pid參數(shù)自整定的改進(jìn)遺傳算法

1、PIDPID參數(shù)自整定的改進(jìn)遺傳算法參數(shù)自整定的改進(jìn)遺傳算法陶吉利，魯五一，熊紅云陶吉利，魯五一，熊紅云（中南大學(xué)信息科學(xué)與工程學(xué)院，湖南（中南大學(xué)信息科學(xué)與工程學(xué)院，湖南長(zhǎng)沙長(zhǎng)沙410075410075）［摘要］文中提出了一種改進(jìn)遺傳算法進(jìn)行PID參數(shù)自整定，設(shè)計(jì)了基于工程PID參數(shù)自整定遺傳算法的編碼以及基于該編碼的交叉、變異算子，通過(guò)仿真比較，表明該種算法的有效性。［關(guān)鍵詞關(guān)鍵詞］遺傳算法；PID控制器；參數(shù)自整定TheThese

2、lfself－tuningtuningofofPIDparametersPIDparametersbasedbasedononadvancedadvancedgeicgeicalgithmalgithmTAOJi－li，LUWu－yi，XIONGHong－yun（Infmationscience＆EngineeringCollegeofCentralSouthUniversityHunan－Changsha410075，China）Ab

3、stractAbstract：Thispaperpresentsadvancedgeicalgithmftheself－tuningofPIDparametersBasedontheexperienceofengineeringtuning，akindofgeiccodingisdesignedfPIDanewcrossovermutationoperatbasedonitisdevelopedThecomparisonofsimula

4、tionsshowsthealgithmiseffectiveKeyKeywdswds：Geicalgithm；PIDcontroller；Parametricself－tuning1引言目前，隨著智能控制理論的發(fā)展，許多學(xué)者將智能控制技術(shù)引入PID控制系統(tǒng)，如專(zhuān)家PID控制、自學(xué)習(xí)PID控制、神經(jīng)網(wǎng)絡(luò)PID控制和模糊PID控制等。這些智能PID控制策略或要求對(duì)被控制過(guò)程和控制律有全面的先驗(yàn)知識(shí)，或建立在優(yōu)化問(wèn)題具有連續(xù)導(dǎo)數(shù)的光滑搜索空

5、間的基礎(chǔ)上。若搜索空間不可微或參數(shù)間為非線(xiàn)性的，則得不到全局最優(yōu)。遺傳算法是模仿自然界生物進(jìn)化論思想而得出的一種全局優(yōu)化算法。它對(duì)所優(yōu)化目標(biāo)的先驗(yàn)知識(shí)要求甚少，一般只需要知道其數(shù)值關(guān)系即可。同時(shí)由于遺傳算法群體的多樣性，使其盡可能在全方向上搜索，達(dá)到全局最優(yōu)。PID控制器由于其結(jié)構(gòu)簡(jiǎn)單，在實(shí)際中容易被理解和實(shí)現(xiàn)而被廣泛應(yīng)用，而且許多高級(jí)控制都是以PID控制為基礎(chǔ)的。但PID參數(shù)的整定一般需要經(jīng)驗(yàn)豐富的工程技術(shù)人員來(lái)完成，既耗時(shí)又耗力，加

6、之實(shí)際系統(tǒng)千差萬(wàn)別，使PID參數(shù)的整定有一定的難度。進(jìn)制編碼。23適應(yīng)度函數(shù)的計(jì)算及種群更新策略適應(yīng)度函數(shù)的計(jì)算及種群更新策略適應(yīng)度函數(shù)通常與模型的目標(biāo)函數(shù)值是相關(guān)的，文中選用ISTE準(zhǔn)則，由于遺傳算法一般是求適應(yīng)值最大，簡(jiǎn)化的ISTE為正值，故取適應(yīng)度函數(shù)f（x）＝－ISTE。對(duì)Kp自整定時(shí)，僅采用比例項(xiàng)，計(jì)算簡(jiǎn)單，收斂速度快。整定的Kp值，用于下一步整定Ti、Td，此時(shí)采用一般的（2—2）增量式PID算法計(jì)算Δu（n）。g′（n）與

7、具體系統(tǒng)有關(guān)，由G（s）離散化，并分離出y（n）得到，n表示當(dāng)前時(shí)刻。為了減少迭代次數(shù)，加快收斂速度，適應(yīng)控制系統(tǒng)的實(shí)時(shí)性，設(shè)新產(chǎn)生個(gè)體的適應(yīng)度為f′，fbest為記錄的最好適應(yīng)度，fwst為記錄的最差適應(yīng)度，滿(mǎn)足：體，直接淘汰該子串。24交叉方法（交叉操作算法）交叉方法（交叉操作算法）Step1：隨機(jī)選取兩個(gè)個(gè)體作為父項(xiàng)f1和f2，產(chǎn)生一隨機(jī)數(shù)以確定交叉位置，以該交叉點(diǎn)為分界處，把f1和f2各分成兩部分，進(jìn)行二進(jìn)制編碼的交叉互換。st

8、ep2：計(jì)算新產(chǎn)生個(gè)體的適應(yīng)度f(wàn)′，若f′≤fwst，認(rèn)為該交叉未產(chǎn)生優(yōu)良個(gè)體，取消此次交叉操作，具體實(shí)現(xiàn)：原交叉點(diǎn)處再進(jìn)行一次同樣的交叉操作。若f′＞fbest，則f′為當(dāng)前最好的個(gè)體，保留并更新fbest。很顯然，經(jīng)上述交叉操作后，生成的新個(gè)體既保持了其整數(shù)的特點(diǎn)，又保證了個(gè)體的有效性和進(jìn)化的快速性。25變異方法（變異操作算法）變異方法（變異操作算法）step1：對(duì)每個(gè)個(gè)體，其每一位產(chǎn)生［0，1］間隨機(jī)數(shù)r，若r＜Pm，則該位進(jìn)行按