欢迎来到天天文库
浏览记录
ID:25137949
大小:51.00 KB
页数:3页
时间:2018-11-18
《一种基于遗传算法的pid参数的优化控制策略》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、一种基于遗传算法的PID参数的优化控制策略
2、第1内容加载中...1.2遗传算法[2] 遗传算法是基于自然选择和基因遗传学原理的搜索算法。他将“适者生存”这一基本“达尔文进化论”引入串结构中,并且在串之间进行有组织但又随机的信息交换。伴随着算法的运行,优良的品质被逐渐保留并加以组合,从而不断产生出更佳的个体。这一过程就如生物进化那样,好的特征被不断继承下来,坏的特性被逐渐淘汰。新一代个体中包含着上一代的大量信息,其个体不断地在总体上胜过旧的一代,从而使整个群体向前进化发展。对于遗传算法是不断地接近于最优解。2基于控制对象的PID
3、初值的确定 遗传算法的基本流程如图2所示。500)this.style.ouseg(this)"> 控制框图如图3所示。500)this.style.ouseg(this)"> 设PID的传递函数用GR(s)表示,对象传函用G(s)表示,在最优参数PID的控制下,系统输出Y(t)是理想的情况,滞后R(t)的时间为T3,其他均为不失真的再现R(t),即: 500)this.style.ouseg(this)"> 从而可得: 500)this.style.ouseg(this)"> 对e-T3s进行台劳展开,略去二阶以上的
4、高阶项: 500)this.style.ouseg(this)"> 与PID调节器进行比较后,可得: 500)this.style.ouseg(this)"> 按上述关系确定的初始点离最优点比较接近,有望寻到最优点。 由于这组关系式是按连续系统推导出来的。且将e-T3S做了近似处理,KP值会偏大,在仿真时要适当缩小。如图4所示。500)this.style.ouseg(this)"> 采用Simulink软件仿真时,输入信号用阶跃信号,阶跃信号需要确定3个数值:采样周期、初值和终值。初值可定为0,终值为1,采样周期为
5、被控对象(假设被控对象包含3个时间常数T1,T2和T3)中最小数者即: 500)this.style.ouseg(this)"> 采样时间要适当,若时间不当,系统就会出现振荡,引起振荡的原因是KI,KD与采样时间有关。 仿真时可取K=10,T1=1,T2=2,T3=1。3一种基于遗传算法的PID参数的优化控制系统3.1算法流程图 算法流程图如图5所示。500)this.style.ouseg(this)">3.2遗传算法的编程[3] (1)确定每个参数的大致范围和编码长度,进行编码 由于要寻优的PID参数KP,KI,
6、KD为实数值,故采用二进制编码较为合适。又因为是多参数优化问题,故需进行多参数映射编码。考虑到要有充分的搜索空间,搜索效率,每个参数用10位无符号二进制码表示,3个参数串接在一起构成遗传空间中的个体。这样,每个个体的长度为30,从左到右依次为KP,KI,KD。 (2)适应度函数的确定[4] 适应度函数实际上是目标函数的另一种表达形式,他直接影响遗传算法的性能。本文的适应度函数F选为: 500)this.style.ouseg(this)"> (3)本程序中,样本数size=30,Pc=0.60,Pm=0.001,遗传代数G
7、在调试程序中可调整。3.3运行结果 响应曲线如图6所示。500)this.style.ouseg(this)"> 500)this.style.ouseg(this)">4结语 在采用数学方法确定KP,KI,KD时,系统是收敛的,但超调量偏大。在采用GA优化后,系统也是收敛的,且基本没有超调。
此文档下载收益归作者所有