基于遺傳算法優(yōu)化的智能控制研究.pdf

1、PID控制器因其原理清晰、結構簡單、實現方便，至今仍廣泛應用于工業(yè)現場控制領域。PID控制器應用的關鍵在于選擇合適的參數，以適應不同的控制對象。但是對于具有時變性、大滯后特性的控制對象，PID控制器的控制效果有限，原因在于其參數不具備在線整定能力，難以適應變化的環(huán)境。這是自PID控制算法提出以來，許多研究人員一直努力改善的問題。
　　 人工神經網絡(Artificial Neural Network)是從生理角度對智能的模擬，具

2、有極高的學習能力和自適應能力，能夠以任意精度逼近任意函數，完成對系統(tǒng)的仿真；而遺傳算法是對自然界生物進化過程的模擬，具有極強的全局尋優(yōu)能力，這兩種算法都是當下研究較多的智能方法。將這兩種方法與常規(guī)的PID控制相結合，構成智能PID控制器，使其具有參數自整定、自適應的能力，以適應復雜環(huán)境下的控制要求，這一思路對提高控制效果具有很好的現實意義。
　　 本文主要做了三部分工作：
　　 第一，深入研究常規(guī)PID控制，熟悉各個參數

3、的物理意義及對控制效果的影響。探討關于PID控制各個環(huán)節(jié)的相關改進和比較常用的參數整定方法。
　　 第二，重點研究與BP神經網絡相結合的PID智能控制。借助與BP神經網絡的自學習能力，在線自整定PID控制的三個參數。由于BP算法是基于梯度下降法的，所以會以一定的概率陷入局部極小，網絡無法收斂至全局最優(yōu)。因此，深入探討B(tài)P算法的相關改進。
　　 第三，遺傳算法由于其獨特的運算方式，具有了極強的全局搜索能力，甚至會以概率1收