一种基于遗传算法的pid参数的优化控制策略

《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。