遗传算法在PID控制方面的应用
- 格式：pdf
- 大小：1.45 MB
- 文档页数：2
消费电子
计算机科学 Consumer Electronics Magazine 2013 年 4 月下
遗传算法在PID控制方面的应用
张宏翔 （西南林业大学计算机与信息学院，昆明 650224） 摘 要：PID 控制是自动控制中的一种成熟的方法，其难点在于参数的整定。本文将改进的遗传算法应用于 PI D 的整定和参数优化，MATLAB 的仿真结果表明本文的算法能有效的改进系统的收敛性和稳定性。 关键词：遗传算法；PID；自适应；混合遗传算法 中图分类号：TG48 文献标识码：A 文章编号：1674-7712 (2013) 08-0074-01 一、引言 遗传算法（Genetic Algorithm）是模拟达尔文生物进化 论的自然选择和遗传学机理的生物进化过程的计算模型， 是一 种通过模拟自然进化过程搜索最优解的方法。 PID 是工业控制中广泛采用的一种三项控制器。 由于其功 能简单， 便于使用， 能在各种不同的工作条件下保持较好的工 作性能， 尤其适用于可建立精确数学模型的确定性系统。 为实 现这样的控制器， 必须针对不同的控制对象确定。 随着计算机 技术和智能控制理论的发展， 为解决传统 PID 控制器参数的整 定方法繁杂的难题，本文采用遗传算法来寻找合适的三个参 数。 二、遗传算法对 PID 参数的整定原理 PID 控制器的参数整定指选择恰当的参数使系统性能最 佳。衡量一个控制系统性能好坏的指标主要有：静态指标，例 如稳念误差和动态指标，例如上升时间、超调量和调节时间。 通过它们就可以判定一个系统性能的好坏。 遗传算对 PID 参数的整定就是， 在已知 PID 控制策略的基 础上，利用遗传算法对 PID 参数
1.4 SGA zsyGA SAGA rin
1.2
1
rin,yout
0.8
0.6
0.4
0.2
进行寻优，寻找合
0
适的 参数组合使得给定性能指标为最优， 操作如下： （1）参数编码。为了避免二进制编码中存在的 Hamming 悬崖问题，本文选用格雷码编码，用 10 位的二进制串来表示 每个参数，然后组成一个长的（30 位）二进制字串作为遗传 操作对象。对于三个参数的范围按照工程经验进行范围限定。 （2）种群初始化，设置种群大小为 30，进化代数为 100 代。 （3）适应度评价函数。 为获得满意的过渡过程动态特性， 采用误差绝对值时间积 分性能指标作为参数选择的最小目标函数。 为了防止控制能量 过大，在目标函数中加入控制输入的平方项。 三、二阶系统的 PID 整定 设二阶被控对象为 300 G (s) 2 s 30 s 1 采样时间为 0.001s，输入指令为一阶跃信号。 遗传算法中使用的群体数为 30，进化代数为 100 代，参 数 Kp 的取值范围为[0，20]，Ki，Kd 的取值范围是[0，1]。P ID 算法使用位置式控制算法， 算法编码方式采用格雷码编码， 将 Kp，Ki，Kd 三个参数构成三维向量并编码。 简单遗传算法，使用二进制编码，采用轮盘赌选择方式， 并采用最优保存策略，每代保留最优个体直接复制到下一代。 自适应遗传算法，采用非线性排序选择，最优保留策略， 和自适应交叉、变异技术，这样既可以提高搜索效率，增加种 群多样性，也能有效防止算法D
模拟退火遗传算法，采用轮盘赌选择和最优保留选择机 制， 和模拟退火预选方法， 此混合算法始终进行群体并行优化， 增强了 GA 的搜索能力和效率， 增强了 GA 克服早熟收敛的性能， 模拟退火算法和遗传算法的优势形成有效互补。 三种算法整定 后 PID 控制阶跃响应如下图：
2013 消费电子
74
遗传算法在PID控制方面的应用
作者： 作者单位： 刊名： 英文刊名： 年，卷(期)： 张宏翔 西南林业大学计算机与信息学院,昆明,650224 消费电子 China This Week in Consumer Electronics 2013(8)
本文链接：/Periodical_dqpj201308067.aspx
0
0.01
0.02
0.03
0.04
0.05 0.06 time(s)
0.07
0.08
0.09
0.1
图 1 整定后 PID 控制阶跃响应 四、结束语 本文利用遗传算法参与 PID 参数整定，由仿真实验证明， 与其他方法相比， 整定后的 PID 阶跃响应曲线的超凋量小， 响 应时间快，稳态输出的误差接近于零，取得了预期的效果。 参考文献： [1]李少远,王景成.智能控制(第二版)[M].北京:机械工业船 板社,2009,8. [2]范淑敏.遗传算法在 PID 控制中的应用[J].检测技术与自 动化装置,2007,6. [3]刘金坤著.先进 PID 控制 Matlab 仿真(第二版) [M].北京: 电子工业出版社,2004,9. [4]宋胜利,左敦稳.基于算法寻优的 PID 控制技术及应用.2 003,9. [5]董玲娇.基于遗传算法的智能控制器设计方法研究[J].控 制理论与控制工程,2004,5. [6]杨海清.遗传算法的改进及其应用研究[J].计算机应用技 术,2004,5. [7]徐琦.遗传算法的改进及其应用研究[J].水利水电工程,2 001,1. [8]魏志明.遗传算法的改进及其在机械优化设计中的应用 [J].工程力学,2009,5.
计算机科学 Consumer Electronics Magazine 2013 年 4 月下
遗传算法在PID控制方面的应用
张宏翔 （西南林业大学计算机与信息学院，昆明 650224） 摘 要：PID 控制是自动控制中的一种成熟的方法，其难点在于参数的整定。本文将改进的遗传算法应用于 PI D 的整定和参数优化，MATLAB 的仿真结果表明本文的算法能有效的改进系统的收敛性和稳定性。 关键词：遗传算法；PID；自适应；混合遗传算法 中图分类号：TG48 文献标识码：A 文章编号：1674-7712 (2013) 08-0074-01 一、引言 遗传算法（Genetic Algorithm）是模拟达尔文生物进化 论的自然选择和遗传学机理的生物进化过程的计算模型， 是一 种通过模拟自然进化过程搜索最优解的方法。 PID 是工业控制中广泛采用的一种三项控制器。 由于其功 能简单， 便于使用， 能在各种不同的工作条件下保持较好的工 作性能， 尤其适用于可建立精确数学模型的确定性系统。 为实 现这样的控制器， 必须针对不同的控制对象确定。 随着计算机 技术和智能控制理论的发展， 为解决传统 PID 控制器参数的整 定方法繁杂的难题，本文采用遗传算法来寻找合适的三个参 数。 二、遗传算法对 PID 参数的整定原理 PID 控制器的参数整定指选择恰当的参数使系统性能最 佳。衡量一个控制系统性能好坏的指标主要有：静态指标，例 如稳念误差和动态指标，例如上升时间、超调量和调节时间。 通过它们就可以判定一个系统性能的好坏。 遗传算对 PID 参数的整定就是， 在已知 PID 控制策略的基 础上，利用遗传算法对 PID 参数
1.4 SGA zsyGA SAGA rin
1.2
1
rin,yout
0.8
0.6
0.4
0.2
进行寻优，寻找合
0
适的 参数组合使得给定性能指标为最优， 操作如下： （1）参数编码。为了避免二进制编码中存在的 Hamming 悬崖问题，本文选用格雷码编码，用 10 位的二进制串来表示 每个参数，然后组成一个长的（30 位）二进制字串作为遗传 操作对象。对于三个参数的范围按照工程经验进行范围限定。 （2）种群初始化，设置种群大小为 30，进化代数为 100 代。 （3）适应度评价函数。 为获得满意的过渡过程动态特性， 采用误差绝对值时间积 分性能指标作为参数选择的最小目标函数。 为了防止控制能量 过大，在目标函数中加入控制输入的平方项。 三、二阶系统的 PID 整定 设二阶被控对象为 300 G (s) 2 s 30 s 1 采样时间为 0.001s，输入指令为一阶跃信号。 遗传算法中使用的群体数为 30，进化代数为 100 代，参 数 Kp 的取值范围为[0，20]，Ki，Kd 的取值范围是[0，1]。P ID 算法使用位置式控制算法， 算法编码方式采用格雷码编码， 将 Kp，Ki，Kd 三个参数构成三维向量并编码。 简单遗传算法，使用二进制编码，采用轮盘赌选择方式， 并采用最优保存策略，每代保留最优个体直接复制到下一代。 自适应遗传算法，采用非线性排序选择，最优保留策略， 和自适应交叉、变异技术，这样既可以提高搜索效率，增加种 群多样性，也能有效防止算法D
模拟退火遗传算法，采用轮盘赌选择和最优保留选择机 制， 和模拟退火预选方法， 此混合算法始终进行群体并行优化， 增强了 GA 的搜索能力和效率， 增强了 GA 克服早熟收敛的性能， 模拟退火算法和遗传算法的优势形成有效互补。 三种算法整定 后 PID 控制阶跃响应如下图：
2013 消费电子
74
遗传算法在PID控制方面的应用
作者： 作者单位： 刊名： 英文刊名： 年，卷(期)： 张宏翔 西南林业大学计算机与信息学院,昆明,650224 消费电子 China This Week in Consumer Electronics 2013(8)
本文链接：/Periodical_dqpj201308067.aspx
0
0.01
0.02
0.03
0.04
0.05 0.06 time(s)
0.07
0.08
0.09
0.1
图 1 整定后 PID 控制阶跃响应 四、结束语 本文利用遗传算法参与 PID 参数整定，由仿真实验证明， 与其他方法相比， 整定后的 PID 阶跃响应曲线的超凋量小， 响 应时间快，稳态输出的误差接近于零，取得了预期的效果。 参考文献： [1]李少远,王景成.智能控制(第二版)[M].北京:机械工业船 板社,2009,8. [2]范淑敏.遗传算法在 PID 控制中的应用[J].检测技术与自 动化装置,2007,6. [3]刘金坤著.先进 PID 控制 Matlab 仿真(第二版) [M].北京: 电子工业出版社,2004,9. [4]宋胜利,左敦稳.基于算法寻优的 PID 控制技术及应用.2 003,9. [5]董玲娇.基于遗传算法的智能控制器设计方法研究[J].控 制理论与控制工程,2004,5. [6]杨海清.遗传算法的改进及其应用研究[J].计算机应用技 术,2004,5. [7]徐琦.遗传算法的改进及其应用研究[J].水利水电工程,2 001,1. [8]魏志明.遗传算法的改进及其在机械优化设计中的应用 [J].工程力学,2009,5.
