基于GA的PID参数调整精Word下载.docx

基于GA的PID参数调整精Word下载.docx

《基于GA的PID参数调整精Word下载.docx》由会员分享，可在线阅读，更多相关《基于GA的PID参数调整精Word下载.docx（41页珍藏版）》请在冰豆网上搜索。

遗传算法模仿生物进化的步骤,在优化过程中引入了选择,交叉,变异等算子,选择是从父代种群中将适应度较高的个体选择出来,以优化种群;

交叉是从种群中随机地抽取一对个体,并随机地选择多位进行交叉,生成新样本,达到增大搜索空间的目的;

变异是为了防止选择和交叉丢失重要的遗传信息,它对个体按位进行操作,以提高GA的搜索效率和全局搜索能力。

通过适应度函数来确定寻优方向,与其他一些常规整定方法相比,遗传算法比较简便,整定精度较高。

本文用GA对PID控制器的参数进行了优化调整,并选取典型的二阶系统模型进行了仿真,实验结果表明该方法的有效性,也表明遗传算法是一种简单高效的寻优算法,与传统的寻优方法相比明显地改善了控制系统的动态性能。

关键词:

遗传算法,PID控制器,参数调整

ABSTRACT

PIDcontroltechnologyhasdevelopedfornearlyeightyyears.Itplayedanimportantroleinindustrialproduction,especiallythepositivesystemwithexactmathematicalmodelbecauseitishighlysimple,robustandreliable.Foralongtime,thethreeparametersofPIDcontrollerdependonprofessionals'

experience,whichcan'

thelptoobtainthebestanswerandleadtothewastingofresources.ThisisalwaysurgingpeopletosearchatechnologythathelpPIDcontrollergetthebestparametersautomatically.geneticalgorithmisakindofnaturalselectionfrombiologicalgeneticsandnaturalmechanismoftheiterativeadaptiveprobabilisticglobalsearchalgorithm.Inthispaper,amethodoftuningPIDcontrollerparametersbasedongeneticalgorithmisintroduced.Geneticalgorithmsimitatethestepsofbiologicalevolution,intheoptimizationprocessoftheintroductionofselection,crossoverandmutationoperators,etc.,choosefromtheparentpopulationwilladapttoahigherdegreeofindividualchoiceinordertooptimizethepopulation;

crossrandomlyfromthepopulationtocollectapairofindividuals,andanumberofrandomlyselectedcross,generatenewsamples,toachievethepurposeofincreasingsearchspace;

variationistopreventthelossofchoiceandcross-importantgeneticinformation,carriedoutbyitsindividualoperations,inordertoenhanceGA'

ssearchefficiencyandglobalsearchability.Throughthefitnessfunctiontodeterminetheoptimaldirection,andsettinganumberofotherconventionalmethods,geneticalgorithmissimple,accuratetuning.Inthispaper,geneticalgorithmisusedtotunethePIDcontrollerparameters,andaclassicsystemmodelisselectedtobesimulated,experimentalresultsshowthatthemethodtotunePIDcontrollerparametersiseffective,andalsoshowsthatthegeneticalgorithmisasimpleandefficientoptimizationalgorithm.Comparingtothetraditionaloptimizationmethods,GAsignificantlyimprovedthecontrolsystemdynamicperformance.

Keywords:

geneticalgorithm,PIDcontroller,parametertuning,GA

第一章绪论

1.1课题研究背景

PID调节器是最早发展起来的控制策略之一,因为它所涉及的设计算法和控制结构都是简单的,并且十分适用于工程应用背景,此外PID控制方案并不要求精确的受控对象的数学模型,且采用PID控制的控制效果一般是比较令人满意的,所以在工业实际应用中,PID调节器是应用最为广泛的一种控制策略,也是历史最久、生命力最强的基本控制方式。

调查结果表明在当今使用的控制方式中,PID型占84.5%,优化PID型占6.8%,现代控制型占有1.5%,手动控制型6.6%,人工智能（AI型占0.6%。

如果把PID型和优化PID型二者加起来则占90%以上,这说明PID控制方式占绝大多数,如果把手动控制型再与上述两种加在一起,则占97.5%,这说明古典控制占绝大多数。

就连科学技术高度发达的日本,PID控制的使用率也高达84.%。

这是由于理论分析及实际运行经验已经证明了PID调节器对于相当多的工业过程能够起到较为满足的控制效果。

它结构简单、适用面广、鲁棒性强、参数易于调整、在实际中容易被理解和实现、在长期应用中已积累了丰富的经验。

特别在工业过程中,由于控制对象的精确数学模型难以建立,系统的参数又经常发生变化,运用现代控制理论分析综合要耗费很大的代价进行模型辨识,但往往不能达到预期的效果,所以不论常规调节仪表还是数字智能仪表都广泛采用这种调节方式。

正是PID控制算法具有以上多种优点,所以这种算法仍将在现场控制中居于主导地位。

随着现代控制理论的建立和不断发展完善,对过程控制提出了新的方法和思路,同日寸也由于生产工艺不断地改进提高,对过程控制也提出了高要求。

科研人员在不断探索新方法的同时,也对传统的PID控制的改进做了大量的研究。

因为PID控制有其固有的优点,使得PID控制在今后仍会大量使用,如何进一步提高PID控制算法的能力或者依据新的现代控制理论来设计PID控制算法是一个非常吸引人的课题。

科研人员在这一领域做的工作主要有以下两方面:

①PID参数自整定。

由于受控对象存在着大量不可知因素,如随机扰动、

系统时变、敏感误差等,这些不可知因素的作用常会导致受控对象参数的改变。

在一个PID反馈控制回路中,受控对象参数的变化就会造成原来的PID参数控制性能的降低,为了克服这个问题人们提出了PID参数自整定,也就是随着受控对象的变化PID调节器自我调整和重新设定PID参数,科研人员根据古典控制理论和现代控制理论提出了许多种PID参数的在线自整定的方法。

至今仍有人在这方面继续作研究。

PID参数在线自整定方法比较典型的有改进型Ziegler-Nichols临界比例度法、基于过程模型辨识的参数自整定、基于经验的专家法参数自整定、模糊型PID调节器等。

②PID参数优化。

PID参数优化是指依据一定的控制目标和给定的生产过程的模型通过理论计算得到最优的PID参数,PID参数优化在PID控制应用之初人们就开始作了大量研究工作,已经提出了许多种方法,如粒子群优化算法,免疫算法,单纯形法,差分进化算法,神经网络算法,遗传算法等。

本文就是应用遗传算法对柴油机调速系统统的PID参数进行优化,使系统具有更好的性能。

1.2PID参数调整方法综述

为了更好的完成本论文,我查阅了一些其他调整PID参数的方法。

下面我就对这些调整方法做一个简要的综述。

方法一:

Ziegler-Nichols设定方法

Ziegler与Nichols（1942提出了调节PID控制器的参数的经验公式[1],这一调节器可根据带有时滞环节的一阶近似模型的阶跃响应或频率响应数据来设定。

假设对象模型为

seTsK

sGτ-+=1（

其中一阶响应的特征参数K、T、和τ可以由图1-1构成的示意图提取出来,或者已知频率响应数据,即从Nyquist图形上直接得出剪切频率cω和该点处的

幅值A（或增益AKc/1=,由表1-1中的经验公式求取控制器的参数。

图1-1用作图法确定参数

表1-1Ziegler-Nichols参数整定算法

方法二:

临界比例度法

当已知系统的临界比例增益CK和振荡周期CT时,也可以用经验整定公式

来确定PID控制器的参数,例如:

0.60.50.125PCIC

D

CKKTTTT=⎧⎪=⎨⎪=⎩特征参数CT和CK,一般由系统整定实验确定,或者用频率特性分析算法根据

受控过程（sG直接算得,即由增益裕量mg确定CK,由相位剪切频率cω确定CT。

（20

210mCCgCTKπω⎧=⎪⎨

⎪=⎩以上两种传统方法都是根据大量的实验计算或实际工程经验所得到的数据整理汇总所得到的公式而得来的,在实际的工程应用中有很大的弊端。

方法三:

单纯形法

单纯形[2,3]是美国数学家G.B.丹齐克于1947年首先提出来的。

它的理论根据是:

线性规划问题的可行域是n维向量空间Rn中的多面凸集,其最优值如果存在必在该凸集的某顶点处达到。

顶点所对应的可行解称为基本可行解。

单纯形法的基本思想是:

先找出一个基本可行解,对它进行鉴别,看是否是最优解;

若不是,则按照一定法则转换到另一改进的基本可行解,再鉴别;

若仍不是,则再转换,按此重复进行。

因基本可行解的个数有限,故经有限次转换必能得出问题的最优解。

如果问题无最优解也可用此法判别。

根据单纯形法的原理,在线性规划问题中,决策变量（控制变量x1,x2,…xn的值称为一个解,满足所有的约束条件的解称为可行解。

使目标函数达到最大值（或最小值的可行解称为最优解。

这样,一个最优解能在整个由约束条件所确定的可行区域内使目标函数达到最大值（或最小值。

求解线性规划问题的目的就是要找出最优解。

最优解可能出现下列情况之一:

①存在着一个最优解;

②存在着无穷多个最优解;

③不存在最优解,这只在两种情况下发生,即没有可行解或各项约束条件不阻止目标函数的值无限增大（或向负的方向无限增大。

单纯形法的一般解题步骤可归纳如下:

①把线性规划问题的约束方程组表达成典范型方程组,找出基本可行解作为初始基本可行解。

②若基本可行解不存在,即约束条件有矛盾,则问题无解。

③若基本可行解存在,从初始基本可行解作为起点,根据最优性条件和可行性条件,引入非基变量取代某一基变量,找出目标函数值更优的另一基本可行解。

④按步骤3进行迭代,直到对应检验数满足最优性条件（这时目标函数值不能再改善,即得到问题的最优解。

⑤若迭代过程中发现问题的目标函数值无界,则终止迭代。

用单纯形法求解线性规划问题所需的迭代次数主要取决于约束条件的个

数。

现在一般的线性规划问题都是应用单纯形法标准软件在计算机上求解,对于具有106个决策变量和104个约束条件的线性规划问题已能在计算机上解得。

方法四:

粒子群优化算法

粒子群优化（ParticleSwarmOptimization-PSO算法是近年来发展起来的一种新的进化算法（EvolutionaryAlgorithm-EA。

PSO算法属于进化算法的一种,和遗传算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是