阶跃响应 从仿真结果可知，基丁遗传算法