系统优化和最优控制方法详解演示文稿.pptVIP

具体技术细节 DCS 数据交换接口 模型仿真 对象的动态测试 对象的模型辨识 内模PID参数整定 PID参数下发 PID参数输出显示 控制器参数优化整定软件包模块图 * * 当前第30页\共有48页\编于星期二\12点 包括：1.通信接口 2.关系型数据库 3.模型辨识软件包 4.控制器优化软件包 5.装置运行自控率监控模块(长周期) 6.装置运行平稳率监控模块 可以监控统计和随时查询： 小时、日、周、月、年自控率和平稳率 具体技术细节:软件结构 * * 当前第31页\共有48页\编于星期二\12点 内模-PID应用前后作用对比 应用效果 * * 当前第32页\共有48页\编于星期二\12点 内模-PID应用前后作用对比 * * 当前第33页\共有48页\编于星期二\12点 聚丙烯反应器夹套水进口温度控制结果（前） * * 当前第34页\共有48页\编于星期二\12点 —交流— —交流— 系统优化和最优控制方法详解演示文稿 * * 当前第1页\共有48页\编于星期二\12点 （优选）系统优化和最优控制方法 * * 当前第2页\共有48页\编于星期二\12点 五 控制器参数优化 5.1 控制器参数优化概述 采用智能控制或先进控制自动寻找最优的PID参数，使系统性能指标达到最优。 参数寻优就是函数求极值的问题，一般情况先给出一个初始点，然后由程序按照一定的方法反复迭代求极值点。参数寻优方法很多，如：插值法、补偿加速法、方向加速法、遗传算法、粒子群寻优算法、蚁群算法等。 * * 当前第3页\共有48页\编于星期二\12点 五 控制器参数优化 5.2 遗传算法与控制器参数优化 遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机化搜索算法。1975年提出，主要特点是群体搜索策略和群体中个体的信息交换。尤其适用于解决复杂和非线性问题，广泛应用于组合优化、自适应控制中，是21世纪智能计算关键技术之一。 * * 当前第4页\共有48页\编于星期二\12点 五 控制器参数优化 5.2 遗传算法与控制器参数优化 生物遗传过程中涉及到的重要名称： 染色体----生物遗传物质的主要载体； DNA----染色体中的最主要的遗传物质； 基因----控制生物性状的遗传物质的功能单位和结构单位； 基因型和表现型----染色体的两种表现形式。 * * 当前第5页\共有48页\编于星期二\12点 五 控制器参数优化 5.2 遗传算法与控制器参数优化 遗传算法中涉及的几个重要名称： 染色体----参数空间的数据或数组，或称基因型个体（Individuals），是遗传算法处理的基本单位； 种群（Population）----由一定数量个体组成； 种群规模（ Population Size）----种群中个体的数目，也叫种群的大小； 适应度（Fitness）----各个体对环境的适应程度。 * * 当前第6页\共有48页\编于星期二\12点 五 控制器参数优化 5.2 遗传算法与控制器参数优化 参数编码（Coding）----数据转换操作，表现型到基因型的转换，把搜索空间中的参数或解转换成遗传空间中的染色体或个体； 初始种群的设定； 适应度函数的计算； 遗传操作：选择、交叉、变异； 参数解码（Decoding）----数据转换操作，基因型到表现型的转换。 * * 当前第7页\共有48页\编于星期二\12点 五 控制器参数优化 5.2 遗传算法与控制器参数优化 遗传操作： 1、选择 首先对适应度值进行从大到小排序，再计算其平均值，把低于适应度值平均值的染色体依次用前面最好的个体代替。 2、交叉 将选择后的种群个体（称为父代）随即配对，按照选定的交叉方式及确定的交叉概率把个体的基因部分地进行交换，形成一对子代个体。产生新个体的主要手段。 3、变异： 部分基因进行突变，加强后代的多样性，扩展解空间。 * * 当前第8页\共有48页\编于星期二\12点 五 控制器参数优化 遗传算法以目标函数（适应度函数）为依据进行寻优。 * * 当前第9页\共有4