使用并行模拟PID控制器优化模型的目标函数金宝app

17日视图(30天)

显示旧的评论

艾尔汗 2022年2月26日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/1658985-pid-controller-optimization-in-金宝appsimulink-using-parallel-simulations-in-objective-function

评论道: Farshid R2022年9月26日

我调整PID控制器在模型使用优化工具(遗传算法)。金宝app它工作正常但迭代模拟串行和占用太多的时间。我看见一个回答通过使用Simulink.SimulationInput并行运行模拟。金宝app

我试过这个解决方案和仿真运行快,但优化值是不正确的,也是健身价值图是不正常的。我想问题是新的objetive函数的并行模拟“成本(i2, 1) = Simout.ITAE(结束)”。我会很感激如果你可以修改客观因数等专家我卡住了很多天。我将我的目标函数。

请注意,模拟输出块名称ITAE(工作区),湖南绿色,是成本函数

Matlab版本:R2021b

金宝appvarriables仿真软件模型和PID控制器

住编辑器来优化PID收益

%设置默认的解算器选项

options2 = optimoptions (“遗传算法”,“UseVectorized”,真的,“CreationFcn”,…

“gacreationuniform”,“SelectionFcn”,“selectiontournament”,“MutationFcn”,…

“mutationadaptfeasible”,“显示”,“通路”,“PlotFcn”,“gaplotbestf”);

%解决

[solution2, objectiveValue] = ga (@tunning nVariables, [], [], [], [],…

0 (nVariables, 1), repmat (5 nVariables 1), [], [], options2);

串行目标函数工作正常,但缓慢的如下:

函数成本=装机(k)

assignin (“基地”,“k”、k);

sim卡(“test.slx”);

成本= ITAE(长度(ITAE));

结束

并行仿真目标函数提供错误的输出如下:

答案(1)

山姆翟 2022年8月19日

0
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/1658985-pid-controller-optimization-in-金宝appsimulink-using-parallel-simulations-in-objective-function answer_1029070

嗨 @Irfan汗

我不熟悉仿真软件的方法,但是金宝app MATLAB ,脚本找到PID收益服从ITAE准则看起来是这样的。

由于时间限制运行仿真,人口规模小,使用范围和较短的模拟时间。

                              fitfun = @costfun;%调用成本函数
                             
                              PopSize = 3;%的人口规模
                             
                              MaxGen = 6;%最大代
                             
                              据nvar = 3;%的设计变量:P I D
                             
                              一个=黑眼圈(据nvar);%线性约束* k < = b
                             
                              b = 0(据nvar, 1);%(正方向搜索)
                             
                              Aeq = [];
                             
                              说真的= [];%线性约束Aeq * k =说真的
                             
                              磅= (30.1 51.3 13.7);%的下界磅< k <乌兰巴托
                             
                              乌兰巴托= (30.3 51.5 13.9);%磅< k <乌兰巴托的上界
                             
                              nonlcon = [];%非线性约束C (k) < = 0和量表(k) = 0
                             
                              [k fval exitflag、输出]= ga(据nvar fitfun, A、b Aeq,说真的,磅,乌兰巴托,nonlcon)
                             
                                优化终止:平均不到options.FunctionTolerance健身价值的变化。

                                 k =
                                 1×3
                                
                                  30.1343 51.3026 13.7872

                                fval = 0.0353

                                exitflag = 1

                                 输出=结构体字段:
                                
                                 problemtype:“linearconstraints”rngstate: [1×1 struct]代:51 funccount: 2450信息:优化终止:平均不到options.FunctionTolerance健身价值的变化。“maxconstraint: 0 hybridflag: []

                              %的目标函数进行优化
                             
                              函数J = costfun (k)
                             
                              %转移函数
                             
                              G1 =特遣部队(1 (0.2 - 1));
                             
                              G2 =特遣部队(1 (0.5 - 1));
                             
                              G3 =特遣部队(0.8 [10]);
                             
                              Gp = G1 * G2 * G3;
                             
                              H = 20;
                             
                              %补偿器
                             
                              kp = k (1);%比例增益
                             
                              ki = k (2);%积分获得
                             
                              kd = k (3);%微分增益
                             
                              Tf = 1/165.277936355792;% 1阶微分滤波器系数(1 / N)
                             
                              Gc = pid (kp、ki kd, Tf);
                             
                              %闭环系统(干扰路径)
                             
                              Gd = minreal(反馈(G3, H * Gc * G1 * G2));
                             
                              %成本函数
                             
                              dt = 0.01;
                             
                              泰= 0:dt: 8;
                             
                              [y, t] =步骤(Gd,泰);
                             
                              itae = t。* abs (0 - H * y (:));
                             
                              J = trapz (t, itae);
                             
                              结束

4评论
显示3年长的评论隐藏3年长的评论

山姆翟 2022年8月19日

使用PID收益GA搜索、零稳态输出由于扰动步输入。

G1 =特遣部队(1 (0.2 - 1));

G2 =特遣部队(1 (0.5 - 1));

G3 =特遣部队(0.8 [10]);

Gp = G1 * G2 * G3

Gp = 1 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - ^ 3 + 7.08年代^ 2 + 10.56 + 0.8连续时间传递函数。

H = 20;

%补偿器

kp = 30.1343;% P GA

ki = 51.3026;%我从遗传算法获得

kd = 13.7872;% D GA

Tf = 1/165.277936355792;% 1 / N(固定)

Gc = pid (kp、ki kd、Tf)

Gc = 1 s Kp + Ki * - + Kd * - - - - - - - - - - Tf *年代和Kp = 30.1 + 1, Ki = 51.3, Kd = 13.8, = 0.00605特遣部队连续时间PIDF控制器并联形式。

%扰动步反应

Gd = minreal(反馈(G3, H * Gc * G1 * G2))

Gd = 0.1 s ^ 4 + 17.23 s ^ 3 + 116.7 s ^ 2 + 165.3秒- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - ^ 5 + 172.4年代1181年代^ 4 + ^ 3 + 4.792 e04 s ^ 2 + 1.008 e05 s + 1.696 e05连续时间传递函数。

步骤(Gd, 10);

%成本函数

dt = 0.001;

泰= 0:dt: 10;

[y, t] =步骤(Gd,泰);

itae = t。* abs (0 - H * y (:));

J = trapz (t, itae)

J = 0.0354

Farshid R 2022年9月26日

谢谢,我创建了一个新的问题,我将很高兴如果你能帮助我。这是链接:

//www.tatmou.com/matlabcentral/answers/1812615-optimization-with-fmincon-command-in-金宝appsimulink

登录置评。

在回答这个问题。

类别

数学和优化全局优化工具箱遗传算法

找到更多的在遗传算法在帮助中心和文件交换

下载188bet金宝搏

释放

R2021b

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!