For the proceeding control algorith

For the proceeding control algorithms, tuning the controller constants (gains and dif-ferent parameters) was done using GA. The objective function of the GA was set to
be the settling time of the response of the system. The GA is an iterative optimiza-tion algorithm works in the following way; rst it generates a random population"
consisting of many individuals, which in our case will be a vector of values for the
controller gains. The tness of the individuals of the population is evaluated using an
objective function, which is the settling time of the response of the system with these
values set as the control gains. Another population is then generated from the current
one using genetic operations like evolution, mutation and crossover and their tness
is also evaluated. The elite" of the two populations are then selected to form a third
population. The term elite" indicates those individuals having the best tness or the
least value of the objective function (settling time in our case). The algorithm keeps
on iterating until it reaches a population where all (or most of) its individuals are
elite individuals and returns the individual (the value for the control gains) that has
the least possible tness (produces the least possible settling time for the system). In
this work, we have not gone through the process of implementing a GA from scratch
as this is out of our scope. Instead, the optimization toolbox in MATLAB was used
and it includes a built-in command for GA optimization. The Block Diagram for the
GA is shown in Figure 4-5.

Kết quả (Việt) 1:

Để tiến hành các thuật toán kiểm soát, điều chỉnh bộ điều khiển hằng (lợi nhuận và các thông số c-ferent) đã được thực hiện bằng cách sử dụng GA. Hàm GA, mục tiêu được thiết lập đểlà thời gian settling của các phản ứng của hệ thống. GA là một thuật toán lặp đi lặp lại optimiza-tion hoạt động theo cách sau; RST nó tạo ra một population ngẫu nhiên"bao gồm nhiều cá nhân, mà trong trường hợp chúng tôi sẽ có một vectơ các giá trị cho cácbộ điều khiển thu. Tness cá nhân dân được đánh giá bằng cách sử dụng mộthàm mục tiêu, đó là thời gian phản ứng của hệ thống với những settlinggiá trị đặt làm tăng quyền kiểm soát. Một dân số sau đó được tạo ra từ hiện tạimột trong những bằng cách sử dụng các hoạt động di truyền như evolution, đột biến và crossover và tness của họcũng được đánh giá. Elite"của người dân hai sau đó được lựa chọn để tạo thành một phần badân số. Thuật ngữ elite"cho thấy những cá nhân có tness tốt nhất hoặc cácít nhất là giá trị của hàm mục tiêu (giải quyết thời gian trong trường hợp của chúng tôi). Các thuật toán giữNgày iterating cho đến khi nó đạt đến một số nơi tất cả (hoặc hầu hết) cá nhân của mìnhcá nhân ưu tú và trả về các cá nhân (giá trị cho các lợi ích điều khiển) cóít nhất có thể tness (sản xuất thời gian settling ít nhất có thể cho hệ thống). Ởcông việc này, chúng tôi đã không đi qua quá trình triển khai thực hiện một trò chơi từ đầunhư thế này là ra khỏi phạm vi của chúng tôi. Thay vào đó, công cụ tối ưu hóa trong MATLAB được sử dụngvà nó bao gồm một lệnh được xây dựng trong để tối ưu hóa GA. Sơ đồ khối cho cácGA được thể hiện trong hình 4-5.

Kết quả (Việt) 2:

Đối với các thuật toán điều khiển hiện tại, điều chỉnh các hằng số điều khiển (tăng và các thông số khác nha-ferent) đã được thực hiện sử dụng GA. Hàm mục tiêu của GA được thiết lập để
có thời gian giải quyết của các phản ứng của hệ thống. GA là một lặp optimiza-tion thuật toán làm việc theo cách sau; RST nó tạo ra một dân "ngẫu nhiên
gồm nhiều cá nhân, mà trong trường hợp của chúng tôi sẽ là một vector của các giá trị cho các
tăng điều khiển. Các tness của cá nhân của dân số được đánh giá sử dụng một
hàm mục tiêu, đó là thời gian giải quyết của phản ứng của hệ thống với các
giá trị thiết lập như các lợi ích kiểm soát. một đàn khác sau đó được tạo ra từ hiện tại
một cách sử dụng các hoạt động di truyền giống như sự tiến hóa, đột biến và crossover và tness của họ
cũng được đánh giá. các ưu tú "của hai quần thể này sau đó được chọn để hình thành một phần ba
dân số. Thuật ngữ ưu tú "chỉ những cá nhân có tness tốt nhất hoặc
giá trị nhỏ nhất của hàm mục tiêu (giải quyết lần trong trường hợp của chúng tôi). Thuật toán giữ
trên iterating cho đến khi nó đạt đến một số nơi mà tất cả (hoặc hầu hết) các cá nhân của nó là
các cá nhân ưu tú và trả về các cá nhân (các giá trị cho các lợi ích kiểm soát) có
các tness ít nhất có thể (sản xuất thời gian giải quyết tốt nhất cho hệ thống). trong
tác phẩm này, chúng tôi đã không trải qua quá trình thực hiện một GA từ đầu
vì đây là ra khỏi phạm vi của chúng tôi. Thay vào đó, hộp công cụ tối ưu hóa trong MATLAB được sử dụng
và nó bao gồm một built-in lệnh cho GA tối ưu hóa. các sơ đồ khối cho
GA được thể hiện trong hình 4-5.