多目标遗传算法在电机控制系统参数整定中的应用

《多目标遗传算法在电机控制系统参数整定中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、船电技术2009年第3期Vol.29No.32009.3多目标遗传算法在电机控制系统参数整定中的应用李学斌（武汉第二船舶设计研究所，武汉430064）摘要：本文给出了一种基于多目标遗传算法的PID参数设计方法，综合考虑系统超调量、稳定时间和ITAE指标，采用多目标遗传算法（NSGAII）求出Pareto最优解。使用信息熵法对最优解的属性进行权值计算，根据逼近理想解的排序方法对Pareto最优解给出排序。计算了一个电机控制的数值算例，结果表明本文方法所设计的PID控制器性能优异，适合工程实际应用。关键词：电机PID调

2、节器遗传算法多目标优化多属性决策TOPSIS中图分类号：TP273文献标识码：A文章编号：1003-4862（2009）03-0006-04MultiobjectiveOptimizationandMulti-attributeDecisionMakingforPIDParametersTuninginMotorControllerSystemLIXuebin(WuhanSecondShipDesignandResearchInstitute,Wuhan430064,China)Abstract:Thetuning

3、ofPIDcontrollerparametersisthemostimportanttaskinPIDdesignprocess.AnewtuningmethodispresentedforPIDparametersbasedonmultiobjectiveoptimizationtechnique.ANon-dominatedSortingGeneticAlgorithmII(NSGAII)isemployedtoapproximatethesetofParetosolutionthroughanevoluti

4、onaryoptimizationprocess.Andamulti-attributedecisionmakingapproachisadoptedtorankthesesolutionsfrombesttoworstandtodeterminethebestsolutioninadeterministicenvironmentwithasingledecisionmaker.APIDdesignexampleformotorisconductedtoillustratetheanalysisprocessinp

5、resentstudy.TherankingofParetosolutionisbasedonentropyweightandTOPSISmethod.Keywords:motorPIDcontroller;GeneticAlgorithm;Multiobjectiveoptimization;multi-attributedecisionmaking;TOPSIS1引言山法等。近年来，随着智能控制理论的发展，还出现了一些基于遗传算法、粒子群优化等整定方PID控制是最早发展起来的控制策略之一，[1]法等。其结构简单

6、、容易实现，控制效果好。在工业过PID的优化整定就是针对特定的系统建立数程控制中至今仍然得到广泛的应用。目前，PID学模型，运用优化方法按照一定的性能指标进行参数调整大多数采用人工经验指导下的试验试凑寻优。常用的性能指标有各种积分型指标，如ISE,方法，如典型的Ziegler-Nichols方法，还有其他[2]IAE，ISTE和ITAE等。单纯用某一指标作为一些改进的方法，如间接寻优方法、梯度法和爬收稿日期：2008-08-21作者简介：李学斌（1968—），男，博士，研究员。研究方向：船舶及海洋物设计、优化。6V

7、ol.29No.32009.3船电技术2009年第3期参数整定的评价标准有一定的局限性，需要综合遗传算法通过对一个种群进行运算操作，在考虑控制系统的稳定性、快速性以及准确性3者一个进化代中可以得到多个Pareto最优解，因此，之间的制约关系，因此整定过程可以看成是一个它是求解Pareto最优解集的一种有效算法。多目标优化问题。近年出现的进化算法是解决多NSGA算法将非支配排序思想引入遗传算法，把[3]目标优化问题的有效算法。对于多目标优化问多个目标函数的计算转化为虚拟适应度的计算，题，当Pareto最优解集求出来之

8、后，可以采用多用于求解多目标优化问题。NSGA的基本原理是[4]属性决策方法挑选出最后的折中解或最优解。基于对个体的几层分级实现种群的非支配排序，本文把系统超调量、稳定时间和ITAE指标在选择操作执行前，群体根据支配与非支配关系为目标函数，采用改进非劣分层多目标遗传算法排序，所有非支配个体被排成一类，这些个体共[5]（NSGAII）求出Pareto最优解。由