基于遗传算法的simulink/PID参数整定(s函数）

仿真图：

仿真主程序：

%遗传算法优化simulink仿真模型中的参数Kp Ki Kd
clear all;
close all;
Size=30;%种群中个体数，对应要优化的参数现有Size组（在后面会随机生成）
CodeL=3;%每个个体由codeL个元素，对应要优化的参数个数，对应要优化的参数Kp Ki Kd有3个

MinX(1)=zeros(1);
MaxX(1)=20.0*ones(1);
MinX(2)=zeros(1);
MaxX(2)=1.0*ones(1);
MinX(3)=zeros(1);
MaxX(3)=1.0*ones(1);%确定各优化参数的取值范围

E(:,1)=MinX(1)+(MaxX(1)-MinX(1))*rand(Size,1);
E(:,2)=MinX(2)+(MaxX(2)-MinX(2))*rand(Size,1);
E(:,3)=MinX(3)+(MaxX(3)-MinX(3))*rand(Size,1);%8-17代码就是在参数指定范围随机生成size组要优化的控制参数，产生种群E，后续的选择、复制、变异都是对该初始种群E进行处理

G=50;%迭代次数（次数少达不到最优值，次数多时间长）
BsJ=0;%目标函数值初始化为0

%*************** 开始运行***************
for kg=1:1:G
time(kg)=kg;%此处time为种群迭代次数

%****** Step 1 : 计算第kg代种群最小目标函数值 BestJ（kg） ******
for i=1:1:Size
x=E(i,:);

BsJ=GA_PID_Simulink_fitness(x,BsJ);%调用目标函数，输入种群E中的第一个个体x，该个体就是一组参数组成的向量；返回目标函数值BsJ。

BsJi(i)=BsJ;%将每一个个体（控制参数）在simulink中仿真，都会得到一个目标函数值，执行完for循环，所有控制参数依次带入simulink中仿真，得到的所有目标函数值存放在BsJi向量中。

end

[OderJi,IndexJi]=sort(BsJi); %将所有目标函数值从小到大排序，OderJi返回的是BsJi向量经过排序后的结果向量，IndexJi返回的是OderJi结果向量元素在BsJi中的下标（位置）
BestJ(kg)=OderJi(1);%找到目标函数值最小值
BJ=BestJ(kg);%将目标函数值最小值保存
Ji=BsJi+1e-10; %因为优化的目的是目标函数值越小越好，那么就会有0结果，适应度fi是目标函数值的导数，所以加上1e-10是为了防止分母为零报错。

fi=1./Ji;%求适应度

[Oderfi,Indexfi]=sort(fi); %将所有适应度值从小到大排序
Bestfi=Oderfi(Size); %找到适应度最大值
BestS=E(Indexfi(Size),:); %适应度最大对应的目标函数最小对应的参数（个体）是整个种群中最优的参数（个体），找到适应度最大值对应个体在种群中的位置（第Indexfi(Size)个），即可找出适应度最大值对应最优参数，并保存给 BestS变量

bfi(kg)=Bestfi;%保存第kg代种群的适应度最大值

kg %第kg代
BestS %第kg代群体中最优个体，也就是满足目标函数最小，对应的个体，个体就是三个参数（kp,ki,kd）组成的行向量
BJ %第kg代群体对应的目标函数最小值
%****** Step 2 : 选择和复制计算******
%都是固定套路不必研究，但种群E变量名要与之前的代码一致
fi_sum=sum(fi);
fi_Size=(Oderfi/fi_sum)*Size;

fi_S=floor(fi_Size); % Selecting Bigger fi value
r=Size-sum(fi_S);

Rest=fi_Size-fi_S;
[RestValue,Index]=sort(Rest);

for i=Size:-1:Size-r+1
fi_S(Index(i))=fi_S(Index(i))+1; % Adding rest to equal Size
end

k=1;
for i=Size:-1:1 % Select the Sizeth and Reproduce firstly
for j=1:1:fi_S(i)
TempE(k,:)=E(Indexfi(i),:); % 通过上述选择复制产生新的个体，进而形成新的种群
k=k+1; % k is used to reproduce
end
end

%************ Step 3 : 交叉计算 ************
%都是固定套路不必研究，但种群E变量名要与之前的代码一致
Pc=0.90;%交叉概率
for i=1:2:(Size-1)
temp=rand;
if Pc>temp %Crossover Condition
alfa=rand;
TempE(i,:)=alfa*E(i+1,:)+(1-alfa)*E(i,:);
TempE(i+1,:)=alfa*E(i,:)+(1-alfa)*E(i+1,:);
end
end
TempE(Size,:)=BestS;
E=TempE;%通过上述交叉产生新的个体，进而形成新的种群

%************ Step 4: 变异计算 **************
Pm=0.10-[1:1:Size]*(0.01)/Size; %（变异概率计算，每个个体变异概率不一样）Bigger fi,smaller Pm
Pm_rand=rand(Size,CodeL);
Mean=(MaxX + MinX)/2;
Dif=(MaxX-MinX);

for i=1:1:Size
for j=1:1:CodeL
if Pm(i)>Pm_rand(i,j) %Mutation Condition
TempE(i,j)=Mean(j)+Dif(j)*(rand-0.5);
end
end
end
%Guarantee TempE(Size,:) belong to the best individual
TempE(Size,:)=BestS;
E=TempE;%%通过上述变异产生新的个体，进而形成新的种群
end
%23-105代码实现G次迭代，迭代过程为计算当前种群最小目标函数，最大适应度，并找出对应的最优参数个体，然后对整个当前种群做选择、复制、交叉、变异，产生新的更好地种群，然后进行下一步迭代。
BestS %迭代完成后的种群里面的最优个体，也就是经过遗传寻优得到的最优参数向量
Bestfi %以经过迭代产生的最优参数，运行simulink模型，计算目标函数，再计算适应度，得到的最大适应度值
fi %以经过迭代后的种群所有个体（包括最优个体）运行simulink模型，计算目标函数，再计算适应度，得到所有适应度值
x %经过迭代后种群的最后一个个体（不一定是最优个体）
Best_J=BestJ(G)%以第G代群体中个体，运行simulink模型，计算目标函数，其中的目标函数最小值
figure(1);
plot(time,BestJ);%注意此处的time不是时间，而是迭代次数，所以此处作图以迭代次数为横坐标，迭代次数对应群体的最小目标函数值为纵坐标
xlabel('Times');ylabel('Best J');

完整程序：

基于遗传算法的simulink/PID参数整定(s函数）_simulink遗传算法整定pid-电子商务文档类资源-CSDN文库

仿真结果：

迭代50次，需等待几分钟。

基于遗传算法的simulink/PID参数整定(s函数）相关推荐

基于遗传算法的PID参数整定研究（七）
基于遗传算法的PID参数整定研究在前述深入了解PID参数的含义.基于常规人工的PID参数整定.以及所运用的遗传算法的介绍与应用后,紧接着进入应用遗传算法的PID参数整定,实现了Simulink仿真与 ...
基于遗传算法的PID参数整定研究（三）
基于遗传算法的PID参数整定研究在获得对象模型的基础上设计PID参数时常用的原理,经典的有经验试凑法.临界比例度法.极点配置原理.零极点相消原理.幅相裕度法等:现代的则往往借助于计算机,利用最优化方 ...
基于入门级粒子群算法的PID参数整定（MATLAB2016b-simulink）（超详细01）
PID算法作为工业或日常生活中常用的控制算法,想必大家都不陌生,依靠误差反馈来消除误差,关于PID的原理部分相比看这篇博客的同学应该都十分清楚,有不清楚的同学可以百度或知网搜索.PID算法的应用程度很 ...
自动控制原理PID参数整定的Matlab实现
以一道题为例介绍调节PID控制器系数的方法,有:试凑法(Trial-and-Error Method).齐格勒-尼科尔斯校正规则(Ziegler and Nichols First Method. ...
我的四轴专用PID参数整定方法及原理
给四轴调了好久的PID,总算是调好了,现分享PID参数整定的心得给大家,还请大家喷的时候手下留情. 首先说明一下,这篇文章的主旨并不是直接教你怎么调,而是告诉你这么调有什么道理,还要告诉大家为什么'只 ...
我的四轴专用PID参数整定方法及原理---超长文慎入(转)
给四轴调了好久的PID,总算是调好了,现分享PID参数整定的心得给大家,还请大家喷的时候手下留情. 首先说明一下,这篇文章的主旨并不是直接教你怎么调,而是告诉你这么调有什么道理,还要告诉大家为什么'只 ...
matlab求系统根轨迹代码_根轨迹法、PID参数整定和matlab指令计算
收获 (1)理解根轨迹的概念及其在控制系统设计中的作用: (2)手绘根轨迹草图,以及如何使用极端及绘制根轨迹: (3)熟悉在反馈控制系统中应用广泛的关键部件:PID控制器: (4)理解根轨迹在参数设计 ...
一个实例说明PID 参数整定
引言:PID是比例.积分.微分的简称,PID控制的难点不是编程,而是控制器的参数整定.参数整定的关键是正确地理解各参数的物理意义,PID控制的原理可以用人对炉温的手动控制来理解. 1．比例控制 ...
机器人控制——PID参数整定
(1)首先选择一个合适的并且尽量短的采样时间让系统工作: (2)首先加入比例环节,调节比例系数,直到系统的输出出现临界振荡: (3)若单独的比例环节不能满足设计要求,则此时加入积分环节,调整好的比例系 ...
针对具有纯滞后环节的一阶惯性系统PID参数整定(衰减曲线法)
假定被控系统的传递函数为: 一.建立开环结构图,观察系统对阶跃输入信号的跟随性. 由图二可知:开环系统的的上升时间很长,并且输出到达不了给定值,下面对该系统进行PID参数整定,进行PID控制. 图1 ...

基于遗传算法的simulink/PID参数整定(s函数）

基于遗传算法的simulink/PID参数整定(s函数）相关推荐

最新文章

热门文章