遗传算法大作业-南航-智能控制

..XX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：其中为水下航行器的前进速度,为水下航行器的推进器推力,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。作业具体要求：1、设计基于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1.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。%----------------------------------------------------------------functiondy=UnderwaterVehicle<t,y,u>m=100;ma=15;k=10;dy=<u-k*abs<y>*y>/<m+ma>;%----------------------------------------------------------------2.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：其中为系统误差,为控制器输出,为上升时间,、和为权值。3.遗传算法中相关参数的设置〔1遗传算法中使用的样本个数为30；〔2PID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]；〔3交叉概率和变异概率分别为Pc=0.9和Pm=0.3；〔4取,=0.001,=2.0；〔5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;%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>;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。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：图2系统阶跃响应三、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。〔1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〔2保持变异概率Pm不变,设置交叉概率Pc=0.95,仿真结果如下：图4系统阶跃响应〔3保持交叉概率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。交叉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于遗传算法的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：图6遗传算法PID控制的阶跃响应图7遗传算法PID控制的阶跃响应从仿真结果可知,基于遗传算法的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,基于遗传算法的PID控制对死区和饱和非线性具有一定的抑制能力,PID控制器仍能保证获得不错的控制效果。〔3抗时滞非线性干扰的能力：图10遗传算法PID控制的阶跃响应图11遗传算法PID控制的阶跃响应通过仿真可知,基于遗传算法的PID控制能