机械工程控制基础.docVIP

基于遗传算法的一阶惯性系统的最优控制 摘要：本文对一阶惯性系统的控制环节进行了研究。针对系统进行了建模和相关参数的计算；最后对系统进行仿真，得到基于遗传算法的置优的控制器参数Kp，Ki，Kd。仿真结果表明，基于遗传算法的PID控制器可以实现工程的性能指标要求，具有很好的效果。 关键词：PID控制 遗传算法 参数整定 正文： 1引言 在工程中广泛使用的交流伺服系统其控制部件目前使用较多的是PID控制器，其主要特点是算法简单、参数易整定且适应性强。但是美中不足的是，其参数的整定往往具有一定难度。一般来说，PID控制器参数的整定或者需要进行对象参数和过渡特性的测试和计算，或者需要经验丰富的工程技术人员来完成，加上系统千差万别给PID参数的整定带来一定的难度。本文尝试将遗传算法的一些方法与原理应用到PID控制器的参数整定中，以实现PID参数的自动寻优，实现对被控对象的最优控制。仿真结果表明采用这种参数整定方法的PID控制器可以取得很好的效果。 2一阶惯性系统建模 本系统采用机理法建模，采用三环控制方案，这三个控制环分别为位置环、速度环与电流环。其结构如图l所示。在本系统中，将机械部分近似看成是刚性的，电气部分也假定为理想的，忽略系统的延迟，就可以将速度环简化为一阶惯性环节： 其中，TM是速度环的时间常数， 为速度环的增益。速度环又经过减速器到达系统位置输出，相当干一个积分环节： ，其中Ki为减速比．因此系统的开环传递函数可写为：，所以本甲不系玑统 的逻辑结构图如图1。 3基于遗传算法的PID整定原理 参数的确定及表示。首先确定参数范围，然后由精度的要求，对其进行编码。选取二进制字串来表示每一个参数，并建立与参数间的关系。再把二进制串连接起来就组成一个长的二进制字串，该字串为遗传算法可以操作的对象。 选取初始种群。因为需要编程来实现各过程，所以采用计算机随机产生初始种群。 针对二进制编码，先产生0～ l之间均分布的随机数，然后规定产生的随机数位于【0，0．5)之间代表0，【0．5，l】之间代表l。此外，考虑到计算的复杂程度来规定种群的大小。 适配函数的确定。一般的寻优方法在约束条件下可以求得满足条件的一组参数，在设计中是从该组参数中寻找一个最好的。衡量一个控制系统的指标有三个方面，即稳定性、准确性和快速性。而上升时间反映了系统的快速性，上升时间越短，控制进行得越快，系统品质就越好。 如果单纯追求系统的动态特性，得到的参数很可能使控制信号过大，在实际应用中会因为系统固有的饱和特性而导致系统不稳定，为防止控制能量过大，在目标函数中加入控制量。因此为了使控制效果更好，我们给出了控制量、误差和上升时间作为约束条件。因为适应函数同目标函数相关，所以目标函数确定后，直接将其作为适配函数进行参数寻优。最优的控制参数也就是在满足约束条件下使 x)最大时，X所对应的控制器参数。 遗传算法的操作。首先利用适应度比例法进行复制。即通过适配函数求得适配值，进而求得每个串对应的复制概率。复制概率与每代字串的个数的乘积为该串在下一代中应复制的个数。复制概率大的在下一代中将有较多的子孙，相反则会被淘汰。 其次进行单点交叉，交叉概率为PC。从复制后的成员里以PC的概率选取字串组成匹配池，而后对匹配池的成员随机匹配，交叉的位置也是随机确定的。 最后以概率Pm进行变异。 利用遗传算法优化KP，Ki，Kd的具体步骤如下： 确定每个参数的大致范围和编码长度，进行编码。随机产生n个个体构成初始种群只P(0)；将种群中各个个体解码成对应的参数值，用此参数求代价函数值J及适应函数值f，取；应用复制、交叉和变异算子对种群P(t)进行操作，产生下一代种群P(t+1)·重复步骤(3)和(4)，直到参数收敛或达到预定的指标。 4基于二进制编码遗传算法的PID参数整定 输入指令为阶跃信号。采用二进制编码方式，用长度为l2位的二进制编码串来分别表示三个决策变量KP，Ki，Kd。选取最优指标，式中，e(t)为系统误差，u(t)为控制器输出 t为上升时间，为权值。为避免超调，采用惩罚功能，即一旦产生超调，将超调量作为最优指标的一项，此时最优指标为式中，为权值，且。遗传算法中 使用的样本个数为sum=50，交叉概率 =0．99， =0．1一【l：l：sum】x 0．0l／sum。参 数KP的取值范围为【0，30】，Ki，Kd的取值范围为【0，l】， 。经过5O代进化，获得最后的优化参数。 整定后的二进制遗传算法优化PID阶跃响应如图3所示。 5结果分析 性能指标为：调转时间≤3．5s，超调量≤2．6％，振荡次数≤2次。采用遗传算法后系统基本无超调，无振荡，调节时间ts=O．02s，基本无超调和振荡，很好的满足了系统的性能指标要求。采用遗传算法后系统快速性和稳定性得到了明显提高，控制效果显著