基于自适应在线遗传算法的pid参数

《基于自适应在线遗传算法的pid参数》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、基于自适应在线遗传算法的PID参数整定与优化陈永红朱从乔王基（海军工程大学湖北武汉）摘要：为了解决遗传算法在线性差的问题，提出了一种自适应在线遗传算法。将该方法应用于柴油机调速器的PID参数的优化与整定，其结果明显优于传统的遗传算法。通过MATLAB仿真实验结果表明，在PID参数的寻优问题中，自适应在线遗传算法具有更强的寻优能力，提高了控制系统的自适应性和抗干扰能力。关键词：遗传算法；PID；参数；自适应；MATLAB；中图分类号:ＴＰ273　　文献标识码:ＡOptimizedandAdjusttheParameterofPIDBased

2、onOn-lineAdaptiveGeneticAlgorithmsCHENYong-hongZHUCong-qiaoWANGJi(PowerEng.College,NavalUniv.Engineering,Wuhan,China)Abstract:Inordertosolvetheon-linearofGeneticAlgorithms(GA),anOn-lineadaptiveGAwasproposed.ThisimprovedGAwasappliedtooptimizetheparameterofPID,theresultispr

3、oceedinginevidence.SimulatingresultsindicatethattheOn-lineadaptiveGAhashighercapabilityofoptimizationforparameterofPIDoptimizationproblem,increasetheadaptiveandanti-jammingofcontrolsystem.Keyword:GeneticAlgorithms;PID;parameter;Adaptive;MATLAB；1引言PID控制规律具有算法简单、鲁棒性好和可靠性高的优

4、点，它是工业过程控制中应用最广的策略之一，因此PID控制器参数的优化与整定成为人们关注的主要问题，它直接影响到控制效果的好坏，并和系统的安全、经济运行有着密不可分的关系。目前实现PID参数整定和优化的方法有很多，目前在软件MATLAB中可以实现的就有Ziegler—Nichols法、Cohen—Coon法、最优控制法（误差积分指标最优）、稳定边界法等。同时还有梯度法以及单纯形法等。但这些方法都有一定的局限性。而本文采用自适应在线遗传算法对PID参数进行整定与寻优，是一种在传统遗传算法基础上而改进的优化方法。具有比传统的遗传算法更好的寻优效

5、果。遗传算法简称GA（GeneticAlgorithms）[1,2,5]，它是根据自然界的遗传机理而设计的一种全新概念的优化方法，是一种建立在生物界自然选择原理和自然遗传机制的随机搜索方法，它模拟了生物界中的生命进化机制，在人工系统中实现特定目标的优化。它最早由美国Michigan大学的J.Holland教授提出，起源于60年代人们对自然和人工自适应系统的研究。遗传算法的主要特点是群体搜索策略和群体中个体之间的信息交换，搜索不依赖于梯度信息。它尤其适应于处理传统方法难于解决的复杂和非线性问题，所以广泛应用于模式识别、神经网络、图像处理、机

6、器学习、工业优化控制、自适应控制、生物科学、社会科学等方面。但是，遗传算法还是在在线性方面具有一些不足之处。而自适应在线遗传算法就是针对传统遗传算法的一些不足改进而来[4]。所谓在线PID参数整定，即在每个采样时间分别对PID参数进行整定。采用遗传算法在线整定PID参数，就是针对每个采样时间实现PID控制参数的遗传算法优化。在采样时间，选取足够多的个体，计算不同个体的自适应度，通过遗传算法的优化，选择自适应度大的个体所对应的PID控制参数作为该采样时间下的PID控制参数。这样通过在线的遗传算法可以得到比传统的遗传算法更优的结果。2计算步骤

7、遗传算法的基本思想是：在寻优时先对参数进行编码,按一定规模初始化一个种群,种群中的每一个体代表一个可能的解。然后根据适应度值函数,计算每一个体的适应度值并依此控制再生操作,之后按一定的概率对种群进行交叉、变异操作。这样种群不断进化,直至寻优结束。自适应在线遗传算法的基本步骤与传统的遗传算法基本相同，不同点在于它是在每个采样时间i时都对参数进行遗传寻优。在采样时间i的具体计算步骤为：⑴编码：编码的方法很多，有实数编码、二进制编码等等。本文采用的是二进制编码形式。对参数编码以后即成为一条染色体。⑵初始群体的生成：初始群体是根据设置的群体大小而

8、随机产生的。它作为进化的初始代，即第一代。⑶适应度评估检测：遗传算法在搜索时不需要外部的信息，只是根据适应度函数来评估个体的优劣，并作为以后操作的依据。⑷复制：复制的目的是为了从当前群体中选出