研究生任红歌答辩.pptxVIP

基于遗传算法的PID控制参数优化设计Parameters Optimization of PID ControllerBased on Genetic Algorithm学生姓名：任红歌学 号：201081408指导教师：冯毅2014年6月18日课 题 研 究 背 景PID控制器及其常规参数整定方法遗传算法的基本原理基于遗传算法的PID控制参数优化PID控制参数优化仿真实验及结果分析毕 设 工 作 总 结课 题 研 究 背 景1、PID控制器具有控制算法简单易懂、鲁棒性好和可靠性高等特点，在工业过程控制中备受青睐。2、遗传算法是一种基于自然遗传学机制这样一个直接搜索最优化解的技术。3、本文在分析传统的Z-N法确定PID参数的基础上，深入研究了遗传算法和自适应遗传算法的基本原理和实现策略。分别用传统Z-N法、遗传算法和自适应遗传算法对PID控制器参数进行优化仿真。验证了自适应遗传算法的先进性之后将该算法应用在了简化的炉温监控系统中。课 题 研 究 背 景PID控制器及其常规参数整定方法遗传算法的基本原理基于遗传算法的PID控制参数优化PID控制参数优化仿真实验及结果分析毕 设 工 作 总 结PID控制器及其常规参数整定方法1、PID控制原理根据设定值r(t)和实际输出值y(t)构成控制偏差e(t)。将得到的偏差通过比例（P）、积分（I）、微分（D）运算之后进行线性组合，从而构成调节量，对被控对象进行控制。PID控制器及其常规参数整定方法2、PID控制器的常规参数整定方法Z-N法经验试凑法衰减曲线法反应曲线法其中以Z-N法应用最为广泛。PID控制器及其常规参数整定方法3、Z-N法简介（1）将微分系数Kd和积分系数Ki都置为0；（2）增加比例系数Kp一直到系统出现震荡为止（闭环系统的极点在jω轴上），得到该状态下的比例系数Km和频率ω；（3）按照经验公式求出PID控制器的三个参数。课 题 研 究 背 景PID控制器及其常规参数整定方法遗传算法的基本原理基于遗传算法的PID控制参数优化PID控制参数优化仿真实验及结果分析毕 设 工 作 总 结遗传算法的基本原理达尔文的自然选择理论和遗传理论遗传算法遗传算法的基本原理遗传算法流程图遗传算法的基本原理遗传算法基本内容的组成要素：染色体编码遗传算子适应度函数运行参数课 题 研 究 背 景PID控制器及其常规参数整定方法遗传算法的基本原理基于遗传算法的PID控制参数优化PID控制参数优化仿真实验及结果分析毕 设 工 作 总 结基于遗传算法的PID控制参数优化1、基于Z-N法的PID控制参数优化 经验公式： Kp=0.6Km Kd=(Kp π)/4ω Ki=(Kp ω)/π 在Matlab中，可以通过编程语句得到Km和ω。基于遗传算法的PID控制参数优化2、基于遗传算法的PID控制参数优化（1）参数编码以及种群初始化（2）适应度函数，并评估适应度（3）选择操作（4）交叉操作与变异操作（5）计算适应度，保留较大者（6）循环直至满足终止条件，得到三个参数基于遗传算法的PID控制参数优化3、基于自适应遗传算法的PID控制参数优化（1）在选择算子上摒弃了原有的轮盘赌博方式，而采用随机搜索的方式 进行选择操作。（2）在交叉算子中采取自适应交叉概率的方式。（3）变异概率随着代数的不同有所变化。课 题 研 究 背 景PID控制器及其常规参数整定方法遗传算法的基本原理基于遗传算法的PID控制参数优化PID控制参数优化仿真实验及结果分析毕 设 工 作 总 结PID控制参数优化仿真实验及结果分析 选用Matlab作为仿真工具，利用GUI功能设计了一个仿真用户界面。PID控制参数优化仿真实验及结果分析分别用Z-N法、遗传算法、自适应遗传算法进行仿真实验。首先选取简单的二阶传递函数的数学模型进行仿真实验：遗传算法的参数设定：初始种群数为80；预定的迭代次数为200；交叉概率为0.1；变异概率为0.1。PID控制参数优化仿真实验及结果分析仿真结果对比图如下。红色：Z-N法；绿色：遗传算法；蓝色：自适应遗传算法。PID控制参数优化仿真实验及结果分析相关的参数见下表。PID控制参数优化仿真实验及结果分析为了进一步提高实验结果的可靠性，再选取另一略为复杂的数学模型进行仿真实验：遗传算法的参数设定：初始种群数为80；预定的迭代次数为200；交叉概率为0.1；变异概率为0.1。PID控制参数优化仿真实验及结果分析仿真结果对比图如下。红色：Z-N法；绿色：遗传算法；蓝色：自适应遗传算法。PID控制参数优化仿真实验及结果分析相关的参数见下表。PID控制参数优化仿真实验及结果分析通过上述两组仿真实验可以看出：在低阶系统（二阶系统）中，遗传算法在超调量、响应时间等性能指标上比Z-N法有了很大提高。当应用改进后的自适应遗传算法时，虽然调