基于遗传算法的PH过程控制仿真研究.pdfVIP

四川省电子学会电子测量与仪器专委会2005年学术年会论文集 243 基于遗传算法的PH过程控制仿真研究 曾成 (中国工程物理研究院电子工程研究所) 摘要PH值控制存在于广泛的工业生产过程中，是工业生产中非常重要且典型的控制过程，同 时也是较难的控制过程。遗传算法已在自动控制领域得以应用，取得了良好的效果。本文将遗传算法 与传统控制算法相结合进行PH值控制研究，在仿真平台MATLAB上，应用该方法实现了对PH值的 较好控制。 关键词遗传算法PH过程控制仿真 1 引言 PH控制广泛存在于对溶液酸碱度有严格要求的场合，诸如设备冷却水酸碱度控制、废水处理酸 碱度控制等过程，特别是大量应用于化工生产中。在提高化工生产的生产效率，设备安全防护和环 境保护中，PH控制往往是个关键冈素。然而，对PH值实行较好的控制却并非易事。传统PH控制 方案较多采用参数固定的PID控制或开关控制，在实际应用中并没有达到较优的控制效果。 遗传算法是模拟生物进化的智能优化算法，它提供了求解复杂系统优化问题的通用框架，且不 依赖问题的具体领域，被广泛应用于很多学科。遗传算法也已成功应用于自动控制领域，诸如模糊 控制器优化设计、参数辨识、人工神经网络结构优化设计等问题。 本文将PH过程的控制视为优化相关问题，利用遗传算法与PID算法相结合，在MATLAB仿真 环境下对PH过程控制进行研究。 2PH控制对象与遗传算法浅析 PH控制是一个严重非线性与变动态特性问题。强酸强碱的pH过程是一个极度非线性过程，化 学试剂用量与PH值成对数关系。这种严重的非线性如图1所示：在远离中和点的部分，过程增益 相对很小；在中和点的附近，过程增益陡然增加，具有极高的灵敏度，且难以用准确的数学模型加 以描述。另外，PH过程还含大滞后环节，这些因素都给控制带来了一定的难度。 遗传算法基本流程如图2所示。下面将简述遗传算法寻优的操作和计算步骤。 (1)染色体编码：基本遗传算法采用固定长度的二进制串来表示个体；还有诸如格雷码编码、 浮点数编码、符号编码等方法。 概率，一般为0．40．99；变异概率，一般为0．0001～0．1。 (3)初始种群产生：由计算机随机产生若干个随机数(个体)组成初始种群。 基于遗传算法的PH过程控制仿真研究 7 3 CA．CB为酸碱浓度．F▲，FB为醴熟喊流量。 图1强酸强碱滴定曲线 图2遗传算法基本流程 (4)个体适应度评价：计算个体的适应度大小来评定以评定各个个体的优劣程度，从而决定其 参与遗传的概率。最优化问题一般可归结为求目标函数全局最大或最小的问题，通常将目标函数通 过公式转换即可用于个体适应度的评价。 (5)判断进化可否结束：基本遗传算法的收敛判据有两种方法，一是若连续若干代得到的最优 解保持不变，则认为收敛，停止进化；二是进化了足够代数之后认为收敛，以其最后最优结果为所 求解。否则，继续进行进化。 (6)选择运算：把当前群体中适应度较高的个体按设定的规则或模型遗传到下一代群体中。最 基本的选择运算是比例选择，个体被遗传到下一代群体的概率与该个体的适应度成正比。 (7)交叉运算：交叉的目的在于产生新的基因组合，以期产生新的性能优良的个体。它以某一 概率相互交换某两个个体之间的部分染色体。基本操作过程是，先对群体随机配对，再随机没置交 叉点位置，然后相互交换配对染色体间部分基因。 ·． (8)变异运算：变异即对个体某一个或某些基因的值按某一概率进行改变，它可确保不产生不 能继续进化的单一种群。 3 PH控制算法实现 PID控制算法自产生以来不断得以发展和成功应用，大多数工业过程也广泛采用PID控制。应 用PID算法的关键的问题是PIT)参数的整定。传统的方法是在获取对象数学模型的基础上，根据某 一整定原则来确定PID参数。而PH过程的严重非线性和变动态特性给参数整定带来了困难，这也