基于遗传算法的PID整定
基于遗传算法的PID参数整定与优化
福建电脑2014年第2期课题来源:徐州工程学院“江苏省大学生创新创业训练计划项目(创新类)”,编号XCX13095,名称基于遗传算法的PID 参数整定。
0.引言PID 控制是最早发展起来的控制策略之一,由于其算法简单、鲁棒性好和可靠性高,被广泛应用于过程控制和运动控制中,尤其适用于可建立精确数学模型的确定性控制系统中。
在PID 控制中,控制效果的好坏完全取决与PID 参数的整定与优化。
目前,PID 参数整定与优化方法有很多,如Z-N 法、继电型自整定法、最优设计法及梯度法、单纯形法。
前几种整定方法带有经验性并且不是最优解,梯度法和单纯形法极易陷入局部最优点。
因此可采用遗传算法进行参数寻优,该方法是一种不需要任何初始信息并可以寻求全局最优解的高效优化组合方法。
1.遗传算法遗传算法,是由美国的J.H.Holland 提出的一种模仿生物进化过程的最优化方法。
是以自然选择与遗传理论为基础,将生物进化过程中适者生存与群体内部染色体的随机信息交换机制相结合的全局搜索算法。
近年来,人们把它应用于学习、优化、自适应等问题中。
在优化问题中,遗传算法过程简述如下。
首先在解空间中取一群点(基因群),作为遗传开始的第一代。
每个点(基因)用一个二进制的数字串表示,其优劣程度用一个适应度函数来衡量。
适应度函数值小,表明那个点(基因)好,容易在遗传中生存下去。
在向下一代遗传演变中,前一代中的每个数字串根据由其适应度函数值决定的概率被复制到配对池中。
好的数字串以高的概率被复制下来,劣的数字串被淘汰掉。
然后将配对池中的数字串任意配对,并对每一对数字串进行交叉操作,产生新的子孙(数字串)。
最后对新的数字串的某一位进行变异。
这样就产生了新的一代。
按照同样的方法,经过数代的遗传演变后,在最后一代中得到全局最优解或近似最优解。
同常规优化算法相比,遗传算法有以下特点:1)遗传算法是对参数的编码进行操作,而非对参数本身。
遗传算法首先基于一个有限的字母表,把最优化问题的自然参数集编码为有限长度的字符串。
基于归一化遗传算法的PID控制器自适应整定
基于归一化遗传算法的PID控制器自适应整定2019.19科学技术创新基于归一化遗传算法的PID 控制器自适应整定刘文瑞3赵磊1,2,3颜子荔3(1、天津市先进机电系统设计与智能控制重点实验室,天津3003842、机电工程国家级实验教学示范中心(天津理工大学),天津3003843、天津理工大学机械工程学院,天津300384)PID 控制器在自动化生产和交直流伺服系统控制中是最普遍采用的控制策略。
PID 控制器主要参数是比例系数、积分系数和微分系数,它们通过线性组合构成控制量,对被控对象进行控制,故称为PID 控制器[1]。
PID 是最早应用到工业生产的控制策略之一,由于其算法简单、鲁棒性好和可靠性高等明显优势,得到广泛应用。
该类控制器对于已知精确数学模型系统的控制效果最佳[2]。
然而,在实际控制系统中,尤其是复杂的伺服控制系统,由于系统具有一定的非线性、时变性和不确定性,难以获得精确的数学模型,故应用的传统常规的PID 控制难以满足控制要求,主要问题在于PID 控制器最优参数的整定结果不理想,易出现控制器动态响应性能欠佳和稳态误差大的问题,导致适应性很差。
目前,PID 控制器参数优化的方法有很多,如间接寻优法、梯度法、爬山法等,而在热工系统中单纯形法、专家整定法应用较广。
上述几种方法对于控制模型精确的线性系统取得很好的控制效果,但对于非线性、时变系统的控制较差[3]。
单纯形法对初值优劣性敏感度高,易陷入局部最优解,造成优化失败;专家整定法需要太多的经验作数据支撑,不同的目标函数对应不同的数据参数,而整理庞大的专家数据库是一项繁重而又耗时的工程。
因此,寻求一种自适应PID 控制器参数的整定方法实现在线自适应参数的优化工作,具有重要的理论研究意义和工程应用价值。
1归一化遗传算法归一化遗传算法(NormalizedGenetic Algorithm )是在传统的一般GA 的基础上,对编码方式和控制算子进行改进、优化衍生的一种遗传算法。
用遗传算法实现PID参数整定
控制理论与应用Control Theory and Applications《自动化技术与应用》2004年第23卷第7期用遗传算法实现PID 参数整定万佑红1,李新华2(1.南京邮电学院电子工程系,江苏 南京 210003; 2.安徽大学电子工程系,安徽 合肥 230001)摘要:PI D 参数整定一直是控制领域中的重要研究问题。
本文在M AT LAB 平台上将遗传算法应用于PI D 参数的自动整定,算法实例仿真取得了良好的效果,为PI D 参数整定方法提供了一种新的尝试。
关键词:PI D 参数;遗传算法中图分类号:TP27312 文献标识码:A 文章编号:100327241(2004)0720007202PID Tu nin g Bas e d O n Ge netic Alg orit h m sWAN You -hong 1,LI Xin -hua 2(1.E lectronics Department of Nanjing University of P osting T echnology ,Nanjing 210003,China ;2.E lectronics Department of AnHui University ,Hefei 230001,China )Abstract :A new method to s olve the tuning of PI D paramrters is proposed in this paper.I t is showed that g ood control effect can be obtained by usingG enetic Alg orithms (G A ).K ey w ords :PI D paramrters ;G A1 引言PI D 控制无需知道被控对象的数学模型,算法简单,鲁棒性好且可靠性高,因此成为一种获得广泛应用的控制策略。
基于遗传算法的PID控制器参数优化
基于遗传算法的PID控制器参数优化基于遗传算法的PID控制器参数优化是一种智能化调节方法,通过遗传算法的优化过程,可以自动得到最佳的PID参数组合,并实现对控制系统的自动调节。
以下将详细介绍基于遗传算法的PID控制器参数优化的原理、步骤和应用情况。
一、基于遗传算法的PID控制器参数优化原理遗传算法是一种模拟自然选择和遗传的数学模型,通过模拟生物进化的过程,利用优胜劣汰的原则逐步优化求解问题。
在PID控制器参数优化中,可以将PID参数看作个体(染色体),通过遗传算法的选择、交叉和变异等操作,不断优化个体的适应度,最终得到最佳的PID参数组合。
二、基于遗传算法的PID控制器参数优化步骤(1)初始化种群:随机生成一组PID参数作为初始种群,设置种群大小和迭代次数。
(2)适应度函数定义:根据所需控制效果,定义适应度函数来评估每个个体的优劣程度。
(3)选择操作:根据适应度函数的值选择优秀的个体,采用轮盘赌等选择策略,将优秀的个体复制并加入下一代种群中。
(4)交叉操作:从选择的个体中,选取两个个体进行交叉操作,通过交叉操作生成新的个体,并加入下一代种群中。
(5)变异操作:对下一代种群中的一些个体进行变异操作,改变其染色体的一些位,以保持种群的多样性。
(6)重复上述步骤:迭代执行选择、交叉和变异操作,直到达到预定的迭代次数或找到满意的PID参数组合。
(7)输出最佳解:最终输出具有最佳适应度的PID参数组合,作为优化后的参数。
三、基于遗传算法的PID控制器参数优化应用情况(1)机械控制系统:如电机驱动、自动化装配线等,通过优化PID 参数可以提高系统的控制精度和动态性能。
(2)能源系统:如电力系统、风力发电等,通过优化PID参数可以实现能源的高效利用和稳定运行。
(3)化工过程控制:如温度控制、压力控制等,通过优化PID参数可以提高产品质量和生产效率。
(4)交通管理系统:如城市交通信号控制、车辆行驶控制等,通过优化PID参数可以实现交通流畅和事故减少。
基于遗传算法的PID整定
PID控制是工业过程控制中应用最广的策略之一,因此PID控制器参数的优化成为人们关注的问题,它直接影响控制效果的好坏,并和系统的安全、经济运行有着密不可分的关系。
目前PID参数的优化方法有很多,如间接寻优法、梯度法、爬山法等,而在热工系统中单纯形法专家整定法则应用较广。
虽然这些方法都具有良好的寻优特性,但存在着一些弊端,单纯形法对初值比较敏感,容易陷入局部最优化解,造成寻优失败。
专家整定法则需要太多的经验,不同的目标函数对应不同的经验,而整理知识库则是一项长时间的工程。
因此我们选取了遗传算法来进行参数寻优,该方法是一种不需要任何初始信息并可以寻求全局最优解的、高效的优化组合方法。
采用遗传算法进行PID三个系数的整定,具有以下优点:(1)与单纯形法相比,遗传算法同样具有良好的寻优特性,且克服了单纯形法参数初值的敏感性。
在初始条件选择不当的情况下,遗传算法在不需要给出调节器初始参数的情况下,仍能寻找到合适的参数,使控制目标满足要求。
同时单纯形法难以解决多值函数问题以及在多参数寻优(串级系统)中,容易造成寻优失败或时间过长,而遗传算法的特性决定了它能很好地客服以上问题。
(2)与专家整定相比,它具有操作方便、速度快的优点,不需要复杂的规则,只通过字串进行简单地复制、交叉、变异,便可达到寻优。
避免了专家整定法中前期大量的知识库整理工作及大量的仿真实验。
(3)遗传算法是从许多点开始并行操作,在解空间进行高效启发式搜索,克服了从单点出发的弊端及搜索的盲目性,从而使寻优速度更快,避免了过早陷入局部最优解。
(4)遗传算法不仅适用于单目标寻优,而且也适用于多目标寻优,根据不同的控制系统,针对一个或多个目标,遗传算法均能在规定的范围内寻找到合适参数。
遗传算法作为一种全局优化算法,得到越来越广泛的应用。
近年来,遗传算法在控制上的应用日益增多。
二、基于遗传算法的PID整定原理1、参数的确定及表示首先确定参数范围,该范围一般是由用户给定,然后由精度的要求,对其进行编码。
基于遗传算法的pid参数整定 (2)
反馈是一个非常有用的概念。
反馈控制的使用常常带来革命性的结品控制器采用的是引入微分增益的实际PID 控制算法,其传递函数形式果,极大地改善了控制性能。
PID 控制是到目前为止实际使用中最主要的反馈控制形式。
PID 控制是比例积分微分控制的简称。
积分、比例和微分反馈分别基于过去(I )、现在(P )和将来(D )的控制偏差。
在生产过程自动控制的发展历程中,PID 控制是历史最久、生命力最强的基本控制方式。
PID 控制器的传统整定方法,如Ziegler-Nichols (Z-N )法、响应曲线法、临界比例法、继电型自整定法、单纯形法等,或是依赖于对象模型,或是易于陷入局部极小,均存在一定的应用局限性,且难以实现高性能的整定效果,常常超调较大、调整时间较长、误差指标过大等。
近年来,遗传算法作为一种新兴的优化和自学习算法在控制工程中逐渐受到重简单来说,PID 控制器各校正环节的作用是:视,它是一种基于生物进化论的并行搜索算法,搜索空间大,通过设计合1)比例环节:成比例地反映控制系统的偏差信号,偏差一旦产生,适的算法参数和策略能够避免陷入局部最小。
由于其独到的解决问题的能控制器立即产生控制作用,以减小偏差;力,其应用已渗透到控制领域诸多方面(系统辨识和模型降阶、最优控2)积分环节:主要用于消除静差。
积分作用的强弱取决于积分时间制、线性和非线性控制、滑模控制、鲁棒控制、模糊逻辑控制、神经网络控制和自适应控制等)。
3)微分环节:反映偏差信号的变化趋势(变化速率),并能在偏差信号变得太大之前,在系统中引入一个有效的早期修正信号,从而加快系1 PID控制器原理统的动作速度,减少调节时间。
PID 控制是一种负反馈控制。
其反馈控制原理图如图1所示。
2 基于遗传算法的PID参数整定遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。
随着火电机组单机容量和参数的不断提高,系统变得日趋复杂,热工过程越来越表现出非线性、慢时变、大迟滞、强耦合性和不确定性,这对热工过程自动控制系统则提出了更高的要求,传统的PID 控制已经无法满足这种要求,必须采用先进的控制策略进行优化控制。
基于遗传算法的PID控制器参数优化
基于遗传算法的PID控制器参数优化遗传算法是一种模拟生物进化过程的智能算法,适用于解决优化问题。
在PID控制器设计中,参数的选择对控制系统的性能和稳定性有很大影响。
使用遗传算法对PID控制器参数进行优化,能够自动找到最优参数组合,提高系统的控制性能。
PID控制器由比例(P)、积分(I)、微分(D)三个部分组成,其输出是通过对误差的线性组合得到的。
参数的选择直接影响控制器的稳定性、动态响应和抗干扰能力。
传统的方法通常是通过试错法进行参数整定,这种方法的缺点是效率低、调试过程繁琐且容易出错。
遗传算法是一种模拟自然界进化过程的智能优化算法,其中每个个体代表一组可能的参数,通过适应度函数来衡量个体的适应度,并选择适应度较高的个体进行遗传和变异操作,最终找到适应度最优的个体。
将遗传算法应用于PID控制器参数优化的步骤如下:1.确定优化目标:通过设置适应度函数来度量控制系统的性能指标,如超调量、调整时间和稳定性。
2.初始化种群:随机生成一组初始参数作为初始种群,并利用适应度函数来评估每个个体的适应度。
3.选择操作:根据适应度选择一部分适应度较高的个体作为父代,通过选择操作进行选择。
4.交叉操作:将选中的父代进行交叉操作,生成新的子代个体。
5.变异操作:对子代进行变异操作,引入新的个体差异。
6.评估适应度:利用适应度函数评估新生成的子代个体的适应度。
7.判断终止条件:判断是否满足终止条件,如达到最大迭代次数或找到满足条件的解。
8.更新种群:根据选择、交叉和变异操作的结果,更新种群。
9.重复步骤3-8,直到满足终止条件。
10.输出最优解:输出适应度最好的个体参数作为PID控制器的优化参数。
使用遗传算法进行PID控制器参数优化有如下优点:1.自动化:遗传算法能够自动寻找最优参数组合,减少了人工试错的过程。
2.全局:遗传算法具有全局的能力,能够参数空间的各个角落,找到更好的解决方案。
3.鲁棒性:遗传算法能够处理多变量、多模态和不连续的问题,具有较好的鲁棒性。
基于改进遗传算法的PID参数整定策略
第32卷第2期2005年北京化工大学学报JOURNAL OF BEI J IN G UN IV ERSIT Y OF CHEMICAL TECHNOLO GYVol.32,No.22005基于改进遗传算法的PID 参数整定策略宋洪法1 靳其兵1 赵 梅2(1.北京化工大学信息科学与技术学院,北京 100029;2.苏州科技学院电子系,江苏苏州 215011)摘 要:针对简单遗传算法(SG A )收敛速度慢、易于早熟等缺点,在前人研究成果的基础上,提出动态调整搜索空间策略,对遗传算法进行多步渐进搜索。
并采用改进的自适应交叉算子和自适应变异算子,结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID 参数进行迭代寻优整定。
仿真结果表明:当被控对象存在较大纯滞后、时间常数特性时,采用本方法优化PID 控制器参数可获得比较满意的调节效果。
关键词:遗传算法;自适应交叉;早熟;PID 参数整定中图分类号:TP273收稿日期:2004205206基金项目:中国石化总公司资助项目(X503014);中国石油天然气集团公司资助项目(03E7042)第一作者:男,1981年生,硕士生E 2mail :songhongfa @ 目前PID 参数整定方法主要有两种,一种是经验整定法,另一种是智能整定方法[1]。
前者算法简单,容易实现,但缺乏灵活性;后者具有很强的自适应能力,但算法比较复杂,无法满足现场的快速响应要求。
因此,既要有自适应能力又要求算法相对简单的PID 自整定技术成为控制界学者研究的努力方向。
简单遗传算法(SG A )已被证明不能收敛到全局最优解[2]。
文献[326]对自适应交叉和变异概率作了一定分析;文献[7]给出了遗传算法适配函数的一般构造原则以及遗传算法的自适应机制。
本文在综合考虑上述研究成果的同时,分析发现:遗传算法的初值给定范围与其搜索效率有很大的关系,即搜索初值越接近最优值,搜索范围越小,遗传算法的搜索效率就越高。
基于遗传算法整定的PID控制 毕业论文
2010届毕业生毕业论文题目: 基于遗传算法整定的PID控制院系名称:信息科学与工程学院专业班级:电子信息科学与技术学生姓名:学号:指导教师:教师职称:讲师2010年 6 月 2 日摘要PID控制器是在工业过程控制中常见的一种控制器,因此,PID参数整定与优化一直是自动控制领域研究的重要问题。
遗传算法是一种具有极高鲁棒性的全局优化方法,在自控领域得到广泛的应用。
针对传统PID参数整定的困难性,本文提出了把遗传算法运用于PID参数整定中。
本文首先对PID控制的原理和PID参数整定的方法做了简要的介绍。
其次介绍了遗传算法的原理、特点和应用。
再次,本文结合实例阐述了基于遗传算法的PID参数优化方法,采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,利用遗传算法的全局搜索能力,使得在无须先验知识的情况下实现对全局最优解的寻优,以降低PID参数整定的难度,达到总体上提高系统的控制精度和鲁棒性的目的。
最后,本文针对遗传算法收敛速度慢、易早熟等缺点,将传统的赌盘选择法与最优保存策略结合起来,并采用改进的自适应交叉算子和自适应变异算子对PID参数进行迭代寻优整定。
采用MATLAB对上述算法进行仿真验证,仿真结果表明了遗传算法对PID 参数整定的有效性。
关键词:PID;参数控制;遗传算法;MATLABTitle Tuning of PID Parameters Based on Genetic AlgorithmAbstractPID controller is a kind of controller that is usual in industrial process control. Therefore, tuning and optimization of PID parameters are important researchable problems in the automatic control field, where Genetic algorithm is widely used because of the highly robust global optimization ability of it. Aiming at the difficulty of traditional tuning of PID parameter, this paper puts forward a method that genetic algorithm is applied to the tuning of PID parameters.Firstly, the principle of PID control and the methods of tuning of PID parameters are introduced briefly. Secondly, this paper introduces the principle, characteristics and application of genetic algorithm. Thirdly, this article expounds on the methods of tuning of PID parameters based on genetic algorithm with an example. In this paper, the performance index of time integral of absolute error serves as the minimum objective function in the tuning of PID parameters, and the global search ability of genetic algorithm is used, so the global optimal solution is obtained without prior knowledge, and the difficulty of tuning of PID parameter is reduced, so the goal is achieved which is improving the control accuracy and robustness of the system overall. Finally, aiming at the weakness of genetic algorithm, such as the slow convergence of prematurity and precocious, the traditional gambling site selection method and elitist model are united in this paper, and the paper also adopted adaptive crossover operator and adaptive mutation operator to optimize PID parameters iteratively.Use MATLAB to simulate these algorithms, and the simulation results show that PID controller tuning based on genetic algorithm is effective.Keywords: Genetic algorithm; PID control; optimum; MATLAB目次1 引言 (1)1.1 PID控制的发展与现状 (1)1.2 遗传算法的发展与现状 (1)1.3 课题研究背景和意义 (3)1.4 本文主要工作 (3)2 PID控制 (5)2.1 PID控制原理 (5)2.2 PID参数整定 (7)3 遗传算法 (9)3.1 遗传算法基本原理 (9)3.1.1 遗传算法概要 (9)3.1.2 遗传算法的应用步骤 (10)3.2 遗传算法的实现 (11)3.2.1 编码方法 (11)3.2.2 适应度函数 (12)3.2.3 选择算子 (12)3.2.4 交叉算子 (13)3.2.5 变异算子 (14)3.2.6 遗传算法控制参数选取 (14)3.3 遗传算法的仿真验证 (15)4 基于遗传算法的PID参数优化 (18)4.1 总体实现 (18)4.2 具体实现 (19)4.2.1 参数的确定及表示 (19)4.2.2 选取初始种群 (19)4.2.3 适应度函数的确定 (19)4.2.4 选择部分实现 (20)4.2.5 交叉部分实现 (20)4.2.6 变异部分实现 (21)4.3 编译及仿真 (22)4.3.1 编译环境选择 (22)4.3.2 仿真验证及结果分析 (22)5 基于改进遗传算法的PID参数优化 (24)5.1 遗传算法的改进 (24)5.1.1 选择算子的改进 (24)5.1.2 交叉与变异算子的改进 (24)5.2 仿真验证及结果分析 (25)结论 (26)致谢 (27)参考文献 (28)1 引言1.1 PID控制的发展与现状PID控制技术的发展可以分为两个阶段。
遗传算法对数字PID参数整定
摘要本文使用的是遗传算法对PID控制器参数的整定,PID控制器是过程控制中应用最为广泛的控制方法,PID控制理论成熟、算法简单、鲁棒性好、可靠性高。
控制器参数的选择决定了控制的稳定性和快速性,关乎系统的可靠性。
因此,PID 控制器参数整定问题是自动控制领域研究的一个重要内容。
实际工业生产过程往往具有非线性、时变性,人工试凑的参数整定方法往往整定不良、性能不佳,对运行工况的适应性很差。
本文基于遗传算法对数字PID控制器进行参数整定,可以提高优化性能,缩短整定时间。
关键词:数字PID控制器;参数整定;遗传算法;二次性能指标1引言PID控制作为比较成熟的控制技术广泛应用于工业生产过程,目前绝大多数底层控制都采用PID控制器。
实际应用中控制器的参数往往采用实验试凑的方法人工整定,该方法往往整定不良、性能不佳,而且对运行工况的适应性很差。
近年来随着计算机技术的广泛应用,人工智能算法PID整定策略发展迅速,如模糊PID、专家PID、神经元网络PID以及遗传算法等。
这些算法能够实现提高优化性能,缩短整定时间,实际应用方便的控制目标。
2PID控制器PID控制器是将偏差的比例(P)、积分(I)、微分(D)通过线性组合构成控制量,对被控对象进行控制的。
模拟PID控制的系统原理图如图1所示。
图1. 模拟PID 控制的系统原理图模拟PID 控制规律为位置式:()()()()01=++tp DI de t u t k e t e t dt T T dt ⎡⎤⎢⎥⎣⎦⎰(1) 当系统采样周期为T 时,对上式离散化处理,可得到离散位置式PID 控制表达式:()()()()()=1--1=++kp i dj e k e k u k k e k k e j T k T ∑(2) 式中=/i p I k k T ,=d p D k k T 。
增量式PID 控制表达式可以表示为:()()()=-1+u k u k u k ∆(3)()()()()()()()()()=--1++-2-1+-2p i d u k k e k e k k e k k e k e k e k ∆(4)3 遗传算法遗传算法(Genetic Algorithm )是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,将达尔文生物进化理论引入参数寻优之中,适应度高的个体越容易被保留,经过若干代数遗传操作,种群各个体的适应度不断提高,直至满足一定的极限条件,获得优化问题最优解。
基于遗传算法的PID整定与优化
G1 ( s ) =
=V・ C×3 5 4 . 5 / 1 0 0 0
副回路采用 P I控制 ,按标准 I T A E准 则 [ ቤተ መጻሕፍቲ ባይዱ 】 ,其控制规律为:
Gc 2 =5
整定并优化主回路中的主控制器 P I D 参 数。 采样周期为 1 s ,群体基因数为 5 O ,交叉 概率为 0 . 9 O ,变异 概 率为 0 . 0 0 1 , 采 用 单 位 阶 跃 信 号 作 为 系 统 主 给 定 信 号 ,迭 代 终 止 条 件 : 迭 代次数为 1 0 0次;同时迭代 中两次的最小适 度值差小于 4 0 0 。
引 言
由于 P I D 控制 规律具有算法简单、鲁棒 性好和 可靠 性高等优 点,因此过程控 制中采 用最多的依然是 P I D方式 。 P I D参数整定与优 化 的方 法 有 很 多 , 工 程 上 整 定 方 法 有 衰 减 曲 线 法 、Z - N法, I S T E最 优 设定 方 法 、快 速 整 定 和继 电法等 ,在参数优 化过程 中多采 用梯度 法,单纯形法和智能方法。 衰减 曲线法、z —N法和快速 整定法是经 验 的总结不是最优 解,继 电法会使 被控系统 振 荡,而优化 中的梯度法需要对 目标函数微 分,同时梯度 法与单纯形法会 陷入局部最优 点,而 I S T E最优设定方法和智能方法是针对 类 特定被控对象 的。本文采用 遗传算法进 行 P I D 参数整定与优化 ,这是一种寻 求全局 最优 的优化方法 ,无需对 目标函数微分。 1 、 遗 传算 法 遗传 算 法 简称 GA ( Ge n e t i c A l g o r i t h ms ) 是1 9 6 2年 由美国 Mi c h i g a n大 学的 Ho l l a n d教 授提 出的模拟 自然界遗传机制 和生物进化论 而成 的一种 并行 随机搜索寻优方法【 1 ] 。它将 “ 优胜劣汰 ,适者生存 ”的生物进化 原理引 入优化参数 形成的编码 串联群体 中,按 所选 择 的适应值 函数并通过遗 传中的复制 、交叉 及变异对个 体进行筛选 ,使适应值 高的个体 被保 留下来,组成新 的的群体 ,新 的群体既 继承 了上 一代的信息 ,又优于上一代 。这样 周而 复始,群体 中个体 适应度不断提 高,直 到满足 一定的条件 。其 算法简单 ,可 并行处 理 ,能 得 到 全 局 最 优解 。 GA 寻优 的 一些 遗 传 操 作 : 1 、染色体 ( 基因组、个体) 染 色体即 问题解答 的二进制 串或十进制 串表 示 ,对 应 地 有 二进 制编 码 和 实数 编 码 。 二进制 编码 :把变 量或参数用 二进制 串 表示 ,串长 由要求的计算精度决定。 实数编码 :直接 用原始变量 或参数构成 染色 体 。 把 表示几个参数 ( 变量 )的子 串拼成一 条染 色 体 。 2 、产生初始种群 计 算机产生参数 或变量可 能取 值范围 内 的 随机 数 ,N 个 个 体 随机 组成 初 始 种 群 。 3 、计算各个个体的适应值 f i 适 应 值 函 数 依 问 题 而 定 , 可 以 是 商 业 利 润,对于成败 ,神经网络 的期 望输 出与实 际 输 出的均方差 ,或其他 目标函数表 示。 4 、判 断进 化 可 否 结 束 GA 的收敛判据常用由两种方 法:1 、是 从解 的质量考虑 ,若连续若干代 得到 的最好 解不 变 , 则认为收敛 ,停止进化 :2 、是进化了足 够代数之后认 为收敛 ,以其最 后最优结果 为 所求解 。否则继续进行进化。 5 、选 择 ( S e l e c t i o n ) :根 据 各 个 个 体 的适 应 度 , 按 照 一 定 的 规 则 或 方 法 ,从 第 t代 群 体 P ( t ) 中选 择 出一些优 良的个体遗 传到 下~代 P ( 什1 ) 中。 6 、交叉( C r o s s o v e r ) : 将群体 P f t ) 内的各 个
基于在线自适应遗传算法的PID参数整定和优化
整定 , 使得控制效果不理想等问题, 出了 自 提 适应遗传算法的 P I D参数整定 。根据遗传算法具有 在线性差的问题 , 对遗传算
法作 了改进 。通过 自适应遗传算法对 PD参数进行整定与寻优 , I 选择 自适应度大 的个体所对应的 PD控制参数作为采样 时 I
第2卷 第l 8 2 期
文章编 号:06— 3 8 2 1 )2— 14— 4 10 9 4 (0 1 1 0 5 0
计
算
机
仿真 ຫໍສະໝຸດ 21年1月 01 2 基 于在 线 自适 应 遗传 算 法 的 PD 参数 整定 和 优 化 I
张 巍 , 宇清 卢
( 河南农业职业学 院电子信息工程系 , 河南 郑州 4 1 5 ) 5 40
K YWOR : ee ca oi m ( A) Prm tr A at e E DS G nt l rh s G ; aa ee; dpi i g t v
中图分 类号 :P 7 T23 文献标识码 : A
Opi z da d Adu tteP r mee fP D t e n j s h a a tro I mi
Ba e n O n —lne Ada tv e e i g rt s sdo —i p ie G n tc Alo ihm
间下 的 PD控制参数 。改进后的算法有效提高 了遗传算法的寻优 能力 , I 提高 了算 法的收敛 的速度 , 一定的范 围可 以求得 在 最优全局解 。在 M T A A L B上仿真结果表 明, PD参数的寻优过程 中, 适 应遗传算 法具有更 强的寻优能力 , 在 I 自 提高了控制 系统 的 自 适应性 , 为优化控制系统设计提供了依据。 关键词 : 遗传算法 ; 参数 ; 自适应
基于遗传算法的PID参数整定
摘要:研究自动控制器参数整定问题,PID参数整定是自动控制领域研究的重要内容,系统参数选择决定控制的稳定性和快速性,也可保证系统的可靠性。
传统的PID参数多采用试验加试凑的方式由人工进行优化,往往费时而且难以满足控制的实时要求。
为了解决控制参数优化,改善系统性能,提出一种遗传算法的PID 参数整定策略。
在本文里,通过介绍了遗传算法的基本原理,并针对简单遗传算法在PID控制中存在的问题进行了分析,提出在不同情况下采用不同的变异概率的方法,并对其进行了实验仿真。
结果表明,用遗传算法来整定PID参数,可以提高优化性能,对控制系统具有良好的控制精度、动态性能和鲁棒性。
关键词:PID控制器;遗传算法;整定PID1 引言传统的比例、积分、微分控制,即PID控制具有算法简单、鲁棒性好和可靠性高等优点,已经被广泛用于工业生产过程。
但工程实际中,PID控制器的比例、积分和微分调节参数往往采用实验加试凑的方法由人工整定。
这不仅需要熟练的技巧,往往还相当费时。
更为重要的是,当被控对象特性发生变化,需要控制器参数作相应调整时,PID控制器没有自适应能力,只能依靠人工重新整定参数,由于经验缺乏,整定结果往往达不到最优值,难以满足实际控制的要求。
考虑生产过程的连续性以及参数整定费事费力,这种整定实际很难进行。
所以,人们从工业生产实际需要出发,基于常规PID控制器的基本原理,对其进行了各种各样的改进。
近年来许多学者提出了基于各种智能算法的PID整定策略,如模糊PID,神经元网络PID等…,但这些先进算法都要求对被控对象有很多的先验知识,在实际应用中往往难于做到。
随着计算技术的发展,遗传算法有了很大的发展。
将遗传算法用于控制器参数整定,已成为遗传算法的重要应用之一。
本文介绍基于遗传算法的PID参数整定设计方法。
这是一种寻求全局最优的控制器优化方法,且无需对目标函数微分,可提高参数优化效果,简化计算过程。
仿真实例表明该方法与其他传统寻优方法相比,在优化效果上具有一定的优势。
基于遗传算法的PID整定
1 遗传 算 法稳定性 , 准 确性和快 速性 。而上 升时 间反映了系统的快速性 , 上升时间越短 , 控 制进行就越快 , 遗传算法是从代表问题可能潜在解集的一个种群 开始的 , 系统 品质也就越好 。 而 一 个 种 群 则 由经 过 基 因 编 码 的 一 定 数 目的 个 体 组 成 。每 个 实 际 应 用 中系 统 中 固有 的饱 和特 性 导 致 系 统 不 稳 定 , 为 了 个体实际上是染色体带有 特征的实 体。染色体 作为遗 传物 质 防止 控 制 能 量 过 大 , 在 目标 函 数 中加 入 控 制 量 。 因 此 , 为了使 的主要载体 , 它决定 了个体 的形 状外部 表现 。因此 , 需要实 现 控制效果更好 , 我们 给出了控制 量 , 误 差和上 升时 间作为 约束 从表现型到基因型的映射编码工作。由于仿照基 因编码的工作 条件 。适应 函数 同目标 函数 相关 , 目标 函数确 定后 , 直接 将其 很 复杂 , 需要进 行简化 , 如二进 制编码。初代 种群产生之后 , 按 作 为适 配 函数 进 行 参 数 寻 优 。 最 优 的 控 制 参 数 就 是 在 满 足 约 照优胜劣汰的原理 , 逐代 演化产生出越来越好 的近似解。在每 束条件下是. 厂 ( ) 最大时 , 所对应 的控制器参数 。 代, 根据 问题式中个体 的适应度大小选择个体 , 并借助 于 自然 2 . 4 遗 传 算 法 的操 作 遗 传学 的遗传算子进行组合交叉和变异 , 产生出新 的解集种群。 利用遗传算法优化 K p , K i , K d的具 体步 骤如下 。 末代种 群中的最优个体经过解码 , 可 以作为问题近似 最优解 。 1 ) 确定每个参数的大致范围和编码长 度 , 进行编码 。 遗传算法模仿生物遗传及进化 的步骤 , 以 自然选择 和遗 传 2 ) 随机产生 n个个体构成初始种 群 P ( 0 ) 。 理论为基础 , 将生物进化过程 中适者生存规则与群体 内部染 色 3 ) 将种群 中各个体解码成对应的参数值 , 用此参数求代价 体的随机信 息交换机 制相结合 , 在 问题空 间进 行全局 并行 的 、 函数值 . , 及适应 函数值 厂 , 取. 厂 =1 / J 。 随机的搜索优化 , 求得问题 的全局最优解 。遗传算 法模 仿生物 4 ) 应用复制 , 交 叉 和 变异 算 子 对 种 群 P( t ) 进行 操作 , 产 生 遗传及进化的步骤 , 引人了如繁殖 、 交叉 、 变异等方法。 下一代种群 P ( t +1 ) 。 1 . 2 遗 传 算 法的 应 用 5 ) 重复步骤 3 ) 和4 ) , 直至参数 收敛或达到预定的指标 。 由于遗传算 法的整体 搜索策 略和优 化搜索方 法在计算 时 3 遗传 算 法应 用举 例 不依赖于梯度信 息或其他辅助知识 , 只需要影 响搜 索方 向的 目 3 . 1 实例 分 析 标函数和相应的适应度 函数 , 所 以遗传算法提供 了一种求解复 通过计算机编程实 现以上功能 , 选取单 回路寻优控制 回路 杂系统问题的通用框架 , 它不依赖 于问题 的具体领 域 , 对 问题 实例做进一步分 析。实 例 : 某单 回路 寻优 控制 回路 如 图 1所 的种类有很强的鲁棒性 , 所 以广 泛应用 于许 多科 学。例如 , 函 示 , 其 中被控对象为二阶传递 函数 : 数优化 、 权值优化 、 组合优化 、 结构优化。 G ( ):3 0 0 / ( s +3 0 ) , P I D 为 U( 5 ):K p( 1+1 / T , S+ 2 基于遗传算法的 P I D 参数 寻 优 设 计 s ) 。采样 时间为 l m s , 输入为阶跃信号。 2 . 1 参数的确定及表 示 P I D控制器 中一般微分 时间为 0 , 所 以选 取 比例 带 6和 积 分时 间 矗为参数 , 我们 的任务是离线寻找最 合适 的参 数 , 以使 图 1 控 制 系统 图 控制器 的控制达到最优。首先确定参数 范围, 该范 围一 般由用 为获取满意 的过渡过程动态特性 , 采用误差绝对值 时间积 户给定 , 根据经验设 占∈[ 0 , 5 ] , T i ∈[ 0 , 1 0 0 ] , 然后 由精度 的要 采 求, 对其进行 编码。选 取 1 0位的二进 制字 串来 表示 每一个 参 分性能指标作为参数选择的最小 目标 函数 。为了避免超调 , 此时的最优指标为 : 数, 并建 立与参数 的关 系 , 再 把两个参 数 的二进制连 接起来 组 用 超 调 量 作 为 最 优 指 标 的 一 项 ,
基于遗传算法对PID控制器参数的整定
2.2 适配函数的确定
为了获取满意的过渡过程动态特性,采用误差绝对值时 间积分性能指标作为系统控制参数选择的最小目标函数;为 了防止控制能量过大,在目标函数中加入控制输入的平方项, 同时为了避免超调,设置惩罚函数功能,即如果产生超调, 将超调量作为最优指标其中的一项。系统对以上控制目标的 实现具体描述为:
1 PID 控制简介
PID 控制器是一种线性控制器,它根据给定值 r(t)与
实际输出值 y(t)构成控制偏差 e(t):
e(t)=r(t)-y(t)
(1)
将偏差的比例(P)、积分(I)和微分(D)通过线性
组合构成控制量,对被控对象进行控制,故称 PID 控制器。
基于遗传算法的PID整定与研究 本科毕业论文
CHANGZHOU INSTITUTE OF TECHNOLOGY毕 业 设 计 说 明 书题目:基于遗传算法的PID 整定与研究二级学院(直属学部): 延陵学院专业: 自动化 班级: 07自Y学生姓名: 王思凡 学号: 07121222指导教师姓名:张燕红 职称:评阅教师姓名: 职称:2011年 6月KC021-1摘要PID控制是工业过程中应用最为广泛的一种方法,而遗传算法是模拟自然界遗传机制和生物进化论而成的一种并行随机搜索的最优化的方法,它将“优胜劣汰、适者生存”的生物进化原理引入优化参数形成的编码串连的群体中,按照所选择的适配值函数并通过遗传中的复制、交叉及变异对个体进行筛选,使得适配值高的个体被保留下来,组成新的群体,新的群体又继承了上一代的信息,又优于上一代,这样群体中的个体的适应度不断提高,从而得到全局最优解。
通过适应度函数来确定寻优方向,与其他一些常规整定方法相比,遗传算法比较简便,整定精度较高。
本文用遗传算法对PID进行整定与研究,对该系统进行了仿真,实验结果表明该种算法的有效性和优越性,也表明遗传算法是一种简单高效的算法,与传统的PID控制方法相比明显地改善了控制系统的各方面性能。
关键词PID控制;遗传算法;PID参数整定;Matlab;AbstractPID control is the most widely used industrial process in a way, the genetic algorithm is to simulate the genetic mechanisms and biological evolution in nature made of a parallel random search optimization method. It "survival of the fittest" theory of biological evolution optimized the parameters of the introduction of the encoding group in series.According to the adaptive value function which and through the heredity in duplication chooses, overlapping and the variation to the individual carries on screening, causes the adaptive value high individual to retain, forms the new community, the new community has inherited previous generation's information, also surpasses the previous generation, in such community's individual's sufficiency enhances unceasingly, thus obtains the globally optimal solution.Through the sufficiency function definite optimization direction, compares with other conventional installation method, the genetic algorithm is quite simple, the installation precision is high.In this paper, genetic algorithm for tuning PID and study the simulation of the system, experimental results show that the effectiveness and superiority of the kinds of algorithms, but also show that the genetic algorithm is a simple and efficient algorithm, and compared the traditional PID control method significantly improved control over all aspects of system performance.Key words : PID control; genetic algorithm; PID parameter tuning; Matlab目录摘要 (I)Abstract ........................................................................................................................... I I 目录 (III)第1章绪论 ................................................................................................................ - 1 -1.1课题研究背景 ................................................................................................ - 1 -1.2国内外研究现状 ............................................................................................ - 2 -1.3论文主要研究内容、目的和意义 ................................................................ - 5 -第2章PID算法简介 ................................................................................................. - 6 -2.1 PID控制原理................................................................................................. - 6 -2.2 PID控制器的基本用途................................................................................. - 7 -2.3 PID控制器的现实意义................................................................................. - 8 -2.4 PID控制器的参数整定................................................................................. - 8 -2.5本章小结 ...................................................................................................... - 10 -第3章遗传算法的基本理论及研究 ...................................................................... - 11 -3.1遗传算法的概念 .......................................................................................... - 11 -3.2标准遗传算法 .............................................................................................. - 11 -3.3遗传算法的模式定理 .................................................................................. - 12 -3.4标准遗传算法的结构、特点和应用关键 .................................................. - 13 -3.5本章小结 ...................................................................................................... - 16 -第4章基于遗传算法的PID参数整定 ................................................................. - 17 -4.1 Matlab简介.................................................................................................. - 17 -4.2 基于遗传算法PID控制器参数整定设计................................................. - 18 -4.3本章小结 ...................................................................................................... - 19 -第5章基于遗传算法的PID仿真 ......................................................................... - 20 -5.1遗传算法关键步骤的Matlab实现............................................................. - 20 -5.2基于二进制的遗传算法的PID仿真.......................................................... - 22 -5.3基于实数制的遗传算法PID仿真.............................................................. - 27 -5.4本章小结 ...................................................................................................... - 31 -结论 ............................................................................................................................ - 32 -参考文献 .................................................................................................................... - 33 -致谢 ............................................................................................................................ - 36 -附录 ............................................................................................................................ - 37 -第1章绪论1.1课题研究背景PID调节器是最早发展起来的控制策略之一,因为它所涉及的设计算法和控制结构都是简单的,并且十分适用于工程应用背景,此外PID控制方案并不要求精确的受控对象的数学模型,且采用PID控制的控制效果一般是比较令人满意的,所以在工业实际应用中,PID调节器是应用最为广泛的一种控制策略,也是历史最久、生命力最强的基本控制方式。
基于遗传算法的PID参数整定的MATLAB程序代码
基于遗传算法的PID参数整定1引言传统的比例、积分、微分控制,即PID控制具有算法简单、鲁棒性好和可靠性高等优点,已经被广泛用于工业生产过程。
但工程实际中,PID控制器的比例、积分和微分调节参数往往采用实验加试凑的方法由人工整定。
这不仅需要熟练的技巧,往往还相当费时。
更为重要的是,当被控对象特性发生变化,需要控制器参数作相应调整时,PID控制器没有自适应能力,只能依靠人工重新整定参数,由于经验缺乏,整定结果往往达不到最优值,难以满足实际控制的要求。
考虑生产过程的连续性以及参数整定费事费力,这种整定实际很难进行。
所以,人们从工业生产实际需要出发,基于常规PID控制器的基本原理,对其进行了各种各样的改进。
近年来许多学者提出了基于各种智能算法的PID整定策略,比如模糊PID、神经元网络PID等等。
然而,这些先进算法都要求对被控对象有很多的先验知识,在实际应用中往往难于做到。
随着计算技术的发展,遗传算法有了很大的发展。
将遗传算法用于控制器参数整定,已成为遗传算法的重要应用之一。
本文介绍基于遗传算法的PID参数整定设计方法。
这是一种寻求全局最优的控制器优化方法,且无需对目标函数微分,可提高参数优化效果,简化计算过程。
仿真实例表明该方法与其他传统寻优方法相比,在优化效果上具有一定的优势。
2遗传算法简介2.1 遗传算法的基本原理遗传算法是John H.Holland根据生物进化的模型提出的一种优化算法。
自然选择学说是进化论的中心内容。
根据进化论,生物的发展进化主要有三个原因:即遗传、变异和选择。
遗传算法基于自然选择和基因遗传学原理的搜索方法,将“优胜劣汰,适者生存”的生物进化原理引入待优化参数形成的编码串群体中,按照一定的适应度函数及一系列遗传操作对各个体进行筛选,从而使适应度高的个体被保留下来,组成新的群体;新群体包含上一代的大量信息,并且引入了新的优于上一代的个体。
这样周而复始,群体中各个体适应度不断提高,直至满足一定的极限条件。
利用遗传算法进行H∞-PID控制器参数整定
c佣呐fhvi.和种断柚蚪黼瞄·证确柚∞击孤廖—融’!-
1蚵words:PlD∞nⅡ口I,H.c∞nDl.∞糟fn嘲缸啦in岛g胁硎c al刚t}哪
,
瑚鼗润斓嘲硐.翻。国攀
利用遗传算法进行H。-PID控制器参数整定
zf=‘%+(1一∞M
‘I势
其中,口为【O.1】上的随机数:变异策略采用均匀变异
策略,即设x-(x。,b错0为父体向量,则分量鼍以概搴 l瓜被选择作为变异,设对知进行变异,则其后代为
x’坼I’’)【2’,错;’,错k’),’其中墨’以等概率取(1.f)】‘i尊t再
+(1.x加,r为【0,11上的随机鼓.魇始种群经过若干代的
O.87。
系统输入为阶跃形式,即日(O=1(f).控制结果 如图2.所示。通过比较可知相对一般方法整定的PID 控制算法来讲,基于本文方法整定PID控捌算法具有
更强的鲁棒性.并且可使系统的性能指标更加忧化.
,&蠡未叠
k。I』山㈨^.。jL.LmL。1▲I.^h“
乏1 -…’’’
’1
’’
主
善
05
0
2
号向量。
、
定义2 (日。次优设计问基)cz】:对乎绔定雠
广被控对象G∞和Y,求反馈控制器x国使謦角罐系
‘
统稳定且L山)满足:
j
.1
ho)|I。<1。
≮,摹
{
?镉
’j
口.7蚴.j9"J,∞,s,n∞o删髓:EE
586
。。遁
围1.H’标准设计同意
许多控制问题,如鲁棒控制问题、模型匹配问题 等,都可以通过一定的转化称为H。标准控制问题州 并且通过H。设计方法得至0解决。但是,由H.设计方 法得到控制器一般结构比较复杂,不利用工程实现。 考虑到PlD控制器在各种现场的应用情况,本文提出 了基于H.设计的PD控制器参数整定问题。
基于遗传算法的PID控制参数整定研究
基于遗传算法的PID控制参数整定研究邵海龙【摘要】PID控制作为一种经典的控制方法被广泛应用于工业控制中,是实际工业生产过程正常运行的基本保障。
随着计算机技术的发展和人工智能技术的出现,PID控制器参数整定不再只是传统整定,而出现了多种新的PID控制器参数整定方法。
文章通过深入研究PID控制理论,罗列和分析了传统PID参数整定技术,最终利用遗传算法完成PID多参数智能整定,从而保证PID控制器的无超调、稳定、快速的完美控制。
%PID control, as a classical control method, is widely used in industrial control and the basic guarantee for the normal operation of the actual process of industrial production. With the development of computer technology and emergence of artificial intelligence technology, PID controller is no longer the traditional tuning method.Through in-depth study of PID control theory, this paper lists and analyzes the traditional PID parameter tuning technology, using the genetic algorithm to complete the PID multi parameter intelligent tuning ifnally, so as to ensure without overshoot, stable, fast perfect control of the PID controller.【期刊名称】《无线互联科技》【年(卷),期】2016(000)021【总页数】2页(P111-112)【关键词】Ziegler-Nichos法;遗传算法;PID控制【作者】邵海龙【作者单位】福州大学物理与信息工程学院,福建福州 354000【正文语种】中文PID控制即比例积分微分控制。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
对全部高中资料试卷电气设备,在安装过程中以及安装结束后进行高中资料试卷调整试验;通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关,系电,力通根保1据过护生管高产线中工敷资艺设料高技试中术卷资0配不料置仅试技可卷术以要是解求指决,机吊对组顶电在层气进配设行置备继不进电规行保范空护高载高中与中资带资料负料试荷试卷下卷问高总题中体2资2配,料置而试时且卷,可调需保控要障试在各验最类;大管对限路设度习备内题进来到行确位调保。整机在使组管其高路在中敷正资设常料过工试程况卷中下安,与全要过,加度并强工且看作尽护下可关都能于可地管以缩路正小高常故中工障资作高料;中试对资卷于料连继试接电卷管保破口护坏处进范理行围高整,中核或资对者料定对试值某卷,些弯审异扁核常度与高固校中定对资盒图料位纸试置,卷.编保工写护况复层进杂防行设腐自备跨动与接处装地理置线,高弯尤中曲其资半要料径避试标免卷高错调等误试,高方要中案求资,技料编术试写5交、卷重底电保要。气护设管设装备线备置4高敷、调动中设电试作资技气高,料术课中并3试、中件资且卷管包中料拒试路含调试绝验敷线试卷动方设槽技作案技、术,以术管来及架避系等免统多不启项必动方要方式高案,中;为资对解料整决试套高卷启中突动语然过文停程电机中气。高课因中件此资中,料管电试壁力卷薄高电、中气接资设口料备不试进严卷行等保调问护试题装工,置作合调并理试且利技进用术行管,过线要关敷求运设电行技力高术保中。护资线装料缆置试敷做卷设到技原准术则确指:灵导在活。分。对线对于盒于调处差试,动过当保程不护中同装高电置中压高资回中料路资试交料卷叉试技时卷术,调问应试题采技,用术作金是为属指调隔发试板电人进机员行一,隔变需开压要处器在理组事;在前同发掌一生握线内图槽部纸内 故资,障料强时、电,设回需备路要制须进造同行厂时外家切部出断电具习源高题高中电中资源资料,料试线试卷缆卷试敷切验设除报完从告毕而与,采相要用关进高技行中术检资资查料料和试,检卷并测主且处要了理保解。护现装场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况,然后根据规范与规程规定,制定设备调试高中资料试卷方案。
end end end tempE(Size,:)=Bests; E=tempE;
% ********** 变异算子 ************ pm=0.001-[1:1:Size]*(0.001)/Size; %变异算子,从大到小 for i=1:Size
for j=1:2*CodeL temp=rand; if pm>temp %变异条件 if tempE(i,j)==0 tempE(i,j)=1; else tempE(i,j)=0; end end
G=100;
Size=30; %种群大小
%迭代次数
CodeL=10; %种群个体长度(二进制编码)
MinX=zeros(1,3);
MaxX(1)=20*ones(1); % kp in [0 20]
MaxX(2)=1.0*ones(1); % kd,ki in [0 1]
MaxX(3)=1.0*ones(1);
%适应函数值
% *********** 选择算子 ************ fi_sum=sum(fi); fi_size=(O2/fi_sum)*Size; fi_s=floor(fi_size); %取较大的适应值,确定其位置 kk=1; for i=1:Size
for j=1:fi_s(i) %选择,复制 tempE(kk,:)=E(D2(j),:); kk=kk+1;
function [KK,Bsj]=pid_ga(KK,Bsj) global rin yout timef ts=0.001; sys=tf(400,[1,50,0]); % 被控对象为二阶传递函数 dsys=c2d(sys,ts,'z'); %做 Z 变换 [num,den]=tfdata(dsys,'v');
[O,D]=sort(Bsji); %最优代价值排序 Bestj(k)=O(1) %取最小值 BJ=Bestj(k);
Ji=Bsji+1e-10;
fi=1./Ji;
[O2,D2]=sort(fi); %适应函数值排序
Bestfi=O2(Size); %取最大值
Bests=E(D2(Size),:);
m1=m(1:CodeL); for i=1:CodeL
y1=y1+m1(i)*2^(i-1); %计算输出量 end K(s,1)=(MaxX(1)-MinX(1))*y1/1024+MinX(1); %解码,计算 Kp 的取值
m2=m(CodeL+1:2*CodeL); for i=1:CodeL
rin=1.0; % 输入信号为阶跃信号 u_1=0.0;u_2=0.0; y_1=0.0;y_2=0.0; x=[0 0 0]; B=0;err_1=0;tu=1;s=0;P=100;
for k=1:P
对全部高中资料试卷电气设备,在安装过程中以及安装结束后进行高中资料试卷调整试验;通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关,系电,力通根保1据过护生管高产线中工敷资艺设料高技试中术卷资0配不料置仅试技可卷术以要是解求指决,机吊对组顶电在层气进配设行置备继不进电规行保范空护高载高中与中资带资料负料试荷试卷下卷问高总题中体2资2配,料置而试时且卷,可调需保控要障试在各验最类;大管对限路设度习备内题进来到行确位调保。整机在使组管其高路在中敷正资设常料过工试程况卷中下安,与全要过,加度并强工且看作尽护下可关都能于可地管以缩路正小高常故中工障资作高料;中试对资卷于料连继试接电卷管保破口护坏处进范理行围高整,中核或资对者料定对试值某卷,些弯审异扁核常度与高固校中定对资盒图料位纸试置,卷.编保工写护况复层进杂防行设腐自备跨动与接处装地理置线,高弯尤中曲其资半要料径避试标免卷高错调等误试,高方要中案求资,技料编术试写5交、卷重底电保要。气护设管设装备线备置4高敷、调动中设电试作资技气高,料术课中并3试、中件资且卷管包中料拒试路含调试绝验敷线试卷动方设槽技作案技、术,以术管来及架避系等免统多不启项必动方要方式高案,中;为资对解料整决试套高卷启中突动语然过文停程电机中气。高课因中件此资中,料管电试壁力卷薄高电、中气接资设口料备不试进严卷行等保调问护试题装工,置作合调并理试且利技进用术行管,过线要关敷求运设电行技力高术保中。护资线装料缆置试敷做卷设到技原准术则确指:灵导在活。分。对线对于盒于调处差试,动过当保程不护中同装高电置中压高资回中料路资试交料卷叉试技时卷术,调问应试题采技,用术作金是为属指调隔发试板电人进机员行一,隔变需开压要处器在理组事;在前同发掌一生握线内图槽部纸内 故资,障料强时、电,设回需备路要制须进造同行厂时外家切部出断电具习源高题高中电中资源资料,料试线试卷缆卷试敷切验设除报完从告毕而与,采相要用关进高技行中术检资资查料料和试,检卷并测主且处要了理保解。护现装场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况,然后根据规范与规程规定,制定设备调试高中资料试卷方案。
复制
交叉
变异
参数
编码
种群 1
计算适配置
满足要求,即达到 最大迭代次数
遗传操作
种群 2
解码
寻优结束
对全部高中资料试卷电气设备,在安装过程中以及安装结束后进行高中资料试卷调整试验;通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关,系电,力通根保1据过护生管高产线中工敷资艺设料高技试中术卷资0配不料置仅试技可卷术以要是解求指决,机吊对组顶电在层气进配设行置备继不进电规行保范空护高载高中与中资带资料负料试荷试卷下卷问高总题中体2资2配,料置而试时且卷,可调需保控要障试在各验最类;大管对限路设度习备内题进来到行确位调保。整机在使组管其高路在中敷正资设常料过工试程况卷中下安,与全要过,加度并强工且看作尽护下可关都能于可地管以缩路正小高常故中工障资作高料;中试对资卷于料连继试接电卷管保破口护坏处进范理行围高整,中核或资对者料定对试值某卷,些弯审异扁核常度与高固校中定对资盒图料位纸试置,卷.编保工写护况复层进杂防行设腐自备跨动与接处装地理置线,高弯尤中曲其资半要料径避试标免卷高错调等误试,高方要中案求资,技料编术试写5交、卷重底电保要。气护设管设装备线备置4高敷、调动中设电试作资技气高,料术课中并3试、中件资且卷管包中料拒试路含调试绝验敷线试卷动方设槽技作案技、术,以术管来及架避系等免统多不启项必动方要方式高案,中;为资对解料整决试套高卷启中突动语然过文停程电机中气。高课因中件此资中,料管电试壁力卷薄高电、中气接资设口料备不试进严卷行等保调问护试题装工,置作合调并理试且利技进用术行管,过线要关敷求运设电行技力高术保中。护资线装料缆置试敷做卷设到技原准术则确指:灵导在活。分。对线对于盒于调处差试,动过当保程不护中同装高电置中压高资回中料路资试交料卷叉试技时卷术,调问应试题采技,用术作金是为属指调隔发试板电人进机员行一,隔变需开压要处器在理组事;在前同发掌一生握线内图槽部纸内 故资,障料强时、电,设回需备路要制须进造同行厂时外家切部出断电具习源高题高中电中资源资料,料试线试卷缆卷试敷切验设除报完从告毕而与,采相要用关进高技行中术检资资查料料和试,检卷并测主且处要了理保解。护现装场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况,然后根据规范与规程规定,制定设备调试高中资料试卷方案。
基于遗传算法的 PID 整定 流程图
种群 1> 种群 2
% 基于遗传算法的 PID 整定
% 被控对象为二阶函数:
%
%
% 采样时间为 1ms,输入信号为阶跃信号
G(s) = ---------
% 采用二进制编码方式,种群个体(kp,ki,kd)长度为 10