自适应遗传算法在PID控制参数优化中的应用.pdf

第! 卷 第# 期 邵阳学院学报（自然科学版） $%’ !’ (%’ # )**+ 年! 月 ,%-./0 %1 230%40/5 6/789.:7;4 （279/9 0/= 93/%%54 ） ?0.’ )**+ !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 文章编号：#+@) A @* #* （)**+ ）* # A **!B A **! 自适应遗传算法在CDE 控制参数优化中的应用 # ) 李凯南 ，潘笑 （#’ 邵阳学院信息与电气工程系，湖南 邵阳 F))**F ； ) ’ 武汉大学动力与机械工程学院自动化系，湖北 武汉 F!**@) ） 摘要：针对传统的CDE 控制中参数整定的难题，采用智能控制技术优化CDE 参数，利用神经网络进行系统辨识， 建立对象模型；在此模型基础上，运用遗传算法寻优CDE 控制参数，采用变交叉概率和变异概率自适应遗传算法寻 优得到CDE 控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果’ 关键词：CDE 控制；参数优化；遗传算法；神经网络 中图分类号：C#G ，C)@! 文献标识码：H !#$%’$() ’( *+,-’-+. (/ *01 2()’+(# 3.-4 () 5-)-’$% !#6(+$’7, ID J9/ A /0/ ，CH(K L70% （!# $%’( )* +(* )%’$,)( $(- ./0%,0$/ .(1,(%,(1 ，23$)4$(1 5(,6%7,4 ，23$)4$(1 ，89($( F))**F ； ): !# $%’( )* $9)’$,)( ,( ;93$( 5(,6%7,4 89, ，;93$( F!**@) ） !8.’+%’ ：39 3%79 0/= =917/7;7%/ %1 ;39 M0.0N9;9.: %1 CDE 0.9 89.4 =7117-; 1%. 0 %/5 ;7N9’ D/ ;37: M0M9. O9 %M;7N7P9 CDE M0.0NQ 9;9.: O7;3 7/;9759/; %/;.% ;93/%%579: 0/= =7:;7/5-7:3 :4:;9N O7;3 /9.89 /9;O%.R 0/= :9; -M ;0.59; N%=9；S/ ;39 T0:7: %1 ;37: N%=9 ，;39 59/9;7 05%.7;3N（KH ）7: -:9= ;% :99R 9U99/; CDE %/;.% M0.0N9;9.:’ 39 9119; %1 KH %M;7N7P7/5 ，O373 0=0M;: ;39 :91 A 0=0MQ ;789 KH %1 80.70;7%/ .%::7/5 M.%T0T77;4 0/= 80.70;7%/ M.%T0T77;4 ;% 59; ;39 M0.0N9;9.: %1 CDE %/;.%9. ，7: M.7%. ;% ;.0=7;7%/0 =917/7;7%/ ， 0/= 59;: ;39 %M;7N-N .9:-; %1 %/;.% 17/04’ 9-: ;(+4. ：CDE %/;.% ；%M;7N7P7/5 M0.0N9;9. ；59/9;7 05%.7;3N（KH ）；/9.89 /9;O%.R 在工业过程控制的发展史上，CDE 控制是历史最 # 基于神经网络的系统辨识 悠久，生命力最强的控制方式，在国内V*W 以上的回 系统辨识是研究怎样通过运行或试验数据来建 路仍采用 CDE 控制器，因此，在工业智能化的进程 ［) ］ 立被控对象（系统或过程）的数学模型 所谓模型