遗传算法的PID控制器的设计开题报告.docVIP

开题报告 一、综述本课题国内外研究动态，说明选题的依据和意义 60年代初，Holland教授认识到生物的自然遗传现象与人工自适应系统行为的相似性后，产生了建立一种仿生优化算法的想法。1967年，Holland的学生J. D. Bagley在博士论文中首次使用了“遗传算法”这一名词，但基于自然进化的思想，在当时却遭到学术界的怀疑和反对，Holland教授及其学生们坚持了这一方向的研究。1975年，Holland出版了《自然和人工系统中的自适应性》(Adaptation in Natural and Artificial System)，该书系统地阐述了遗传算法的基本理论和方法，提出了对遗传算法的理论发展极为重要的模式理论(schema theory)，以及遗传算法的隐并行性，并将遗传算法应用于适应性系统模拟、函数优化、机器学习和自动控制等领域。1975年之后，遗传算法不但在各个领域得到了广泛应用，而且还丰富和发展了若干遗传算法的基本理论。1980年，Bethke对函数优化遗传算法进行了研究，包括应用研究和数学分析。Smith、Davis、Grefenstette、 Bauer、Srinivas和Patnaik等大批研究人员对遗传算法理论的基本框架和遗传算子进行了构建和改进，并将遗传算法分别应用于工程设计、自动控制、经济金融、博弈问题和机器学习等诸多领域之中。 随着遗传算法研究和应用的不断深入和扩展，1991年，Davis编辑出版了《遗传算法手册》(Handbook of Genetic Algorithms )，其中包括了遗传算法在工程技术和社会生活中的大量应用实例。1999年，ICGA和GP (Genetic Programming)的系列会议合并为每年一次的遗传和进化计算国际会议(Genetic and Evolutionary Computation Conference,GECCO)。 近年来，我国在遗传算法理论与应用方面取得了巨大的成就，目前的研究课题主要集中在以下几个方面:一是算法的数学基础；二是算法与其他优化技术的比较和融合；三是算法的改进与深化；四是算法的并行化研究等。遗传算法已被成功地应用于工业、经济答理、交通运输、工业设计等不同领域，解决了许多问题。对我国科技的进步与经济的发展产生了不可估量的作用。 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。 二、研究的基本内容，拟解决的主要问题 研究的基本内容 本论文用遗传算法对柴油机调速系统的PID参数进行了优化，对该系统进行了仿真。 拟解决的主要问题 遗传算法的有效性，遗传算法是一种简单高效的寻优算法，遗传算法与传统的寻优方法相比对控制系统的动态性能影响，PID参数自整定，PID参数优化，参数编码和解码，适应度函数的选择。 三、研究步骤、方法及措施 研究步骤：PID参数自整定，PID参数优化，参数编码和解码，适应度函数的选择，遗传算法。 研