智能控制作業(yè)報告-基于遺傳算法的模糊控制器最優(yōu)設(shè)計

1、精選優(yōu)質(zhì)文檔-傾情為你奉上精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)專心-專注-專業(yè)精選優(yōu)質(zhì)文檔-傾情為你奉上專心-專注-專業(yè)西安理工大學(xué)研究生課程論文/研究報告課程名稱： 智能控制 任課教師： 論文/研究報告題目： 基于遺傳算法的模糊控制器最優(yōu)設(shè)計 完成日期： 2016 年 8 月 27 日學(xué) 科： 電力電子與電力傳動 學(xué) 號： 姓 名： 1.基于遺傳算法的模糊控制MATLAB程序：clear allclose allclcT=0.1; %控制系統(tǒng)采樣時間TM=200; %控制系統(tǒng)運行次數(shù)time=zeros(1,TM);kp=0.2;ki=0.002;kd=20;tr=0; %定義初始種群

2、參數(shù)N=10; %初始種群數(shù)目M=3; %遺傳代數(shù)varb=3; %語言值個數(shù)yout1=zeros(N,TM);yout=zeros(M,TM);fitness=zeros(1,N); %產(chǎn)生初始種群n=varb2;n1=varb2+varb*2; %每條染色體的長度mfpara1=randint(N,n,1,varb); %控制規(guī)則表mfpara2=-1*rand(N,varb); %mfpara2(1),mfpara2(2),mfpara2(3)分別為an，bn，cnmfpara3=rand(N,varb); %mfpara3(1),mfpara3(2),mfpara3(3)分別為ap，

3、bp，cpinit=mfpara1,mfpara2,mfpara3; %離散化被控對象num=1;den=conv(conv(1,0.1,1,0.2),1,0.7);g=tf(num,den);yn=c2d(g,T,zoh);tt,ff=tfdata(yn,v); %開始循環(huán)p=1 while p=M %循環(huán)代數(shù)從1到3 q=1 while q=N %染色體數(shù)從1到10 y=zeros(1,TM); u=zeros(1,TM); er=zeros(1,TM); yr=zeros(1,TM); e1=0;e2=0;E1=0; y1=0;y2=0;y3=0; u1=0;u2=0;u3=0; e=z

4、eros(1,TM); E=zeros(1,TM); for k=1:TM %運行系統(tǒng) yr(k)=1; y(k)=-ff(2)*y1-ff(3)*y2-ff(4)*y3+tt(2)*u1+tt(3)*u2+tt(4)*u3; y3=y2;y2=y1;y1=y(k); u3=u2;u2=u1; e(k)=yr(k)-y(k); er(k)=(e(k)-e1)/T; detae=fu_zzy(init(q,:),e(k),er(k),varb); %調(diào)用模糊控制規(guī)則程序 E(k)=e(k)+detae; u(k)=kp*E(k)+ki*sum(E)+kd*(E(k)-E1); E1=E(k);

5、u1=u(k); e2=e1;e1=e(k); end for k=1:TM if abs(y(k)-1)=0.1 tr=k*T; %上升時間tr break end end ymax=0; for k=1:TM if ymax2)|(overshoot1)|(accer50) fitness2=0; else tr1=tr*50; overshoot1=overshoot*100; accer1=accer*2; index=tr1,abs(overshoot1),accer1; fitness1=(0.6*index(1)+1.2*index(2)+1.2*index(3)/3; fitn

6、ess2=100-fitness1; end fitness(q)=fitness2; y; yout1(q,:)=y; q=q+1 end %一代種群運行完畢 fitness maxfit1,h=max(fitness); maxfit(p)=maxfit1 %每代的最大適配值存入maxfit yout(p,:)=yout1(h,:); %每一代當適配值最大時，系統(tǒng)的階躍響應(yīng)輸出 init=gene_tic(init,fitness,p,N,varb,n,n1); %調(diào)用遺傳算法優(yōu)化，得到新的種群 p=p+1end %運行3代后結(jié)束 for k=1:TM time(k)=k*T;end pl

7、ot(time,yout(1,:),r-,time,yout(2,:),g-,time,yout(3,:),b-)legend(遺傳第1代,遺傳第2代,遺傳第3代)grid onbest=max(maxfit) e1=1;y=;e=;e1=0;y1=0;y2=0;y3=0;u1=0;u2=0;u3=0;for k=1:TM %運行系統(tǒng) yr(k)=1; y(k)=-ff(2)*y1-ff(3)*y2-ff(4)*y3+tt(2)*u1+tt(3)*u2+tt(4)*u3; y3=y2;y2=y1;y1=y(k); u3=u2;u2=u1; e(k)=yr(k)-y(k); er(k)=(e(k

8、)-e1)/T; u(k)=kp*e(k)+ki*sum(e)+kd*(e(k)-e1); u1=u(k); e1=e(k); endfigure(2)opt=find(maxfit=best);plot(time,y,-,time,yout(opt(1),:)legend(PID控制器,GA優(yōu)化的模糊PID控制器)grid on各子函數(shù)MATLAB程序：模糊控制子程序fu_zzy.mfunction detae=fu_zzy(init,F,L,varb)if F=1 F=1;endif L=1 L=1;end %模糊控制規(guī)則an=init(10);bn=init(11);cn=init(12

9、);ap=init(13);bp=init(14);cp=init(15);a=newfis(fuzzf); %建立隸屬度函數(shù)a=addvar(a,input,F,-1,1);a=addmf(a,input,1,NL,zmf,-1,an);a=addmf(a,input,1,ZR,trimf,an,0,ap);a=addmf(a,input,1,PL,smf,ap,1);a=addvar(a,input,L,-1,1);a=addmf(a,input,2,NL,zmf,-1,bn);a=addmf(a,input,2,ZR,trimf,bn,0,bp);a=addmf(a,input,2,PL

10、,smf,bp,1);a=addvar(a,output,detae,-1,1);a=addmf(a,output,1,NL,zmf,-1,cn);a=addmf(a,output,1,ZR,trimf,cn,0,cp);a=addmf(a,output,1,PL,smf,cp,1); %建立控制規(guī)則表rulelist=1 1 init(1) 1 1;1 2 init(2) 1 1;1 3 init(3) 1 1; 2 1 init(4) 1 1;2 2 init(5) 1 1;2 3 init(6) 1 1; 3 1 init(7) 1 1;3 2 init(8) 1 1;3 3 init(

11、9) 1 1;a=addrule(a,rulelist);a1=setfis(a,DefuzzMethod,mom);writefis(a1,fuzzf);a2=readfis(fuzzf); %模糊控制器輸出detae=evalfis(F,L,a2);2）遺傳算法子程序gene_tic.mfunction init=gene_tic(init,fitness,k,N,varb,n,n1)fitness=fitness;N=N;varb=varb;init=init; %復(fù)制sumfit=sum(fitness); %sumfit為每一代總的適應(yīng)值zongfit(k)=sumfit; %保存每

12、一代總的適應(yīng)值到zongfitsumfit1(1)=fitness(1);for i=2:N sumfit1(i)=sumfit1(i-1)+fitness(i);endlunpan=round(sumfit*rand(1,N);A=zeros(N,n1);for i=1:N for j=1:(N-1) if (lunpan(i)=0)&(lunpan(i)sumfit1(j)&(lunpan(i)=sumfit1(j+1) A(i,:)=init(j+1,:); end endendinit=A; %交叉pc=0.6; %交叉概率選為0.7Q=rand(1);place=round(n1-1

13、)*rand(1)+1); %產(chǎn)生交叉位match=randperm(N); %產(chǎn)生匹配對的隨機序列B=zeros(N,n1);if Qpc for i=1:place B(:,i)=init(:,i); end for i=place:n1 for j=1:(N/2) B(match(j-1)*2+1),i)=init(match(j*2),i); B(match(j*2),i)=init(match(j-1)*2+1),i); end endendinit=B; %變異pm=0.01; %變異概率選為0.01d=round(N*n1*pm); %計算變異位個數(shù)if d=0 init=ini

14、t;elseif d=1 i=round(N*rand(1)+1); j=round(n1*rand(1)+1); if j=n init(i,j)=round(varb-1)*rand(1)+1); %如果是前n位數(shù)，則變異為1至VN中的一個 elseif j=n+varb init(i,j)=-1*randint(1,1,1,16)*1/16; %如果是n+1至n+3位數(shù)，則變異為-1至0之間中的一個 elseif j1 C=zeros(1,N*n1); x=randint(1,d,1,N*n1); %隨機產(chǎn)生d個變異位置，存入x中 C=reshape(init,1,N*n1); %將N行

15、n1列的矩陣init轉(zhuǎn)換為1行N*n1列的矩陣C for i=1:d if C(x(i)=0)&(C(x(i)=1 C(x(i)=randint(1,1,1,varb); %若變異位大于等于1，則隨機選?。?，varb）之間的整數(shù)賦值 end end init=reshape(C,N,n1); %將變異后的1行N*n1列的矩陣C，轉(zhuǎn)換為N行n1列的矩陣initendinit=init;程序運行結(jié)果程序運行過程中遺傳各代的每條染色體的階躍響應(yīng)性能指標如下表1,2,3所示。表1 遺傳第一代各染色體階躍響應(yīng)的性能指標染色體第1條第2條第3條第4條第5條第6條第7條第8條第9條第10條上升時間01.3

16、0001.10001.10001.10001.10001.10001.40001.80001.4000超調(diào)量-0.26731.64640.9836-0.5809-0.7620-0.76720.96781.98440.31880.6170累計誤差118.4311162.2475172.2924139.0905189.3429195.7397166.9554215.314818.9711124.3250適應(yīng)度值0000000054.06970表2 遺傳第二代各染色體階躍響應(yīng)的性能指標染色體第1條第2條第3條第4條第5條第6條第7條第8條第9條第10條上升時間1.80001.80001.80001.

17、80001.80001.80001.80001.80001.80001.8000超調(diào)量0.31880.31880.31880.31880.28110.31880.31880.31880.31880.3188累計誤差18.971118.971118.971118.971117.992818.971118.971118.971118.971119.3735適應(yīng)度值54.069754.069754.069754.069756.363354.069754.069754.069754.069753.7478表3 遺傳第三代各染色體階躍響應(yīng)的性能指標染色體第1條第2條第3條第4條第5條第6條第7條第8條第

18、9條第10條上升時間1.80001.80001.80001.80001.80001.80001.80001.80001.80001.8000超調(diào)量0.31880.31880.31880.31880.31880.31880.31880.20220.31880.3188累計誤差18.971118.971119.373519.508518.971118.971118.971119.623318.971119.3735適應(yīng)度值54.069754.069753.747853.639954.069754.069754.069758.214554.069753.7478程序運行的各代最大適應(yīng)度值為：maxfit = 54.0697 56.3633 58.2145程序運行的最佳適應(yīng)度值為：best = 58.2145Kp=0.2，ki=0.002，kd=10時系統(tǒng)運行結(jié)果如圖1所示，優(yōu)化后的控制器輸出平穩(wěn)但存在穩(wěn)態(tài)誤差，此時系統(tǒng)調(diào)節(jié)時間為1.8s，超調(diào)為2.1%，誤差為