基于遗传算法的PID参数优化设计.doc

发布时间：2022-05-30 发布人：admin 分类：说明书资料大小：0.31M 资料格式：doc 举报版权申诉

dzmzshl-4703708-4744300845145951439.doc.pdf-第1页.png

第1页 / 共37页

dzmzshl-4703708-4744300845145951439.doc.pdf-第2页.png

第2页 / 共37页

dzmzshl-4703708-4744300845145951439.doc.pdf-第3页.png

第3页 / 共37页

dzmzshl-4703708-4744300845145951439.doc.pdf-第4页.png

第4页 / 共37页

dzmzshl-4703708-4744300845145951439.doc.pdf-第5页.png

第5页 / 共37页

dzmzshl-4703708-4744300845145951439.doc.pdf-第6页.png

第6页 / 共37页

dzmzshl-4703708-4744300845145951439.doc.pdf-第7页.png

第7页 / 共37页

dzmzshl-4703708-4744300845145951439.doc.pdf-第8页.png

第8页 / 共37页

摘要

Abstract

1 综述

1.1选题背景

1.2 PID参数优化方法综述

1.3 本论文主要工作

2 遗传算法

2.1 遗传算法的简介

2.1.1 遗传算法的历史和发展

2.1.2 遗传算法的应用领域

2.1.3 遗传学的概念

2.2遗传算法的基本原理

2.3遗传算法的基本步骤

2.4遗传算法的应用关键

3 遗传算法的MATLAB实现

3.1遗传算法工具箱总体介绍

3.2遗传算法工具箱函数应用

3.3 小结

4 柴油机调速系统模型

4.1 测速环节

4.2 柴油机

5 柴油机调速系统的PID参数优化设计及仿真

5.1 基于遗传算法优化柴油机调速系统PID参数

5．2 柴油机调速系统仿真实验

结论

致谢

参考文献

附录(程序清单)

辽宁科技大学本科生毕业设计(论文) 第 I页基于遗传算法的 PID 参数优化设计摘要 PID 调节器是最早发展起来的控制策略之一，遗传算法是一种借鉴生物界自然选择和自然遗传学机理上的迭代自适应概率性搜索算法。本文提出了一种基于遗传算法的 PID 控制器参数优化设计。遗传算法模仿生物进化的步骤，在优化过程中引入了选择，交叉，变异等算子，选择是从父代种群中将适应度较高的个体选择出来，以优化种群；交叉是从种群中随机地抽取一对个体，并随机地选择多位进行交叉，生成新样本，达到增大搜索空间的目的；变异是为了防止选择和交叉丢失重要的遗传信息，它对个体按位进行操作，以提高 GA 的搜索效率和全局搜索能力。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。本文用遗传算法对柴油机调速系统的 PID 参数进行了优化，对该系统进行了仿真，实验结果表明该种算法的有效性，也表明遗传算法是一种简单高效的寻优算法，与传统的寻优方法相比明显地改善了控制系统的动态性能。关键词：遗传算法；PID 控制器；参数优化

辽宁科技大学本科生毕业设计(论文) 第 II页 Based on genetic algorithm optimization of PID parameters Abstract PID regulator is one of the first developed one of the control strategy, genetic algorithm is a kind of natural selection from biological genetics and natural mechanism of the iterative adaptive probabilistic search algorithm. In this paper, a genetic algorithm based on the Optimal Design of PID controller parameters. Genetic algorithms to imitate the steps of biological evolution, in the optimization process of the introduction of selection, crossover and mutation operators, etc., choose from the parent population will adapt to a higher degree of individual choice in order to optimize the population; cross randomly from the population to collect a pair of individuals, and a number of randomly selected cross, generate new samples, to achieve the purpose of increasing search space; variation is to prevent the loss of choice and cross-important genetic information, carried out by its individual operations, in order to enhance GA's search efficiency and global search ability. Through the fitness function to determine the optimal direction, and setting a number of other conventional methods, genetic algorithm is simple, accurate tuning. In this paper, genetic algorithm of the PID speed control system of diesel engine parameters are optimized, the system simulation, experimental results show that the algorithm also shows that the genetic algorithm is a simple and efficient optimization algorithm, with the traditional optimization methods significantly improved the control system dynamic performance. Key words: genetic algorithm；PID controller；parameter optimization

辽宁科技大学本科生毕业设计(论文) 第 III页目录摘要........................................................................................................................................... I Abstract....................................................................................................................................II 1 综述......................................................................................................................................1 1.1 选题背景.......................................................................................................................1 1.2 PID 参数优化方法综述................................................................................................2 1.3 本论文主要工作..........................................................................................................9 2 遗传算法...........................................................................................................................10 2.1 遗传算法的简介........................................................................................................10 2.1.1 遗传算法的历史和发展...................................................................................10 2.1.2 遗传算法的应用领域....................................................................................... 11 2.1.3 遗传学的概念...................................................................................................12 2.2 遗传算法的基本原理.................................................................................................13 2.3 遗传算法的基本步骤.................................................................................................13 2.4 遗传算法的应用关键.................................................................................................15 3 遗传算法的 MATLAB 实现....................................................................................... 16 3.1 遗传算法工具箱总体介绍.........................................................................................16 3.2 遗传算法工具箱函数应用.........................................................................................16 3.3 小结............................................................................................................................22 4 柴油机调速系统模型.................................................................................................23 4.1 测速环节....................................................................................................................23 4.2 柴油机........................................................................................................................23 5 柴油机调速系统的 PID 参数优化设计及仿真.................................................... 24 5.1 基于遗传算法优化柴油机调速系统 PID 参数........................................................24 5．2 柴油机调速系统仿真实验.....................................................................................26

辽宁科技大学本科生毕业设计(论文) 第 IV页结论.........................................................................................................................................28 致谢.........................................................................................................................................29 参考文献............................................................................................................................... 30 附录(程序清单)...................................................................................................................31

辽宁科技大学本科生毕业设计(论文) 第 1页 1 综述 1.1 选题背景 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。调查结果表明在当今使用的控制方式中，PID 型占 84.5%，优化 PID 型占 6.8%，现代控制型占有 1.5%，手动控制型 6.6%，人工智能(AI)型占 0. 6%。如果把 PID 型和优化 PID 型二者加起来则占 90%以上，这说明 PID 控制方式占绝大多数，如果把手动控制型再与上述两种加在一起，则占 97. 5%，这说明古典控制占绝大多数。就连科学技术高度发达的日本，PID 控制的使用率也高达 84.%。这是由于理论分析及实际运行经验已经证明了 PID 调节器对于相当多的工业过程能够起到较为满足的控制效果。它结构简单、适用面广、鲁棒性强、参数易于调整、在实际中容易被理解和实现、在长期应用中已积累了丰富的经验。特别在工业过程中，由于控制对象的精确数学模型难以建立，系统的参数又经常发生变化，运用现代控制理论分析综合要耗费很大的代价进行模型辨识，但往往不能达到预期的效果，所以不论常规调节仪表还是数字智能仪表都广泛采用这种调节方式。正是 PID 控制算法具有以上多种优点，所以这种算法仍将在现场控制中居于主导地位随着现代控制理论的建立和不断发展完善，对过程控制提出了新的方法和思路，同日寸也由于生产工艺不断地改进提高，对过程控制也提出了高要求。科研人员在不断探索新方法的同时，也对传统的 PID 控制的改进做了大量的研究。因为 PID 控制有其固有的优点，使得 PID 控制在今后仍会大量使用，如何进一步提高 PID 控制算法的能力或者依据新的现代控制理论来设计 PID 控制算法是一个非常吸引人的课题。科研人员在这一领域做的工作主要有以下两方面。 ①PID 参数自整定。由于受控对象存在着大量不可知因素，如随机扰动、系统时变、敏感误差等，这些不可知因素的作用常会导致受控对象参数的改变。在一个 PID 反馈控制回路中，受控对象参数的变化就会造成原来的 PID 参数控制性能的降低，为了克服这个问题人们提出了 PID 参数自整定，也就是随着受控对象的变化 PID 调节器自我调整和

辽宁科技大学本科生毕业设计(论文) 第 2页重新设定 PID 参数，科研人员根据古典控制理论和现代控制理论提出了许多种 PID 参数的在线自整定的方法。至今仍有人在这方面继续作研究。PID 参数在线自整定方法比较典型的有改进型 Ziegler-Nichols 临界比例度法、基于过程模型辨识的参数自整定、基于经验的专家法参数自整定、模糊型 PID 调节器等。 ②PID 参数优化。PID 参数优化是指依据一定的控制目标和给定的生产过程的模型通过理论计算得到最优的 PID 参数，PID 参数优化在 PID 控制应用之初人们就开始作了大量研究工作，已经提出了许多种方法，如粒子群优化算法，免疫算法，单纯形法，差分进化算法，神经网络算法，遗传算法等。本文就是应用遗传算法对柴油机调速体统的 PID 参数进行优化，使系统具有更好的性能。 1.2 PID 参数优化方法综述为了更好的完成本论文，我查阅了一些其他优化 PID 参数的方法。下面我就对这些优化方法做一个简要的综述。方法一：Ziegler-Nichols 设定方法 Ziegler 与 Nichols(1942)提出了调节 PID 控制器的参数的经验公式[1]，这一调节器可根据带有时滞环节的一阶近似模型的阶跃响应或频率响应数据来设定。假设对象模型为 )( sG  K Ts  1 se  其中一阶响应的特征参数 K、T、和可以由图 1-1 构成的示意图提取出来，或者已知频率响应数据，即从 Nyquist 图形上直接得出剪切频率 c 和该点处的幅值 A (或增益 K c /1 A )，由表 1-1 中的经验公式求取控制器的参数。图 1-1 用作图法确定参数

辽宁科技大学本科生毕业设计(论文) 第 3页表 1-1 Ziegler-Nichols 参数整定算法根据模型设定根据频率响应设定 TK cT 2 c pK 1 9.0 2.1 3 2 iT dT pK iT dT cK5.0 cK4.0 cT8.0 2 cK6.0 cT5.0 cT12.0 控制器类型 P PI PID 方法二：临界比例度法当已知系统的临界比例增益 CK 和振荡周期 CT 时，也可以用经验整定公式来确定 PID 控制器的参数，例如： P C 0.6 K K     0.5 T T I C  0.125 T T   D C 特征参数 CT 和 CK ，一般由系统整定实验确定，或者用频率特性分析算法根据受控过程 )(sG 直接算得，即由增益裕量 mg 确定 CK ，由相位剪切频率 c 确定 CT 。  T  C    K C  2   C g 10 m  ( 20) 以上两种传统方法都是根据大量的实验计算或实际工程经验所得到的数据整理汇总所得到的公式而得来的，在实际的工程应用中有很大的弊端。方法三：单纯形法单纯形[2,3]是美国数学家 G.B.丹齐克于 1947 年首先提出来的。它的理论根据是：线性规划问题的可行域是 n 维向量空间 Rn 中的多面凸集，其最优值如果存在必在该凸集的某顶点处达到。顶点所对应的可行解称为基本可行解。单纯形法的基本思想是：先找出一个基本可行解，对它进行鉴别，看是否是最优解；若不是，则按照一定法则转换到另一改进的基本可行解，再鉴别；若仍不是，则再转换，按此重复进行。因基本可行解

辽宁科技大学本科生毕业设计(论文) 第 4页的个数有限，故经有限次转换必能得出问题的最优解。如果问题无最优解也可用此法判别。根据单纯形法的原理，在线性规划问题中，决策变量（控制变量）x1，x2，…xn 的值称为一个解，满足所有的约束条件的解称为可行解。使目标函数达到最大值（或最小值）的可行解称为最优解。这样，一个最优解能在整个由约束条件所确定的可行区域内使目标函数达到最大值（或最小值）。求解线性规划问题的目的就是要找出最优解。最优解可能出现下列情况之一： 1 存在着一个最优解； 2 存在着无穷多个最优解； ③ 不存在最优解，这只在两种情况下发生，即没有可行解或各项约束条件不阻止目标函数的值无限增大（或向负的方向无限增大）。单纯形法的一般解题步骤可归纳如下： ① 把线性规划问题的约束方程组表达成典范型方程组，找出基本可行解作为初始基本可行解。 ② 若基本可行解不存在，即约束条件有矛盾，则问题无解。 ③ 若基本可行解存在，从初始基本可行解作为起点，根据最优性条件和可行性条件，引入非基变量取代某一基变量，找出目标函数值更优的另一基本可行解。 ④ 按步骤 3 进行迭代，直到对应检验数满足最优性条件（这时目标函数值不能再改善），即得到问题的最优解。 ⑤ 若迭代过程中发现问题的目标函数值无界，则终止迭代。用单纯形法求解线性规划问题所需的迭代次数主要取决于约束条件的个数。现在一般的线性规划问题都是应用单纯形法标准软件在计算机上求解，对于具有 106 个决策变量和 104 个约束条件的线性规划问题已能在计算机上解得。方法四：粒子群优化算法粒子群优化(Particle Swarm Optimization - PSO) 算法是近年来发展起来的一种新的进化算法( Evolutionary Algorithm - EA) 。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质。但是它比遗传算法规则更为简单，它没有遗传算法的 “ 交叉 ”(Crossover) 和 “ 变异”(Mutation) 操作。它通过追随当前搜索到的最优值来寻找全局最优。

分享到：

赞收藏

资料库

基于遗传算法的PID参数优化设计.doc

相关推荐

开发技术

热门标签

最新资料