遗传算法的pid控制器的设计Word格式.doc
《遗传算法的pid控制器的设计Word格式.doc》由会员分享，可在线阅读，更多相关《遗传算法的pid控制器的设计Word格式.doc（78页珍藏版）》请在冰点文库上搜索。
班级
仪表07-2
题
目
题目名称
题目性质
1.理工类：
工程设计（√）；
工程技术实验研究型（）；
理论研究型（）；
计算机软件型（）；
综合型（）。
2.文管类（）；
3.外语类（）；
4.艺术类（）。
题目类型
1.毕业设计（√）2.论文（）
题目来源
科研课题（）生产实际（）自选题目（√）
主
要
内
容
遗传算法是一种有效的搜索算法，用于复杂问题的优化可以达到良好的控制效果。
内容：
1、学习遗传算法的基本原理，
2、设计完整的优化控制方案，
3、算法研究，
4、应用研究，5、仿真研究。
基
本
求
1、阅读国内外有关资料；
毕业设计期间遵守纪律；
2、独立进行毕业设计工作，培养科研工作能力；
3、完整给出设计说明书一份（不少于2万字），A1图纸一张；
英文资料翻译不少于3千字；
说明书要求条理清晰，文字通顺，符合毕业设计撰写规范的要求；
论文及图纸中的文字符号符合国家现行标准。
4、完成算法研究和应用研究
参
考
资
料
⒈周明.遗传算法原理及其应用.北京：
人民邮电出版社，1999
⒉刘勇.非数值并行算法--遗传算法.北京;
科学出版社,1995
⒊李敏强.遗传算法的基本理论与应用.北京：
机械工业出版社，2002
⒋李国勇.智能控制及其MATLAB实现.电子工业出版社.2005年。
周次
1—4周
5—8周
9—12周
13—16周
17—18周
应
完
成
的
调研
收集资料
掌握遗传算法的基本理论
确定总体方案
模型确立
方案分析
算法研究
软件设计及调试
设计总结
撰写论文
准备答辩
指导教师：
刘莉
职称：
副教授2010年12月25日
系级教学单位审批：
年月日
摘要
本文提出了一种新的PID参数设计方法，它以误差积分型性能指标为目标函数，以设计参数的取值范围为约束条件建立了优化数学模型。
之后，在Matlab环境下，将遗传算法同Simulink:
仿真技术有机融合来求解该优化模型，数值实验表明：
本方法简单直观，通用性强，所设计的PID性能优异，十分适合于工程应用。
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；
仿真
I
燕山大学本科生毕业设计（论文）
Abstract
ThispaperputsforwardanewmethodofdesigningtheparametersofPIDcontroller.Adoptingerrorintegralcriterionastheobjectivefunctionalongwiththeconstraintsdescribedbytheminimalgainandphasemarginandtheparameterranges,wegetthemathematicalmodelforoptimization.AgeneticalgorithmdevelopedunderMatlabenvironmentiswellcombinedwithSimulinktechniquestosolvetheoptimizationproblem.Thenumericalexperimentshowsthatthoughthemethodissimpleandperspicuous,itgivesPIDofhighperformance.ThusitisaverysuitablemethodfordesigningPIDinengineeringapplication.
PIDregulatorisoneofthefirstdevelopedoneofthecontrolstrategy,geneticalgorithmisakindofnaturalselectionfrombiologicalgeneticsandnaturalmechanismoftheiterativeadaptiveprobabilisticsearchalgorithm.Inthispaper,ageneticalgorithmbasedontheOptimalDesignofPIDcontrollerparameters.Geneticalgorithmstoimitatethestepsofbiologicalevolution,intheoptimizationprocessoftheintroductionofselection,crossoverandmutationoperators,etc.,choosefromtheparentpopulationwilladapttoahigherdegreeofindividualchoiceinordertooptimizethepopulation;
toachievethepurposeofincreasingsearchspace;
variationistopreventthelossofchoiceandcross-importantgeneticinformation.Inthispaper,geneticalgorithmofthePIDspeedcontrolsystemofdieselengineparametersareoptimized,thesystemsimulation,experimentalresultsshowthatthealgorithmalsoshowsthatthegeneticalgorithmisasimpleandefficientoptimizationalgorithm,withthetraditionaloptimizationmethodssignificantlyimprovedthecontrolsystemdynamicperformance.
Keywords:
geneticalgorithm；
PIDcontroller；
parameteroptimization；
simulation
III
目录
摘要 I
Abstract II
第1章绪论 1
1.1课题背景 1
1.2国内外研究现状及成果 2
1.3当前研究存在的问题 4
1.4本文研究的目的和意义 5
1.5本论文主要工作 6
第2章遗传算法 7
2.1遗传算法的简介 7
2.1.1遗传算法的历史和发展 7
2.1.2遗传算法的应用领域 9
2.1.3遗传学的概念 9
2.2遗传算法的基本原理及特点 10
2.3遗传算法的基本步骤 11
2.4遗传算法的应用关键 13
2.5本章小结 15
第3章遗传算法的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 17
3.3本章小结 22
第4章PID控制器模型 24
4.1PID参数优化方法综述 24
4.2柴油机PID控制器模型 33
4.2.1测速环节 33
4.2.2柴油机 33
4.2.3执行器 34
4.2.4控制器 34
4.3本章小结 34
第5章遗传算法的PID参数优化设计及仿真 35
5.1遗传算法的PID参数优化策略 35
5.2PID控制器在SIMULINK中的仿真框图 36
5.3基于遗传算法优化柴油机调速系统PID参数 37
5.4柴油机调速系统仿真实验 39
5.5本章小结 42
结论 43
参考文献 44
致谢 46
附录1开题报告 47
附录2文献综述 52
附录3外文翻译 56
附录4（程序清单） 64
67
第1章绪论
1.1课题背景
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。
正是由于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，同时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。
（1）PID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。
（2）PID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国内外研究现状及成果
进入90年代，遗传算法迎来了兴盛发展时期，无论是理论研究还是应用研究都成了十分热门的课题。
尤其是遗传算法的应用研究显得格外活跃，不但它的应用领域扩大，而且利用遗传算法进行优化和规则学习的能力也显著提高，同时产业应用方面的研究也在摸索之中。
此外一些新的理论和方法在应用研究中亦得到了迅速的发展，这些无疑均给遗传算法增添了新的活力。
遗传算法的应用研究已从初期的组合优化求解扩展到了许多更新、更工程化的应用方面。
1991年D.Whitey在他的论文中提出了基于领域交叉的交叉算子（Adjacencybasedcrossover），这个算子是特别针对用序号表示基因的个体的交叉，并将其应用到了TSP问题中，通过实验对其进行了验证。
D.H.Ackley等提出了随即迭代遗传爬山法（StochasticIteratedGeneticHill-climbing，SIGH）采用了一种复杂的概率选举机制，此机制中由m个“投票者”来共同决定新个体的值（m表示群体的大小）。
实验结果表明，SIGH与单点交叉、均匀交叉的神经遗传算法相比，所测试的六个函数中有四个表现出更好的性能，而且总体来讲，SIGH比现存的许多算法在求解速度方面更有竞争力。
H.Bersini和G.Seront将遗传算法与单一方法（simplexmethod）结合起来，形成了一种叫单一操作的多亲交叉算子（simplexcrossover），该算子在根据两个母体以及一个额外的个体产生新个体，事实上他的交叉结果与对三个个体用选举交叉产生的结果一致。
同时，文献还将三者交叉算子与点交叉、均匀交叉做了比较，结果表明，三者交叉算子比其余两个有更好的性能。
2002年，戴晓明等应用多种群遗传并行进化的思想，对不同种群基于不同的遗传策略，如变异概率，不同的变异算子等来搜索变量空间，并利用种群间迁移算子来进行遗传信息交流，以解决经典遗传算法的收敛到局部最优值问题
2004年，赵宏立等针对简单遗传算法在较大规模组合优化问题上搜索效率不高的现象，提出了一种用基因块编码的并行遗传算法（Building-blockCodedParallelGA，BCPGA）。
该方法以粗粒度并行遗传算法为基本框架，在染色体群体中识别出可能的基因块，然后用基因块作为新的基因单位对染色体重新编码，产生长度较短的染色体，在用重新编码的染色体群体作为下一轮以相同方式演化的初始群体。
2005年，江雷等针对并行遗传算法求解TSP问题,探讨了使用弹性策略来维持群体的多样性,使得算法跨过局部收敛的障碍,向全局最优解方向进化。
1.3当前研究存在的问题
（1）遗传算法在适应度函数选择不当的情况下有可能收敛于局部最优，而不能达到全局最优。
（2）对于动态数据，用遗传算法求最优解比较困难，因为染色体种群很可能过早地收敛，而对以后变化了的数据不再产生变化。
对于这个问题，研究者提出了一些方法增加基因的多样性，从而防止过早的收敛。
其中一种是所谓触发式超级变异，就是当染色体群体的质量下降（彼此的区别减少）时增加变异概率；
另一种叫随机外来染色体，是偶尔加入一些全新的随机生成的染色体个体，从而增加染色体多样性。
（3）选择过程很重要，但交叉和变异的重要性存在争议。
一种观点认为交叉比变异更重要，因为变异仅仅是保证不丢失某些可能的解；
而另一种观点则认为交叉过程的作用只不过是在种群中推广变异过程所造成的更新，对于初期的种群来说，交叉几乎等效于一个非常大的变异率，而这么大的变异很可能影响进化过程。
（4）遗传算法并不一定总是最好的优化策略，优化问题要具体情况具体分析。
所以在使用遗传算法的同时，也可以尝试其他算法，互相补充，甚至根本不用遗传算法。
（5）遗传算法不能解决那些“大海捞针”的问题，所谓“大海捞针”问题就是没有一个确切的适应度函数表征个体好坏的问题，遗传算法对这类问题无法找到收敛的路。
（6）对于任何一个具体的优化问题，调节遗传算法的参数可能会有利于更好的更快的收敛，这些参数包括个体数目、交叉律和变异律。
例如太大的变异律会导致丢失最优解，而过小的变异律会导致算法过早的收敛于局部最优点。
对于这些参数的选择，现在还没有实用的上下限。
（7）适应度函数对于算法的速度和效果也很重要。
1.4本文研究的目的和意义
近年来，我国在遗传算法理论与应用方面取得了巨大的成就，目前的研究课题主要集中在以下几个方面:
一是算法的数学基础；
二是算法与其他优化技术的比较和融合；
三是算法的改进与深化；
四是算法的并行化研究等。
遗传算法已被成功地应用于工业、经济答理、交通运输、工业设计等不同领域，解决了许多问题。
对我国科技的进步与经济的发展产生了不可估量的作用。
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。
1.5本论文主要工作
本论文的主要工作是研究利用遗传算法对柴油机调速系统的PID参数进行优化，并且使用Matlab和Simulink对柴油机调速系统的PID控制系统进行仿真。
首先，对遗传算法进行了介绍，包括遗传学的概念，遗传算法的历史和发展，遗传算法的基本原理，遗传算法的基本步骤和遗传算法的应用关键；
其次，以柴油机调速系统为模型，利用遗传算法对其PID参数进行优化，并且利用Matlab和Simulink工具对柴油机调速系统的PID参数进行优化控制的仿真研究。
最后对论文的工作进行了。
第2章遗传算法
2.1遗传算法的简介
遗传算法（GA），是1962年由美国的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。
经过几十年的发展，GA算法的研究日渐成熟。
与传统的优化算法相比，GA具有如下优点：
（1）不是从单点，而是从多点开始搜索；
（2）在搜索最优解时，不受问题性质（连续性、可微性）的限制只需由目标函数值转换成适应度即可；
（3）搜索过程不易陷入局部最优值。
其基本思想是把GA待优化的参数编码成二进制位串形式，然后由若干个位串形成一个初始种群作为待求问题的候选解，使用选择（select）、交叉（crossover）、变异（mutation）进行操作，不断迭代优化，直到找到最优解。
遗传算法是模仿自然界生物进化论思想而得出的一种全局优化算法。
它对所优化目标的经验知识要求甚少，一般只需要知道其数值关系即可。
同时由于遗传算法群体的多样性，使其尽可能在全方向上搜索，达到全局最优。
2.1.1遗传算法的历史和发展
Holland的早期工作主要集中于生物学，控制工程，人工智能等领域中的中一类动态系统的适应性问题，其中适应性概念在环境表现出较好行为和性能的系统结构的渐进改变过程，简称系统的适应过程。
Holland认为：
通过简单的模拟机制可以描述复杂的适应性现象。
因此，Holland试图建立适应过程的一般描述模型，并在计算机上进行模拟试验研究，分析自然系统或者人工系统对环境变化的适应性现象，其中遗传算法仅仅是一种具体的算法形式。
Bremermann，DeJong等人则注重遗传算法应用于参数优化问题，极大的促进了遗传算法的应用。
所以，遗传算法既是一种自然进化系统的计算模型，也是一种通用的求解优化问题的适应性搜索方法。
1962年，JohnHolland在“OutlineforaLogicTheoryAdaptiveSystems”一文中，提出了所谓的监控程序的概念，即利用群体进化模拟适应性系统的思想。
在这篇文章中尽管它没有给出实现这些思想的具体技术，但却引进了群体，适应值，选择，交叉等基本概念。
1966年，Fogel等人也提出了类似的思想，但是其重点是放在变异算子而不是采用交叉算子。
1967年，Holland的学生J.D.Bagley通过对跳棋游戏参数的研究，其博士论文中首次提出了“遗传算法”一词。
在20世纪60年代中期至70年代末期，基于自然进化的思想遭到了怀疑和反对。
Holland及其数位博士坚持了这一方向的研究。
升级会员 