numcf=[Kd Kp Ki];
dencf=[1 0];
numf=conv(numcf,num);
denf=conv(dencf,den);
[numc,denc]=cloop(numf,denf);
t=0:0.001:0.04;
step(numc,denc,t);
matlab 进行仿真,我们可以看出不恰当的 PID 参数并不能使系统达到控制系统的要求,
因此需要对 PID 参数进行优化。
图 4 系统阶跃响应(Kp=15,Ki=0.8,Kd=0.6)
3. 遗传算法
3.1 遗传算法和工具箱简介
遗传算法(GA)是基于自然选择和基因遗传学原理的优化搜索方法。 它借鉴了达
尔文的进化论和孟德尔的遗传学说。其本质上是一种高效、并行、全局搜索的方法,
它能在搜索过程中自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程以
求得最优解。遗传算法操作使用适者生存的原则,在潜在的解决方案种群中逐次产生
一个近似最优的方案。在遗传算法的每一代中,根据个体在问题域中的适应度值和从
自然遗传学中借鉴来的再造方法进行个体选择,产生一个新的近似解。在这个过程导
致种群中个体的进化,得到的新个体比原个体更能适应环境,就像自然界中的改造一
样。