遗传算法大作业南航智能控制

1、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：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

2、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。%-function dy = 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

3、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；（2）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；（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; % range of kpminx(1)=0*ones(1);maxx(1)=2000*ones(1); % range of kdminx(2)=0*ones(1);maxx(2)

4、=100*ones(1); % range of kiminx(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

5、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控制能应对0.1s的