使用遗传算法和模煳逻辑的PID增益整定方法.docVIP

使用遗传算法和模糊逻辑的PID增益整定方法 P使用遗传算法和模糊逻辑的PID增益整定方法/P P　　关键词:PID;遗传算法 /P P摘要:本文提出了一种PID增益整定方法,使用遗传算法(GA)为主进行增益估计,使用模糊逻辑对GA进行分级。然后,使用该方法对不同的响应进行了PID增益的整定。实验结果证明,使用基于模糊逻辑的GA整定方法能够达到更好的性能。本文还对在控制系统中使用软计算方法的可能性进行了研究。 /P P　　 BR　　The Use of Genetic Algorithmsamp;Fuzzy Logic PID Gain Tuning Method BR　　Gong Jiang BR　　(Xinjiang Xinkun Tire Co.Ltd.,Engineering Department,Urumqi830013,China) BR　　Abstract:This paper presents a PID gain tuning method,using genetic algorithms(GA)-based estimates to gain the use of fuzzy logic GA classification.and then using this method in different responses PID gain tuning.Experimental results show that GA-based fuzzy logic tuning method can achieve better performance.This control system also used in soft computing method to study the possibility of. BR　　Keywords:PID;Genetic algorithm BR　　比例-积分-微分(PID)是使用最为广泛的工业控制器。这是由于其结构简单,鲁棒性好,可以适应各种操作环境。然而,对于非线性或者高阶系统,固定增益的PID控制器通常并不适合。为了解决这个弱点,人们对PID提出了各种修改方案,例如,继电自动整定和自适应PID[1]方案。PID控制器的设计需要规定三个增益:比例KP,积分KI和微分KD。大量研究人员已经提出了一些方法用来减少优化或者整定增益的工作量。Ziegler-Nichols(Z/N)就是最为知名的一种整定方法[2],通常使用它先获取初始估计值,然后使用一种特别的方法或者经验法则来进一步整定到最优性能[3]。 BR　　软计算方法是解决计算复杂性和数学难解问题的实用方法[9-12],因为人们可以通过软计算方法容易地将自然系统跟智能机器结合起来。最为流行的软计算方法是神经网络、模糊逻辑和遗传算法。 BR　　基于模糊逻辑的方法通过语言能力来解决不确定性,而遗传算法是在遗传科学的一些灵感之上进行功能强大的随机查找。 BR　　近年来,模糊逻辑作为一种基于特殊规则的方法进行PID整定的手段得到普及。神经-模糊方法当前也正在进行研究,以进一步提高其性能。最近,提出了自适应的神经-模糊推理系统,它作为一种减少依赖模糊规则生成专家的手段,用来描述非自适应模糊集[8]的设计。 BR　　本文提出了一种使用GA调节PID控制器增益的混合方法,使用模糊逻辑分级系统对其性能进行分析。这个系统也用作GA的适应度函数。对控制器错误信号的性能指标参数进行分析计算(包含每一点处的超调量、上升时间和稳态误差)后,把它们送入基于模糊逻辑的分级系统,为当前所计算的控制器增益分配一个等级。该方法提高了控制器性能,在本文的实验结果部分比较了Z/N方法和尝试错误整定方法。为了简化仿真结果,不失一般性,只使用了机械手的一个节点(末端节点)。本研究中使用FANUC S-900机械手,仿真包的建模和重构做了适当简化。 BR　　一、机械手的动态特性 BR　　由于机械手使用耦合非线性微分方程能够较好地展示系统的高动态响应,所以适合用来评估控制器的性能。机械手动态特性的一般形式如下: BR　　这里, 、 和 分别是关节点的位置、速度和加速度向量, 是惯性矩阵, 是Coriolis/Centripetal力矩阵, 是摩擦分量, 是重力向量, 代表扰动, 是控制输入向量,包含部件的转矩和力的向量(对于旋转关节和移动关节)。 BR　　二、PID控制器的调整 BR　　PID控制规则可以使用下面得公式表示: BR　　这里, 是转矩控制信号, 是误差信号(用°表示), 、 、 分别是比例、积分和微分增益。为了达到满意的性能,这三个PID增益都需要进行整定。 BR　　使用最大增益Z/N方法,首先完