改进的遗传算法及其在h型钢连轧张力控制中的应用研究

《改进的遗传算法及其在h型钢连轧张力控制中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要遗传算法是一种产生于生物进化思想的随机搜索算法。它借鉴于优胜劣汰、适者生存的自然选择机理，简单通用、鲁棒性强、适合于并行处理，是一种有效的全局搜索方法，在多个领域得到了成功的应用。但是遗传算法也存在收敛速度慢、易早熟、局部搜索能力差等缺点，在搜索速度与求解精度上往往不能两者兼顾。为了解决这些问题，在对遗传算法进行深入分析的基础上，本文做了如下研究工作：在系统地介绍了遗传算法的基本思想、算法特点、运算过程及其应用的基础上，对它的操作算子逐一作了说明。最后介绍了遗传算法的两个重要的评价指标(收敛时间和收敛代数)。，介绍了一些常见的改进遗传算法，主要是分层遗传算法、CHC算

2、法、messy遗传算法、自适应遗传算法、基于小生境技术的遗传算法、混合遗传算法、并行遗传算法等，并对相关理论作了详细说明。针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点，在前人研究成果的基础上，提出了一种新型改进的遗传算法，并将其应用于PID参数寻优。该改进算法既具有经典遗传算法的全局寻优能力，又具有局部寻优能力，同时它又能有效地抑制早熟，保证得到的优化参数为最优。最后，将基于新型改进遗传算法的PID控制器应用到H型钢连扎张力控制系统中，实现微张力或零张力控制．仿真结果表明，该PID控制器可以极大地提高寻优的速度，鲁棒性强，具有很好的动态品质和稳定性。关键词遗

3、传算法；参数寻优；PID控制；编码机制；H型钢；在线调整燕山大学工学硕士学位论文AbstractGeneticalgorithm(GA)isarandomsearchmethodbasedonthebiologicalevolution．Itrootsinthenaturalselectionmechanismofthesurvivalofthefittest．Itissimple，robustandCallbeusedintheparallelcomputation．Itsglobalsearchperformanceisveryexcellent，butGAalsoh

4、assomeshortcomingssuchaSslowconvergencespeed,easytobepremature，badlocalsearchcapability．Anditcan'tmeettherequirementsofsearchspeedandsolutionprecisionsimukaneomly．Inordertosolvetheseproblems，greatdealsofresearchworkshavebeendoneinthisthesis．AftertheintroductionofthebasicprinciplesofGA,the

5、arithmeticcharacters．thearithmeticprocessanditsapplication,weexplainoperatorsindetailThenwepresenttwoimportantindexes：theconvergencetimeandtheconvergencegeneration．SomeimprovedGAsareintroduced．SuchaSHierarchicGeneticAlgorithm(HGA)，CHCalgorithm,messyGeneticAlgorithm(MGA)，AdaptiveGeneticAlg

6、orithm(AGA)，NichedGA,hybridGeneticAlgorithmOaOA)andparallelGeneticAlgorithm@GA)aremainlydiscussed．AncWimprovedGAisproposedtodesigntheparametersoptimizationofPIDcontroller．Itcanheusedtoovercometheshortcomingsofslow-convergence，eaSy-prematureandincapabilityofoptimizationinthelocalareaofclas

7、sicalgeneticalgorithm．佻algorithmhasbo也thecapabilityofoptimizationintheglobalareaandthecapabilityofoptimizationofthedirectsearchmethodsinthelocalarea．ItCallavoidprematureconvergence，andensuretheobtainedparametersareoptimaLAtlast，thenewimprovedgeneticalgorithmproposed