遗传算法在时滞系统的时滞的参数估计中的应用.pdfVIP

第28卷增刊 信息与控制 Vo!．28，Supptement 1999年8月 InformationandControl Aug．．1999 遗传算法在时滞系统的时滞参数估计中的应用’ 张泳健周东华 (清华大学自动化纛北京100084) 摘蔓珥有的系统时滞的估计方法一般只适用于线性系统，非线性时精纛统酊时滞估计问 题到且前为止还没有得到很好的解决．本文提出了一种基于遗传算法的系统输入纯时滞的估计方 法．仿真实验结聚表明，奉方法能够有效地估计线性和一类革线性时带采统的纯时滞。并具有一定 的抗囔声能力． 关键调遗传算法．时精估计，线性系统。善线性系统 1引言 Estimationt 时滞估计(TimeDelay TDE)在许多领域都是亟待解决的一十揠重要的问 题．在过程控制中，也常常遇到大滞后，且滞后时问又是时变的被控过程．滞后时问作为一个 特殊的结构参效，对被控过程有着很大的影响．因此在过程控制中．对滞后时间或滞后环节的 准确估计，也越来越成为不可忽略的关键因素．它直接关系到控删算法是否可行。控制行为是 否有效。以及控制结果是否收敛等一系列问题．由此可见，对过程或系统滞后时间的估计具有 广泛的应用领域，它对科学研究和国民经济均具有重要意义． 到目前为止，比较成功的系统时潍估计方法，主要是针对线性时不变定常系统的，这也是 过程模型的一种最简单的情况．但实际系统的模型是复杂的，通常有很多非线性环节，导致了 系统的非线性，从而给系统辨识和时滞估计带来很大困难．目前，菲线性系统的时滞估计问题 还没有很好的解决方法，因此，这是一个亟待解决的前沿课题． 本文将遗传算法(GeneticAlgorithm：GA)应用于系统的时滞估计．遗传算法作为一种新 的全局优化搜索算法．具有简单通用、鲁棒性强等特点，尤其适用于处理传统搜索方法难于解 决的复杂的非线性问题[1]．本文以一个线性系统和一个特殊非线性系统一一双线性系统为 例．提出了一种采用遗传算法估计其输入信号的纯时滞的方法．仿真实验结果表明，遗传算法 可“有效地估计线性系统和非线性系统的纯时滞，并具有一定的抗干扰性．最后本文还指出了 遗传算法在应用中存在的一些问题． 、 2遗传算法简介 遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法，其主要特点是群 体搜索策略和群体中个体之间的信息交换，并且简单、通用。鲁棒性强，适用于并行分布处理， 应用范围广．它具有“生成+检测”(Generate—and—Test)的迭代过程的搜索算法．它的基本流 程图如图1所示． ·目索自然科学基金，国索863计划和教育都责助项日 56 信息与控箭 28卷 遗传算法是一种群体型操作，该操作以群体中 的所有个体为对象．选择(Selection)，交叉 (Crossover)和变异(Mutation)是遗传算法的3个 主要操作算子．它们使得遗传算法能够不依靠任何 搜索空间的外部知识而仅甩适应度函数来指导和优 化搜索的方向，并使遗传算法减少了陷于局部最优 解的风险，具有较好的全局搜索性能．遗传算法中包 含了如下‘5个基本要素：：1)参数编码；2)初始群体的 设定，3)适应度函数的设计；4)遗传操作设计；5)控 制参数设定(主要指群体大小和使用遗传操作的概 率等)．这5个要素构成了遗传算法的核心内容[1]， [2J． 图1遗传算法流翟围 3基于遗传算法估计纯时滞的方法与实验研究 本文以输入信号带有纯哇滞的时滞系统为例，采用遗传算法来估计系统时滞，并比较了