基于遗传算法的PID控制器参数优化与仿真.pdf

《基于遗传算法的PID控制器参数优化与仿真.pdf》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、《仪器仪表与分析监测)2o~o年第3期基于遗传算法的PID控制器参数优化与仿真ParameterOptimizationandSimulationforaPIDControllerBasedonGeneticAlgorithm史振兴(华北电力大学自动化系河北保定071003)[摘要]阐述了一种基于遗传算法的PID控制器参数优化设计方法。仿真研究表明，遗传算法应用于PID参数优化，与传统的寻优方法相比可提高控制器的稳定性和动态特性。[关键词]遗传算法；PID控制器；参数优化；Matlab仿真[中图分类号]TP273[

2、文献标识码]A化论的中心内容。根据进化论，生物的发展进化主引言要有三个原因：即遗传、变异和选择。遗传算法基传统的比例、积分、微分控制，即PID控制具有于自然选择和基因遗传学原理的搜索方法，将“优算法简单、鲁棒性好和可靠性高等优点，已经被广胜劣汰，适者生存”的生物进化原理引入待优化参泛用于工业生产过程。但工程实际中，PID控制器数形成的编码串群体中，按照一定的适应度函数及的比例、积分和微分调节参数往往采用实验加试凑一系列遗传操作对各个体进行筛选，从而使适应度的方法由人工整定。这不仅需要熟练的技巧，往往高的个体被保留下

3、来，组成新的群体；新群体包含还相当费时。更为重要的是，当被控对象特性发生上一代的大量信息，并且引入了新的优于上一代的变化，需要控制器参数作相应调整时，PID控制器没个体。这样周而复始，群体中各个体适应度不断提有自适应能力，只能依靠人工重新整定参数，由于高，直至满足一定的极限条件。此时，群体中适应经验缺乏，整定结果往往达不到最优值，难以满足度最高的个体即为待优化问题的最优解。实际控制的要求。考虑生产过程的连续性以及参遗传算法通过对参数空间编码并用随机选择作数整定费事费力，这种整定实际很难进行。所以，为工具来引导搜索过

4、程朝着更高效的方向发展。正人们从工业生产实际需要出发，基于常规PID控制是由于遗传算法独特的工作原理，使它能够在复杂空器的基本原理，对其进行了各种各样的改进。近年间进行全局优化搜索，具有较强的鲁棒性。另外，遗来许多学者提出了基于各种智能算法的PID整定传算法对于搜索空问，基本上不需要什么限制性的假策略，如模糊PID，神经元网络PID等¨，但这些设(如连续、可微及单峰等)。而其它优化算法，如解先进算法都要求对被控对象有很多的先验知识，在析法，往往只能得到局部最优解而非全局最优解，且实际应用中往往难于做到。随着计算技术

5、的发展，需要目标函数连续光滑及可微；枚举法虽然克服了这遗传算法有了很大的发展3』。将遗传算法用于控些缺点，但计算效率太低，对于一个实际问题常由于制器参数优化，已成为遗传算法的重要应用之一。搜索空间太大而不能将所有情况都搜索到；即使很著本文介绍基于遗传算法的PID参数优化设计方名的动态规划法，也遇到“指数爆炸”问题，对于中等法。这是一种寻求全局最优的控制器优化方法，且规模和适度复杂性的问题常常无能为力。无需对目标函数微分，可提高参数优化效果，简化同常规优化算法相比，遗传算法有以下特点：计算过程。仿真实例表明该方法与其

6、他传统寻优1)遗传算法是对参数的编码进行操作，而不对方法相比，在优化效果上具有一定的优势。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。1遗传算法简介2)遗传算法是从许多点开始并行操作的，而不遗传算法是JohnH．Holland根据生物进化的局限于一点，有效防止搜索过程收敛于局部最优解。模型提出的一种优化算法。自然选择学说是进3)遗传算法通过目标函数来计算适应度，不需·-——4·-——基于遗传算法的PID控制器参数优化与仿真史振兴要其他推导和附加信息，对问题的依赖性较小。变量转

7、换成遗传空间中的染色体，这些染色体由基4)遗传算法的寻优规则是由概率决定的，而非因按一定排列方式组成。这个转换过程就是编码。确定性的。解码是编码的逆操作，表述成将染色体的编码映射5)遗传算法在解空间进行高效启发式搜索，而到问题空间的操作。。非盲目地穷举或完全随机搜索。常见的编码方法有：二进制编码、浮点编码、灰6)遗传算法对于待寻优的函数基本无限制，它度编码等，本文采用常用的二进制编码方法。不要求函数连续和可微，可以是数学解析式所表达二进制编码和十进制的解变量之间转换公式如下：的显函数，又可以是映射矩阵甚至是神经网络

8、等隐。0=amin+(n⋯一0min)(3j)函数，因而应用范围较广。其中：[ai，a]是的取值范围；b为一个二进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。制的编码所对应的十进制值；L为该参数所设定的8)遗传算法计算简单，功能强，更适合大规模二进制码的长度。复杂问题的优化。2．2．2初始种群的构建确定种群大小Size和各个参数