基于自适应遗传算法的pid参数优化仿真研究

《基于自适应遗传算法的pid参数优化仿真研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、控制系统文章编号：!""!#$$%%&’""()"!#""*"#"*基于自适应遗传算法的!"#参数优化仿真研究陈向阳!，苗广祥"（!"河北大学数学与计算机学院，河北保定#$!##%；%"华北电力大学自动化系，河北保定#$!##&）摘要：针对现有#$%调节器的整定方法和遗传算法优化参数存在的问题，提出了一种自适应遗传算法用于#$%参数寻优的方案。该算法采用了变群体规模和自动改变交叉概率、变异概率的措施，能提高算法的执行效率，收敛性较好，而且不易陷入局部最优解。以过热汽温控制系统为例，分别采用了简单遗传算法和改进遗传算法，对串级控制系统的#

2、$%参数寻优，仿真结果表明改进后的遗传算法具有较强的执行效率和很好寻优效果。关键词：’()；改进遗传算法；变群体规模；串级控制系统中图分类号：&#"’(文献标志码：)#$%&’()$*+#)&,-.*/01/(2(%3)3245)$%$6()$.*7(83,.*9,(5)$:3;3*3)$<9’+.2$)=%-./012345#6345!789:;<=345#>2345’&!?-@AAB5B@C83DEBF3D2GH34I-@FJ=DBK7.B2LB2M42NBKH2D67O3@I245"P!""’7-E243Q’?RBJ3KDFB4D

3、@C:=D@F3D2@470@KDE-E243/ABGDK2GS@TBKM42NBKH2D67O3@I245"P!""*7-E243)9>8)2(<)：:2F2453DDEBB>2HD245JK@LABFH@CG=KKB4DS9RD=4245FBDE@IH34IH2FJAB5B4BD2G3A5@K2DEF，343I3JD2NB5B4BD2G@4B2HLK@=5ED@=DD@@JD2F2UBS9RJ3K3FBDBKH?VEB3A5@K2DEF73I@JD245N3K23LABJ@J=A3D2@4H2UB34I3I3JD2NBGK@HH@N

4、BK7F=D3D2@4JK@L3L2A2D67G34LBDDBK2FJK@NBDEBB>BG=D2@4BCC2G2B4G67G@4NBK5B4GB34ILBI2CC2G=ADD@C3AA24D@A@G3A@JD2F2U3D2@4?V3W24534B>3FJAB@C@JD2F2U245S9RJ3K3FBDBKH@CG3HG3IBG@4DK@AH6HDBF7DEBH2F=A3D2@4KBH=ADHHE@TDE3D7G@FJ3K245T2DEH2FJAB5B4BD2G3A5@K2DEF72FJK@NBI5B4BD2G3A5@K2DEFE3NB

5、E25BKBCC2G2B4G634IJBKCBGD@JD2F2U3D2@4BCCBGD?XE3D’HF@KB7DEB3A5@K2DEF34IHDK3DB562H33AA#J=KJ@HBFBDE@I34IG34LB3JJA2BID@F346@DEBK@JD2F2U3D2@4JK@LABFH??3-@.2,8：S9R；9FJK@NBI5B4BD2G3A5@K2DEF；Y3K23LABJ@J=A3D2@4H2UB；G3HG3IBG@4DK@AH6HDBF$引言化是切实可行的。传统S9R整定方法多采用试验加试凑的人工目前，遗传算法用于控制系统的

6、参数优化已有方法，精度较低，调试时间较长，有时难于满足目前研究，文献Z![将简单遗传算法用于S9R参数寻优，对自动化的要求。遗传算法是一种借鉴生物界自然效果比较好；文献Z’[更进一步将自适应策略用于参选择和进化机制发展起来的高度并行、随机、自适数优化控制中，效果比较好；文献Z*[<@AILBK5对最优应搜索算法，且由于此算法结构的开放性，易于与的群体规模进行了理论分析；文献Z%[建议了一个根问题结合、便于运算，因此将其应用于S9R参数优据选择误差调节群体规模的算法。本文在前人的基收稿日期：’""%+"%+!,；修订日期：’""%+!"+

7、’,!"!"#$%&#’$()*(+#,"%-(#&#’$(.//0!1"控制系统础上，对遗传算法从机理上进行分析研究，侧重考适应度趋于一致或趋于局部最优时，有较大交叉概虑了算法的执行效率和收敛性问题，提出了变群体率，避免进入局部最优。规模的自适应遗传算法，并将其策略用于火电厂过构造交叉概率函数热汽温控制系统!"#参数寻优中，效果比较好。!（(5$/(5&）（#(-./#6）#(5$/#/#，#!#-7另外，本文在目标函数的选取上也进行一定的’5’"(-.-7#分析研究，综合考虑了系统动、静态特性，对于算法$(5$，#8#-7寻优的收敛

8、性、快速性也起到一定的作用。因此，本式中：#-7为每代群体的平均适应度；#6为要交叉的两算法不仅仿真研究是可行的，而且用于现场的!"#个个体中较大的适应度；(5$’239，(5&’23:。（&）自适应变异参