基于遗传算法的PID参数整定的MATLAB程序代码.doc

《基于遗传算法的PID参数整定的MATLAB程序代码.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于遗传算法的PID参数整定1引言传统的比例、积分、微分控制，即PID控制具有算法简单、鲁棒性好和可靠性高等优点，已经被广泛用于工业生产过程。但工程实际中，PID控制器的比例、积分和微分调节参数往往采用实验加试凑的方法由人工整定。这不仅需要熟练的技巧，往往还相当费时。更为重要的是，当被控对象特性发生变化，需要控制器参数作相应调整时，PID控制器没有自适应能力，只能依靠人工重新整定参数，由于经验缺乏，整定结果往往达不到最优值，难以满足实际控制的要求。考虑生产过程的连续性以及参数整定费事费力，这种整定实际很难进

2、行。所以，人们从工业生产实际需要出发，基于常规PID控制器的基本原理，对其进行了各种各样的改进。近年来许多学者提出了基于各种智能算法的PID整定策略，比如模糊PID、神经元网络PID等等。然而，这些先进算法都要求对被控对象有很多的先验知识，在实际应用中往往难于做到。随着计算技术的发展，遗传算法有了很大的发展。将遗传算法用于控制器参数整定，已成为遗传算法的重要应用之一。本文介绍基于遗传算法的PID参数整定设计方法。这是一种寻求全局最优的控制器优化方法，且无需对目标函数微分，可提高参数优化效果，简化计算过程。仿

3、真实例表明该方法与其他传统寻优方法相比，在优化效果上具有一定的优势。2遗传算法简介2.1遗传算法的基本原理遗传算法是JohnH．Holland根据生物进化的模型提出的一种优化算法。自然选择学说是进化论的中心内容。根据进化论，生物的发展进化主要有三个原因：即遗传、变异和选择。遗传算法基于自然选择和基因遗传学原理的搜索方法，将“优胜劣汰，适者生存”的生物进化原理引入待优化参数形成的编码串群体中，按照一定的适应度函数及一系列遗传操作对各个体进行筛选，从而使适应度高的个体被保留下来，组成新的群体；新群体包含上一代的

4、大量信息，并且引入了新的优于上一代的个体。这样周而复始，群体中各个体适应度不断提高，直至满足一定的极限条件。此时，群体中适应度最高的个体即为待优化问题的最优解。遗传算法通过对参数空间编码并用随机选择作为工具来引导搜索过程朝着更高效的方向发展。正是由于遗传算法独特的工作原理，使它能够在复杂空间进行全局优化搜索，具有较强的鲁棒性。另外，遗传算法对于搜索空问，基本上不需要什么限制性的假设(如连续、可微及单峰等)。而其它优化算法，如解析法，往往只能得到局部最优解而非全局最优解，且需要目标函数连续光滑及可微；枚举法虽

5、然克服了这些缺点，但计算效率太低，对于一个实际问题常由于搜索空间太大而不能将所有情况都搜索到；即使很著名的动态规划法，也遇到“指数爆炸”问题，对于中等规模和适度复杂性的问题常常无能为力。2.2遗传算法的特点同常规优化算法相比，遗传算法有以下特点：1)遗传算法是对参数的编码进行操作，而不对参数本身。首先基于一个有限的字母表，把最优化问题的自然参数集编码为有限长度的字符串。2)遗传算法是从许多点开始并行操作的，而不局限于一点，有效防止搜索过程收敛于局部最优解。3)遗传算法通过目标函数来计算适应度，不需要其他推导

6、和附加信息，对问题的依赖性较小。4)遗传算法的寻优规则是由概率决定的，而非确定性的。5)遗传算法在解空间进行高效启发式搜索，而非盲目地穷举或完全随机搜索。6)遗传算法对于待寻优的函数基本无限制，它不要求函数连续和可微，可以是数学解析式所表达的显函数，又可以是映射矩阵甚至是神经网络等隐函数，因而应用范围较广。7)遗传算法具有并行计算的特点，因而可以通过大规模并行计算来提高计算速度。8)遗传算法计算简单，功能强，更适合大规模复杂问题的优化。3遗传算法的基本操作3.1复制复制是从一个旧种群中选择生命力强的个体位串

7、产生新种群的过程。根据位串的适配值拷贝，也就是指具有高适配值的位串更有可能在下一代中产生一个或多个子孙。它模仿了自然现象，应用了达尔文的适者生存理论。复制操作可以通过随机方法来实现。若用计算机程序来实现，可考虑首先产生0~1之间均匀分布的随机数，若某串的复制概率为40%，则产生的随机数在0~0.40之间时，该串被复制，否则被淘汰。此外，还可以通过计算方法实现，其中较典型的几种方法为适应度比例法、期望值法、排位次序法等。适应度比例法较常用。3.2交叉复制操作能从旧种群中选择出优秀者，但不能创造新的染色体。而交

8、叉模拟了生物进化过程中的繁殖现象，通过两个染色体的交换组合，来产生新的优良品种。它的过程为：在匹配池中任选两个染色体，随机选择一点或多点交换点位置；交换双亲染色体交换点右边的部分，即可得到两个新的染色体数字串。交换体现了自然界中信息交换的思想。交叉有一点交叉、多点交叉、还有一致交叉、顺序交叉和周期交叉。一点交叉是最基本的方法，应用较广，它是指染色体切断点有一处，例如：A:1110->0101B:0101->111