基于自适应遗传算法模糊PID控制器参数优化.pdfVIP

荣31卷第 3期 杭 州 电子 科 技 大 学 学 报 Vo1．31．NO、3 201t年 ()6月 Journal of Hangzhou Dianzi University Jun．20l1 基于 自适应遗传算法模糊 PID控制器参数优化 黄 伟 ，朱颖合 ，薛凌云 ，宋德运 (1．杭州电子科技大学 自动化学院，浙江 杭州310018；2．杭州禹航 电器有限公司，浙江杭州311121) 摘要：该文针对 自适应模糊控制器的多参数优化问题，提出一种 白适应遗传算法同时优化模糊规 则和隶属函数的方法。先对隶属度函数和控制规则进行联合编码，遗传进化前期采用锦标赛精英 保留，后期采用基于轮盘赌的非线性选择方法 ，保留了种群中较优个体，提高种群的多样性。采用 一 种自适应交叉变异算子，使交叉变异概率根据进化过程不断 自动调整，避免算法过早收敛，加快 收敛速度。仿真结果表明，优化后的自适应模糊控制器具有 良好的动静态特性。 关键词：模糊控制器；自适应遗传算法；隶属度函数；控制规则 中图分类号：TP273．4 文献标识码：A 文章编号：1001—9146(2011)03—0058—04 0 引 言 在时变、非线性的复杂系统中，模糊 PID控制因其鲁棒性好、简单实用成为了一种应用广泛的复合 控制策略…。在实际应用中，控制器参数、控制规则是有赖于专家经验来选取和确定的，带有一定的主 观性，往往导致控制规则的欠缺或冗余 j。同时，模糊控制器设计一般采用的等网格划分输入空间的 方法，对非线性系统而言也缺乏合理性。遗传算法是一种群体智能优化算法，它通过遗传操作 ，对种群 中的个体实施结构重组，搜索种群中个体间的结构相似性，以逐步逼近最优解 J。但模糊PID的模糊 规则和隶属度函数是相互关联的，同时优化二者，需要较大的搜索空间，增大了算法的复杂度。而遗传 算法存在过早收敛、不能很好保持个体多样性等缺陷，影响参数优化的效果。本文提出了一种遗传进化 前期采用锦标赛精英保留、后期采用基于轮盘赌的非线性选择操作方法，用于一种 自调整因子模糊PID 控制器(Self-tuningFuzzylogicPIDcontroller，SFPID)的模糊规则与隶属函数多参数寻优。 1 自调整因子模糊 PID控制器 SFPID原理框图如图1所示，由模糊PID控制器(FuzzylogicPIDcontroller，FPID)、自调整因子模糊 控制机构组成。 图1 自调整 因子模糊 PID控制器结构 图 收稿 日期：2010—06—22 基金项 目：浙江省重大科技专项资助项目(C01015—2)，杭电科研基金资助项 目(KYF041505004) 作者简介：黄伟 (1974一)，男 ，浙江金华人，讲师，控制科学与工程． 第3期 黄 伟等：基于 自适应遗传算法模糊PID控制器参数优化 59 其中模糊 PID控制器输出为： u=aU+B∑Ui·T (1) 图 l中虚线框内部分为基于归一化误差加速度观测的自调整因子模糊控制机构，输入变量为误差 的绝对值fe(k)I和归一化加速度r(k)。输出变量为自调整因子^y。， ，用于在线调整模糊PID控制器 的微分和积分增益 。 r(k)={de(k)一de(k一1)}／de(·) (2) 式中，de(k)=e(k)一e(k一1)，若 Ide(k)I≥Ide(k一1)I，de(·)=de(k)，否则 de(·)：de(k一 1)。 与PID控制器相对应，自调整因子模糊PID控制器的参数也可表达成为比例、积分、微分增益3个 参数 】：K =etK+(B／Ki2)(Kd。Kd1)D，Ki=(p。／Ki2)K。P，Kd=仪((KdKd—y1))D。 2 控制器参数优化 自适应遗传算法 遗传算法模拟了自然选择和遗传进化机制，从任意的问题可行解出发，