Professional Documents
Culture Documents
Diplomski Rad Milica Jovanovic 1540
Diplomski Rad Milica Jovanovic 1540
Машински факулет
Кандидат: Ментор:
Милица З. Јовановић 1540/14 Доц. др Иван Ћирић
Садржај
Увод
PID контролери
• начини подешавања PID контролера
Генетски алгоритми (ГА)
реално кодирани ГА
оптимизација параметара комплексног мултиваријабилног система PID
контролера применом реално кодираних генетских алгоритама
одзив процеса управљаног генетски оптимизованим PID контролерима
Закључак
Завршни (дипломски) рад 2
Увод
• Постоји много метода избора параметара контролера у ситуацијама када није могуће
користити конвенционалне начине подешавања, једна од њих јесте метода
подешавања параметара PID контролера применом генетских алгоритама.
Селекција Резултат
Генерисање
Старт нове
популације
Укрштање
Мутација
Број генерација
Временско ограничење
Временско стагнирање
Толеранција функције
Завршни (дипломски) рад 10
Оптимизација параметара комплексног мултиваријабилног
система PID контролера применом реално
кодираних генетских алгоритама
𝑈1 1
𝑠 = 𝐾𝑃1 + 𝐾𝐼1 + 𝑠𝐾𝐷1
𝐸1 𝑠
односно,
𝑈2 1
𝑠 = 𝐾𝑃2 + 𝐾𝐼2 + 𝑠𝐾𝐷2
𝐸2 𝑠
• Фитнес функција је дефинисана као збир сума апсолутних вредности релативних грешака ( кисеоник, снага
током симулације):
𝑀 𝑀
𝑦𝑂2 − 𝑦ො𝑂2 𝑦𝑃 − 𝑦ො𝑃
𝑓 𝜃 =𝑘∙ +
𝑦ෞ
𝑂2 𝑦ෞ𝑃
1 1
- Θ- хромозом
- к – тежински фактор
Завршни (дипломски) рад 12
• Оптимизација је трајала 100 генерација и добијени су
следећи резултати, табела 2.
Бр. Почетна Добијена
Подешавање f(θ)
генерација вредност θ вредност θ
популацију чини 20 хромозома;
селекцијом изабрана 2 елитна
хромозома из сваке генерације [21.59, 27.60,
[0, 0, 0, 0, 0,
1 који ће даље учествовати у 100 6.66, 6.37, 13.47
укрштању; 0] 0.17, 21.09]
мутација извршена над случајно
избараним хромозомима деце;
[18.55,
хромозом почетних вредности 19.84, 13.53, [35.89, 40.93,
дефинисан као вектор са
3 елементима резултата предходне 100 5.87, 0.0039, 7.43, 5.93, 6.84
оптимизације 9.30] 0.0039, 9.05]
I. oптимизацијa
II. Оптимизацијa
III. Oптимизација
• Постоје бројне методе за подешавање параметара PID контролера, од којих су, генерално,
најтачније оне које укључују математички модел објекта управљања. У пракси, то често није случај
па се примењују мање прецизне али такође прихватљиве методе, као што је у нашем случају
примена генетских алгоритама.
• Генетски алгоритми су нам служили да нам покажу колика је способност (фитнес функција)
појединих јединки успешна у испуњавању циљева преживљавања и размножавања.
• Закључили смо да, да би то било могуће прецизно одредити, неопходно је да излаз система буде
мерљив и коначан у сваком тренутку као и да сваки параметар мора бити у корелацији са излазом.