PID simulink优化仿真（参数传递）

Halcom

PID simulink优化仿真
适应度函数：

1. function BsJ = IPID_Fun_6(kp, ki, kd)
   
2. global kp ki kd yout
   
3. sim('pid_sim.slx');
   
4. error = yout-1;
   
5. B=0;
   
6. for i=1:length(yout)
   
7.     if i>1
   
8.         erry=yout(i)-yout(i-1);
   
9.         if erry<0
   
10.             B=B+100*abs(erry);
    
11.         end
    
12.     end
    
13. end
    
14. BsJ = (sum(abs(error)) + B )/length(error);

复制代码

响应函数：

1. function [timef, r, yout]=PID_Fun_6_response(Kpidi)
   
2. global kp ki kd yout
   
3. sim('pid_sim.slx');
   
4. r = ones(size(yout));
   
5. % error = yout-r;
   
6. timef = [0:10/(length(yout)-1):10]';

复制代码

主函数：

1. %% 清空环境
   
2. clc,clear,close all
   
3. warning off
   
4. format longG
   
5. addpath(genpath('./PID_funtion'))
   
6. global kp ki kd yout
   
7. %% 参数设置
   
8. w = 0.6;      % 惯性因子
   
9. c1 = 2;       % 加速常数
   
10. c2 = 2;       % 加速常数
    
11. Dim = 3;            % 维数
    
12. sizepop = 20;       % 粒子群规模
    
13. maxiter  = 30;      % 最大迭代次数
    
14. MinFit = 1e-9;      % 最小适应值
    
15. Vmax = 1;           % 速度最大值
    
16. Vmin = -1;          % 速度最小值
    
17. %       P  I  D
    
18. Ub = [100 500 100];     % PID取值 最大值
    
19. Lb = [0.00 0.00 0.00];   % PID取值 最小值
    
20. %% 适应度函数
    
21. choosed = 6;
    
22. if choosed==1
    
23.     fun = @(x)PID_Fun_1(x);
    
24. elseif(choosed==2)
    
25.     fun = @(x)PID_Fun_2(x);
    
26. elseif(choosed==3)
    
27.     fun = @(x)PID_Fun_3(x);
    
28. elseif(choosed==4)
    
29.     fun = @(x)PID_Fun_4(x);
    
30. elseif(choosed==5)
    
31.     fun = @(x)IPID_Fun_5(x);
    
32. elseif(choosed==6)
    
33.     fun = @(x)IPID_Fun_6(x);
    
34. end
    
35. %% 粒子群初始化
    
36. Range = ones(sizepop,1)*(Ub-Lb);
    
37. pop = rand(sizepop,Dim).*Range + ones(sizepop,1)*Lb;    % 初始化粒子群
    
38. V = rand(sizepop,Dim)*(Vmax-Vmin) + Vmin;                 % 初始化速度
    
39. fitness = zeros(sizepop,1);
    
40. for i=1:sizepop
    
41.     kp = pop(i,1);
    
42.     ki = pop(i,2);
    
43.     kd = pop(i,3);
    
44.     fitness(i,:) = fun(pop(i,:));                         % 粒子群的适应值
    
45. end
    
46. %% 个体极值和群体极值
    
47. [bestf, bestindex]=min(fitness);
    
48. zbest=pop(bestindex,:);   % 全局最佳
    
49. gbest=pop;                % 个体最佳
    
50. fitnessgbest=fitness;              % 个体最佳适应值
    
51. fitnesszbest=bestf;               % 全局最佳适应值
    
52. 
    
53. %% 迭代寻优
    
54. iter = 0;
    
55. y_fitness = zeros(1,maxiter );   % 预先产生4个空矩阵
    
56. K_p = zeros(1,maxiter );
    
57. K_i = zeros(1,maxiter );
    
58. K_d = zeros(1,maxiter );
    
59. while( (iter < maxiter ) && (fitnesszbest > MinFit) )
    
60.     disp(['当前迭代次数: ', num2str(iter) ])
    
61.     for j=1:sizepop
    
62.         % 速度更新
    
63.         V(j,:) = V(j,:) + c1*rand*(gbest(j,:) - pop(j,:)) + c2*rand*(zbest - pop(j,:));
    
64.         if V(j,:)>Vmax,
    
65.             V(j,:)=Vmax;
    
66.         end
    
67.         if V(j,:)<Vmin,
    
68.             V(j,:)=Vmin;
    
69.         end
    
70.         % 位置更新
    
71.         pop(j,:)=pop(j,:)+w*V(j,:);
    
72.         pop(j,:) = lb_ub(pop(j,:),Lb,Ub);
    
73.         
    
74.         % 适应值
    
75.         kp = pop(j,1);
    
76.         ki = pop(j,2);
    
77.         kd = pop(j,3);
    
78.         fitness(j,:) =fun(pop(j,:));
    
79.         
    
80.         % 个体最优更新
    
81.         if fitness(j) < fitnessgbest(j)
    
82.             gbest(j,:) = pop(j,:);
    
83.             fitnessgbest(j) = fitness(j);
    
84.         end
    
85.         % 群体最优更新
    
86.         if fitness(j) < fitnesszbest
    
87.             zbest = pop(j,:);
    
88.             fitnesszbest = fitness(j);
    
89.         end
    
90.     end
    
91.     iter = iter+1;                      % 迭代次数更新
    
92.     y_fitness(1,iter) = fitnesszbest;         % 为绘图做准备
    
93.     K_p(1,iter) = zbest(1);
    
94.     K_i(1,iter) = zbest(2);
    
95.     K_d(1,iter) = zbest(3);
    
96. end
    
97. %% 绘图
    
98. kp = zbest(1);
    
99. ki = zbest(2);
    
100. kd = zbest(3);
     
101. disp(['PSO最优解', num2str(zbest)])
     
102. disp(['PSO最优解对应的目标值', num2str(fitnesszbest)])
     
103. fprintf('\n')
     
104. 
     
105. figure(1)      % 绘制性能指标ITAE的变化曲线
     
106. plot(y_fitness,'LineWidth',3)
     
107. title('最优个体适应值','fontsize',10);
     
108. xlabel('迭代次数','fontsize',10);ylabel('适应值','fontsize',10);
     
109. set(gca,'Fontsize',10);
     
110. grid on
     
111. 
     
112. figure(2)      % 绘制PID控制器参数变化曲线
     
113. plot(K_p,'b-','LineWidth',2); hold on
     
114. plot(K_i,'k-.','LineWidth',2)
     
115. plot(K_d,'r--','LineWidth',2)
     
116. title('Kp、Ki、Kd 优化曲线','fontsize',10);
     
117. xlabel('迭代次数','fontsize',10);   ylabel('参数值','fontsize',10);
     
118. set(gca,'Fontsize',10);
     
119. legend('Kp','Ki','Kd',1);
     
120. grid on;hold off;
     
121. 
     
122. % PID响应
     
123. if choosed==1
     
124.     [rint, yout]=PID_Fun_1_response(zbest);
     
125. elseif(choosed==2)
     
126.     [rint, yout]=PID_Fun_2_response(zbest);
     
127. elseif(choosed==3)
     
128.     [rint, yout]=PID_Fun_3_response(zbest);
     
129. elseif(choosed==4)
     
130.     [rint, yout]=PID_Fun_4_response(zbest);
     
131. elseif(choosed==5)
     
132.     [timef, rint, yout]=PID_Fun_5_response(zbest);
     
133. elseif(choosed==6)
     
134.     [timef, rint, yout]=PID_Fun_6_response(zbest);
     
135. end
     
136. figure('color',[1,1,1])
     
137. plot(timef, rint,'b-','linewidth',2);hold on;
     
138. plot(timef, yout,'r.-','linewidth',2);
     
139. axis tight;grid on;
     
140. hold off;
     
141. 
     
142. err = rint-yout;
     
143. figure,
     
144. plot(timef, err,'r.-','linewidth',2);
     
145. axis tight;grid on;
     
146. title('PSO误差值')
     
147. xlabel('迭代次数','fontsize',10);   ylabel('误差值','fontsize',10);
     
148. hold off;
     
149. 
     
150. save PSO.mat
     
151. rmpath(genpath('./PID_funtion'))
     
152. % rmpath(genpath('./test_function'))

复制代码

simulink模型如下：
参考：

【1】PID simulink优化仿真
【2】如何在simulink中利用优化工具箱（遗传算法）对PID参数优化
【3】百度网盘完整代码 下载链接：https://pan.baidu.com/s/18clJnM64yXIC4llYs8ljvw 提取码：dvub