智能控制作业报告-基于遗传算法的模糊控制器最优设计

1、精选优质文档-倾情为你奉上精选优质文档-倾情为你奉上专心-专注-专业专心-专注-专业精选优质文档-倾情为你奉上专心-专注-专业西安理工大学研究生课程论文/研究报告课程名称： 智能控制 任课教师： 论文/研究报告题目： 基于遗传算法的模糊控制器最优设计 完成日期： 2016 年 8 月 27 日学 科： 电力电子与电力传动 学 号： 姓 名： 1.基于遗传算法的模糊控制MATLAB程序：clear allclose allclcT=0.1; %控制系统采样时间TM=200; %控制系统运行次数time=zeros(1,TM);kp=0.2;ki=0.002;kd=20;tr=0; %定义初始种群

2、参数N=10; %初始种群数目M=3; %遗传代数varb=3; %语言值个数yout1=zeros(N,TM);yout=zeros(M,TM);fitness=zeros(1,N); %产生初始种群n=varb2;n1=varb2+varb*2; %每条染色体的长度mfpara1=randint(N,n,1,varb); %控制规则表mfpara2=-1*rand(N,varb); %mfpara2(1),mfpara2(2),mfpara2(3)分别为an，bn，cnmfpara3=rand(N,varb); %mfpara3(1),mfpara3(2),mfpara3(3)分别为ap，

3、bp，cpinit=mfpara1,mfpara2,mfpara3; %离散化被控对象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); %开始循环p=1 while p=M %循环代数从1到3 q=1 while q=N %染色体数从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 %运行系统 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); %调用模糊控制规则程序 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; %上升时间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 %一代种群运行完毕 fitness maxfit1,h=max(fitness); maxfit(p)=maxfit1 %每代的最大适配值存入maxfit yout(p,:)=yout1(h,:); %每一代当适配值最大时，系统的阶跃响应输出 init=gene_tic(init,fitness,p,N,varb,n,n1); %调用遗传算法优化，得到新的种群 p=p+1end %运行3代后结束 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(遗传第1代,遗传第2代,遗传第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 %运行系统 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优化的模糊PID控制器)grid on各子函数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 %模糊控制规则an=init(10);bn=init(11);cn=init(12

9、);ap=init(13);bp=init(14);cp=init(15);a=newfis(fuzzf); %建立隶属度函数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); %建立控制规则表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); %模糊控制器输出detae=evalfis(F,L,a2);2）遗传算法子程序gene_tic.mfunction init=gene_tic(init,fitness,k,N,varb,n,n1)fitness=fitness;N=N;varb=varb;init=init; %复制sumfit=sum(fitness); %sumfit为每一代总的适应值zongfit(k)=sumfit; %保存每

12、一代总的适应值到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; %交叉概率选为0.7Q=rand(1);place=round(n1-1

13、)*rand(1)+1); %产生交叉位match=randperm(N); %产生匹配对的随机序列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; %变异pm=0.01; %变异概率选为0.01d=round(N*n1*pm); %计算变异位个数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位数，则变异为1至VN中的一个 elseif j=n+varb init(i,j)=-1*randint(1,1,1,16)*1/16; %如果是n+1至n+3位数，则变异为-1至0之间中的一个 elseif j1 C=zeros(1,N*n1); x=randint(1,d,1,N*n1); %随机产生d个变异位置，存入x中 C=reshape(init,1,N*n1); %将N行

15、n1列的矩阵init转换为1行N*n1列的矩阵C for i=1:d if C(x(i)=0)&(C(x(i)=1 C(x(i)=randint(1,1,1,varb); %若变异位大于等于1，则随机选取（1，varb）之间的整数赋值 end end init=reshape(C,N,n1); %将变异后的1行N*n1列的矩阵C，转换为N行n1列的矩阵initendinit=init;程序运行结果程序运行过程中遗传各代的每条染色体的阶跃响应性能指标如下表1,2,3所示。表1 遗传第一代各染色体阶跃响应的性能指标染色体第1条第2条第3条第4条第5条第6条第7条第8条第9条第10条上升时间01.3

16、0001.10001.10001.10001.10001.10001.40001.80001.4000超调量-0.26731.64640.9836-0.5809-0.7620-0.76720.96781.98440.31880.6170累计误差118.4311162.2475172.2924139.0905189.3429195.7397166.9554215.314818.9711124.3250适应度值0000000054.06970表2 遗传第二代各染色体阶跃响应的性能指标染色体第1条第2条第3条第4条第5条第6条第7条第8条第9条第10条上升时间1.80001.80001.80001.

17、80001.80001.80001.80001.80001.80001.8000超调量0.31880.31880.31880.31880.28110.31880.31880.31880.31880.3188累计误差18.971118.971118.971118.971117.992818.971118.971118.971118.971119.3735适应度值54.069754.069754.069754.069756.363354.069754.069754.069754.069753.7478表3 遗传第三代各染色体阶跃响应的性能指标染色体第1条第2条第3条第4条第5条第6条第7条第8条第

18、9条第10条上升时间1.80001.80001.80001.80001.80001.80001.80001.80001.80001.8000超调量0.31880.31880.31880.31880.31880.31880.31880.20220.31880.3188累计误差18.971118.971119.373519.508518.971118.971118.971119.623318.971119.3735适应度值54.069754.069753.747853.639954.069754.069754.069758.214554.069753.7478程序运行的各代最大适应度值为：maxfit = 54.0697 56.3633 58.2145程序运行的最佳适应度值为：best = 58.2145Kp=0.2，ki=0.002，kd=10时系统运行结果如图1所示，优化后的控制器输出平稳但存在稳态误差，此时系统调节时间为1.8s，超调为2.1%，误差为