遺傳算法大作業(yè)-南航-智能控制

..XX航空航天大學(xué)研究生實驗報告實驗名稱：遺傳算法PID控制器設(shè)計姓名：學(xué)號：專業(yè)：201年月日..一、題目要求考慮如下某水下航行器的水下直航運動非線性模型：其中為水下航行器的前進(jìn)速度,為水下航行器的推進(jìn)器推力,為水下航行器的輸出,航行器本體質(zhì)量、附加質(zhì)量以及非線性運動阻尼系數(shù)分別為。作業(yè)具體要求：1、設(shè)計基于遺傳算法的模糊控制器、神經(jīng)網(wǎng)絡(luò)控制器或PID控制器<任選一>。2、分析采用遺傳算法前后的控制效果。3、分析初始條件對尋優(yōu)及對控制效果的影響。4、分析系統(tǒng)在遺傳算法作用下的抗干擾能力<加噪聲干擾、加參數(shù)不確定>、抗非線性能力<加死區(qū)和飽和特性>、抗時滯的能力。二、基于遺傳算法的PID控制器設(shè)計與仿真1.遺傳算法的水下航行器模型采用遺傳算法對PID控制器參數(shù)進(jìn)行優(yōu)化,其中水下航行器模型采用如下函數(shù)實現(xiàn),通過調(diào)用ode45<>可以求解此非線性模型。%----------------------------------------------------------------functiondy=UnderwaterVehicle<t,y,u>m=100;ma=15;k=10;dy=<u-k*abs<y>*y>/<m+ma>;%----------------------------------------------------------------2.最優(yōu)指標(biāo)的選取為獲得滿意的過渡過程動態(tài)特性,采用誤差絕對值積分性能指標(biāo)作為參數(shù)選擇的最小目標(biāo)函數(shù)。為防止控制能量過大,在目標(biāo)函數(shù)中加入控制輸入的平方項。選用下式作為參數(shù)選取的最優(yōu)指標(biāo)：其中為系統(tǒng)誤差,為控制器輸出,為上升時間,、和為權(quán)值。3.遺傳算法中相關(guān)參數(shù)的設(shè)置〔1遺傳算法中使用的樣本個數(shù)為30；〔2PID控制器參數(shù)Kp的取值范圍為[0,2000],Kd的取值范圍為[0,100],Ki的取值范圍為[0,500]；〔3交叉概率和變異概率分別為Pc=0.9和Pm=0.3；〔4取,=0.001,=2.0；〔5設(shè)置進(jìn)化40代。相關(guān)代碼的編寫如下,詳見文件夾的m文件。Size_of_Sample=30;CodeL=3;%RangeofKpMinX<1>=0*ones<1>;MaxX<1>=2000*ones<1>;%RangeofKdMinX<2>=0*ones<1>;MaxX<2>=100*ones<1>;%RangeofKiMinX<3>=0*ones<1>;MaxX<3>=500*ones<1>;G=40;BsJ=0;Ji<i>=0.999*abs<error<i>>+0.001*u<i>^2;B=B+Ji<i>;編碼方式采用浮點編碼,經(jīng)過40代進(jìn)化,獲得的優(yōu)化參數(shù)如下：PID整定結(jié)果為Kp=103.7688,Kd=6.8640,Ki=50.4850。其中,代價函數(shù)J的優(yōu)化過程如圖1所示。圖1代價函數(shù)J的優(yōu)化過程同時,得到在整定后的PID參數(shù)下的階躍相應(yīng)如下圖2所示：圖2系統(tǒng)階躍響應(yīng)三、初始條件對對控制效果的影響考察遺傳算法的初始條件對PID參數(shù)尋優(yōu)和控制效果的影響?！?設(shè)置Kp的取值范圍為[0,1000],Kd的取值范圍為[0,500],Ki的取值范圍為[0,10],仿真結(jié)果如下：圖3系統(tǒng)階躍響應(yīng)〔2保持變異概率Pm不變,設(shè)置交叉概率Pc=0.95,仿真結(jié)果如下：圖4系統(tǒng)階躍響應(yīng)〔3保持交叉概率Pc不變,設(shè)置變異概率Pm=0.2,優(yōu)化求解及仿真結(jié)果如下：圖5系統(tǒng)階躍響應(yīng)由以上三組遺傳算法優(yōu)化對比可知,遺傳算法的初始條件對控制效果具有重要影響。通過多次尋優(yōu),參數(shù)取值范圍可以根據(jù)上次求解最優(yōu)值適當(dāng)縮小,進(jìn)而可以大大縮短尋優(yōu)時間。交叉和變異概率對尋優(yōu)過程也有重要影響。四、基于遺傳算法的PID控制的性能分析考察基于遺傳算法的PID控制的抗干擾、抗非線性和抗時滯能力?！?抗噪聲和不確定性干擾的能力：圖6遺傳算法PID控制的階躍響應(yīng)圖7遺傳算法PID控制的階躍響應(yīng)從仿真結(jié)果可知,基于遺傳算法的PID控制對量測噪聲和模型參數(shù)不確定的能力較好。〔2抗死區(qū)和飽和非線性干擾的能力：圖8遺傳算法PID控制的階躍響應(yīng)圖9遺傳算法PID控制的階躍響應(yīng)從仿真結(jié)果可知,基于遺傳算法的PID控制對死區(qū)和飽和非線性具有一定的抑制能力,PID控制器仍能保證獲得不錯的控制效果。〔3抗時滯非線性干擾的能力：圖10遺傳算法PID控制的階躍響應(yīng)圖11遺傳算法PID控制的階躍響應(yīng)通過仿真可知,基于遺傳算法的PID控制能