基于遗传算法的PID参数优化设计.doc.docVIP

基于遗传算法的PID参数优化设计 摘 要：PID调节器是最早发展起来的控制策略之一，遗传算法是一种借鉴生物界自然选择和自然遗传学机理上的迭代自适应概率性搜索算法。遗传算法模仿生物进化的步骤，在优化过程中引入选择，交叉，变异等算子，选择是从父代种群中将适应度较高的个体选择出来，以优化种群；交叉是从种群中随机地抽取一对个体，并随机地选择多位进行交叉，生成新样本，达到增大搜索空间的目的；变异是为了防止选择和交叉丢失重要的遗传信息，它对个体按位进行操作，以提高GA的搜索效率和全局搜索能力。通过适应度函数来确定寻优方向，与其他一些常规整定方法相比，遗传算法比较简便，整定精度较高。 关键字：PID调节器，遗传算法，适应度函数 Abract： Keyword： 1 引言 传统的比例、积分、微分控制，即PID控制具有算法简单、鲁棒性好和可靠性高等优点，已经被广泛用于工业生产过程控制。但工程实际中，PID控制器的比例、积分和微分调节参数往往采用实验加试凑的方法由人工整定。PID控制作为比较成熟的控制技术广泛应用于工业生产过程，目前绝大多数底层控制都采用PID控制器。实际应用中控制器的参数往往采用实验试凑的方法人工整定，该方法往往整定不良、性能不佳，而且对运行工况的适应性很差。近年来随着计算机技术的广泛应用，人工智能算法PID整定策略发展迅速，如模糊PID、专家PID、神经元网络PID以及遗传算法等。这些算法能够实现提高优化性能，缩短整定时间，实际应用方便的控制目标。 2 PID控制器 PID控制器是将偏差的比例(P)、积分(I)、微分(D)通过线性组合构成控制量，对被控对象进行控制的。模拟PID控制的系统原理图如图1所示。 图1. 模拟PID控制的系统原理图 模拟PID控制规律为： （1） 当系统采样周期为时，对上式离散化处理，可得到离散位置式PID控制表达式： （2） 式中，。 增量式PID控制表达式可以表示为： （3） （4） .1 遗传算法的基本原理 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，将达尔文生物进化理论引入参数寻优之中，适应度高的个体越容易被保留，经过若干代数遗传操作，种群各个体的适应度不断提高，直至满足一定的极限条件，获得优化问题最优解。此外，遗传算法对初始值没有特殊要求，不需要充足的先验知识即可求解，应用性极强。 遗传算法的主要操作步骤有：染色体编码（含解码）、种群选择、交叉、变异。 1)遗传算法是对参数的编码进行操作，而不对参数本身。首先基于一个有限的字母表，把最优化问题的自然参数集编码为有限长度的字符串。 2)遗传算法是从许多点开始并行操作的，而不局限于一点，有效防止搜索过程收敛于局部最优解。 3)遗传算法通过目标函数来计算适应度，不需要其他推导和附加信息，对问题的依赖性较小。 4)遗传算法的寻优规则是由概率决定的，而非确定性的。 5)遗传算法在解空间进行高效启发式搜索，而非盲目地穷举或完全随机搜索。 6)遗传算法对于待寻优的函数基本无限制，它不要求函数连续和可微，可以是数学解析式所表达的显函数，又可以是映射矩阵甚至是神经网络等隐函数，因而应用范围较广。 7)遗传算法具有并行计算的特点，因而可以通过大规模并行计算来提高计算速度。 8)遗传算法计算简单，功能强，更适合大规模复杂问题的优化。 3 遗传算法的基本操作 3.1 二进制编码 染色体编码方式主要有二进制编码和实数编码两种。相比较而言，二进制编码的执行效率较高，遗传算法应用较简便，故在此主要介绍二进制编码和解码。顾名思义，二进制编码是仅由0、1组成的编码，初始个体的基因值可以用均匀分布的随机数产生。假如要估计的参数个数为，染色体长度为，那么每个个体的编码数为。针对该个体（参数组）第个元素进行解码有： （5） 其中，与分别代表该元素取值上下限，表示该元素二进制编码的十进制转换值。 3.2 选择算子 依据“优胜劣汰，适者生存”的进化思想，适应度越高的个体能够产生后代的概率越大，其被保留的概率也越大。一般的遗传算法大多采用基于轮盘赌的选择策略：假设一个种群含有个个体，每个个体的适应度为，将其归一化： （6） 然后前项相加作为选择依据，即 当大于等于随机数时，选择该个体保留。这样适应度较高的个体占的比例大，其被随机选中的概率也大。.3 复制 复制是从一个旧种群中选择生命力强的个体位串产生新种群的过程。根据位串的适配值拷贝，也就是指具有高适配值的位串更有可能在下一代中产生一个或多个子孙。它模仿了自