《PID控制器参数整定及其应用研究.pdf》由会员分享，可在线阅读，更多相关《PID控制器参数整定及其应用研究.pdf（89页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、安徽理工大学硕士学位论文PID控制器参数整定及其应用研究姓名：黄宜庆申请学位级别：硕士专业：控制理论与控制工程指导教师：黄友锐20090601摘要摘要P I D 控制作为一种经典的控制方法而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。随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域，出现了多种P I D 控制器的参数整定方法。本文深入研究了P I D 控制理论，运用了多种方法设计了P I D 控制器。内容包括两个部分，其中第一部分为前四章，主要是关于单变量P I D 控制器的参数整定研究。第二部分为第五章和第六章，主要是关于多变量P I D 参数整定的研究。在第一部分，
2、介绍了P I D 控制器在工业控制中的重要地位和P I D 控制器的基本概念以及目前国内外P I D 控制器参数整定的现状，对遗传算法中的交叉算子和变异算子进行了改进，使交叉概率和变异概率能够自适应地改变，将改进的遗传算法用于电机控制系统的P I D 控制器的设计；在B P 神经网络的基础上，将隐层S 函数选择为小波函数，从而构造出小波神经网络，给出小波神经网络的学习算法，由此利用小波神经网络对P I D 控制器的参数进行整定，将这种方法运用于控制对象中，仿真结果表明此方法具有一定的优越性；最后提出了一种多目标鲁棒P I D 控制算法，从极点配置、皿性能和饥性能指标三种性能指标出发，设计出多目
3、标具有极点约束的致玩P I D 控制器，最后由此算法推导出多目标最优皿P I D 算法，使设计的P I D 控制器能够满足在风性能指标在给定值的条件下，闭环系统的日，性能指标达到最优，同时能够将闭环系统的极点配置在人工所要求的区域内部。在第二部分，首先总结了多种多变量P I D 参数整定的方法，包括利用遗传算法、神经网络、微粒子群算法和鲁棒控制理论方法进行的多变量P I D 控制算法，对于每一种整定方法，给出了具体的设计流程和详细的步骤；其次，在对角递归神经网络的基础上提出了一种基于准对角递归神经网络的多变量P I D 参数在线整定的算法，同时给出一个二耦合的控制对象进行仿真，将基于此方法设计
4、的多变量P I D 与基于对角递归神经网络设计的多变量P I D 控制效果进行了比较；最后总结了本文研究在理论上所取得的成果，展望了P I D 控制器参数整定需要进一步研究的方向。关键词P I D 控制；遗传算法；小波神经网络；皿矾控制；线性矩阵不等式；多变量P I D图4 8 表O 参8 6分类号：T P 2 7 3A b s t r a c tA b s t r a c tP I Dc o n t r o l l e r sh a v eb e e nw i d e l yu s e di ni n d u s t r i a lc o n t r o ls y s t e m sa sa
5、c l a s s i c a lc o n t r o lm e t h o d W i t ht h ed e v e l o p m e n to fc o m p u t e rt e c h n o l o g ya n da r t i f i c i a li n t e l l i g e n c ei na u t o m a t i cc o n t r o lf i e l d，m a n ym e t h o d st h a ta b o u tP I Dc o n t r o l l e rd e s i g nh a v eb e e na p p e a r e
6、 di nr e c e n ty e a r s T h i sp a p e rs t u d i e sP I Dc o n t r o lt h e o r yd e e p l ya n dd e s i g n sP I Dc o n t r o l l e r、析t hv a r i o u sm e t h o d s T h ep a p e ri n c l u d e st w op a r t s，s i n g l ev a r i a b l eP I Di ss t u d i e di nt h ef i r s tp a r tw h i c hf r o m
7、t h ef i r s tc h a p t e rt ot h ef o u r t hc h a p t e ra n dm u l t i v a r i a b l eP I Di ss t u d i e di nt h es e c o n dp a r tw h i c hf r o mt h ef i f t hc h a p t e rt ot h es i x t hc h a p t e r I nt h ef i r s tp a r t，t h ep a p e ri n t r o d u c e st h ei m p o r t a n tp o s i t
8、i o no fP I Di ni n d u s t r i a lc o n t r o l，i l l u m i n a t e st h eb a s i cp r i n c i p l eo fP I Dc o n t r o l l e ra n dt h es t a t u so fP I Dp a r a m e t e rt u n i n g C r o s s o v e ra n dm u t a t i o ni si m p r o v e di nt h en e wg e n e t i ca l g o r i t h mi nt h es e c o
9、n dc h a p t e r,t h ed e s i g n sP I Dc o n t r o l l e r、析n lt h ei m p r o v e dg e n e t i ca l g o r i t h ma n dt h eP I Dc o n t r o l l e ra p p l yt om o t o rc o n t r o ls y s t e m，f o r mt h es i m u l a t i o n，i tb r i n g st oas a t i s f i e dc o n t r o lr e s u l t B a s e do nB
10、Pn e u r a ln e t w o r k，t h ew a v e l e tn e u r a ln e t w o r kC a nb ec o n f i g u r e dw h e nw a v e l e tf u n c t i o ns u b s t i t u t e ds i g m o i df u n c t i o n T h e n，aw a v e l e tn e u r a ln e t w o r kP I Dc o n t r o l l e ri sd e s i g n e d、析t l lt h i sa l g o r i t h ma
11、 n da p p l i e st oac o n t r o lp l a n t i ts h o w sp e r f e c tp e r f o r m a n c e s F i n a l l y,t h ep a p e rp r o p o s e sa na l g o r i t h mo fak i n do fm u l t i-o b j e c tr o b u s tP I Dc o n t r o l l e r R e g i o n a lp o l ep l a c e m e n t，H 2p e r f o r m a n c ea n dH。p
12、e r f o r m a n c ea r ec o n s i d e r e di nt h i sm e t h o d，t h e nd e s i g n sm u l t i-o b j e c tr o b u s tP I Dc o n t r o l l e rb a s e do nt h i sa l g o r i t h m O nt h eo t h e rs i d e，aa l g o r i t h mo fm u l t i o b je c tr o b u s to p t i m a l 日，P I Dc o n t r o l l e rc a n
13、b ed e d u c e df r o mt h em e t h o d，t h i sk i n do fP I Dc o n t r o l l e rC a l lm a k eH 2p e r f o r m a n c eb e c o m eo p t i m a li nc l o s e d-l o o ps y s t e ma tt h ec o n d i t i o no ft h eg i v e nH。p e r f o r m a n c e，a tt h es a m et i m e t h em e t h o dC a nm a k et h ep
14、o l ep l a c e m e n ti na r t i f i c i a lr e q u i r e dr e g i o n I nt h es e c o n dp a r t，f i r s t，t h ep a p e rs u m m a r i z e sv a r i o u sm e t h o d st h a ta b o u th o wt od e s i g nm u l t i v a r i a b l eP I D T h er e s e a r c hc o n t e n t si n c l u d es o m ea l g o r i
15、t h m so fm u l t i v a r i a b l eP I Dt h a tu s eg e n e t i ca l g o r i t h m，n e u r a ln e t w o r k，p a r t i c l es w a r ma l g o r i t h ma n dr o b u s tc o n t r 0 1 G i v i n gs p e c i f i cd e s i g nf l o wa n da p p r o a c hi ne a c ha l g o r i t h m O n c ea g a i n,t h ep a r a
16、 m e t e r st t m i n go fm u l t i v a r i a b l eP I Db a s eo nq u a s i-d i a g o n a lr e c u r r e n tn e u r a ln e t w o r k(Q D R N i sp r o p o s e di nt h i sp a p e r,t h e n,b o t ht h em e t h o da n dI IA b s t r a c tm u l t i v a r i a b l eP I Da l g o r i t h mb a s eo nd i a g o
17、n a lr e c u r r e n tn e u r a ln e t w o r k(D a p p l i e st oat w oc o u p l i n gp l a n t，f o r mt h es i m u l a t i o n,t h em e t h o di nt h i sp a p e rb r i n g st oas a t i s f i e dc o n t r o lr e s u l t A tl a s t，t h ep a p e rs u m m a r i z e st h er e s e a r c h e dP I Dc o n t
18、 r o lt h e o r ya n dp r o s p e c t sm o r er e s e a r c hd i r e c t i o n sa n dc o n t e n t so nt h ep a r a m e t e r st u n i n go fP I Dc o n t r o l l e r F i g u r e 4 8】T a b l ef 0】0R e f e r e n c e 8 6】K e y W o r d s：P I Dc o n t r o l，g e n e t i ca l g o r i t h m，w a v e l e tn e
19、 u r a ln e t w o r k，H2 H。c o n t r o l，l i n e a rm a t r i xi n e q u a l i t y,m u l t i v a r i a b l eP I DC h i n e s eb o o k sc a t a l o g：T P 2 7 3I I I独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方以外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安徽堡王太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所
20、做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：圭：重叁日期：趟午j 月j 日学位论文作者签名：二筻：互益日期：趟午j 月j 日学位论文版权使用授权书本学位论文作者完全了解塞筮理王太堂有保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于塞邀堡王太堂。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权安徽理工大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)妒纱学位论文作者签名：k签字日期：孵易月f 日新签名磷签
21、字吼垆钿日|1 绪论l绪论1 1 课题的研究背景自2 0 世纪3 0 年代以来，生产自动化技术取得了惊人的成就。工业自动化涉及的范围极广，过程控制是其中最重要的一个分支，工业生产对过程控制的要求是安全性、经济性和稳定性。过程控制的任务就是在了解、掌握工艺流程和生产过程的静态和动态特性的基础上，根据上述三项要求，应用理论对控制系统进行分析和综合，最后采用适宜的技术手段加以实现。在很多情况下，只需采用商品化的常规调节器进行P I D 控制就可以实现其控制任务。P I D 控制器自产生以来一直是工业生产过程中应用最广，也是最成熟的控制器f 1 嗣。目前大多数工业控制器都是P I D 控制器或其改进型
22、。尽管在控制领域，各种新型控制器不断涌现，但P I D 控制器还是以其结构简单、易实现、鲁棒性强【3 棚等优点，处于主导地位。对P I D 控制器的设计和应用，核心问题之一是参数的整定。控制器的参数整定就是对一个已经设计并安装就绪的控制系统，通过控制器参数的调整，使得系统的过渡过程达到最为满意的质量指标要求。一个控制系统的质量取决于对象特性、控制方案、干扰的形式和大小以及控制器参数的整定等各种因素。然而，一旦系统按所设计的方案安装就绪，对象特性和干扰位置等基本固定下来，这时系统的质量主要取决于控制器参数的整定。合适的控制器参数会带来满意的控制效果，不合适的控制器参数会使系统的质量变坏。因此，在
23、方案设计合理和仪表选型合适的基础上，控制器参数整定的合适与否对控制器质量具有重要的影响。本文介绍了多种P I D 控制器参数整定的方法，对于每种参数整定的方法，给出了具体的设计步骤，同时将每一种算法成功应用于一个控制对象中，具有一定的应用价值。1 2P I D 控制器的基本原理P I D(P r o p o r t i o n a l，I n t e g r a la n dD i f f e r e m i a l)控制器是一种基于“过去”，“现在”和“未来 言息估计的简单算法。安徽理T 大学硕士论文图lP I D 控制系统原理图F i g 1S c h e m a t i cd i a g
24、 r a mo fP I Dc o n t r o ls y s t e m常规P I D 控制系统原理框图如图l 所示，系统主要由P I D 控制器和被控对象组成。作为一种线性控制器，它根据给定值f i n(t)与实际输出值y o u t(t)构成控制偏差e(t)，将偏差按比例、积分、和微分通过线性组合构成控制量u(t)，对被控对象进行控制。控制器的输入输出关系可描述式(1 1)。=址(f)+去如)a t+警】(1-1)或写成传递函数的形式：G=器=砗(1+专毋)(1-2)式中：群：比例系数：乃：积分时间常数；：微分时间常数。简单来说，P I D 控制器各校正环节的作用如下：1 比例环节：成
25、比例地反映控制系统的偏差信号e(t)，偏差一旦产生，控制器立即产生控制作用，以减少偏差。2 积分环节：主要用于消除静差，提高系统的无差度。积分作用的强弱取决于积分时间常数乃，乃越大，积分作用越弱，反之越强。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，从而加快系统的动作速度，减少调节时间。1 3P I D 控制器参数整定的现状P I D 控制的参数整定方法和技术也处于不断发展中，特别是近年来，国际自动控制领域对P I D 控制的参数整定方法的研究仍在继续，许多重要国际杂志不断发表新的研究成果。早在1 9 4 2 年，Z i e
26、 g l e r 与N i c h o l s 针对一阶惯性加纯延迟的对象提出 P I D 控制器2 1 绪论参数整定的Z-N 法，对于常规的控制对象，可以用曲线拟合的方法将阶跃响应数据拟合成近似的一阶惯性加纯滞后环节的模型，此方法的提出便很快应用于实际。同年，Z i e g l e r 根据对象频域响应曲线上的信息，提出了P I D 控制器参数整定的临界振荡法；随着控制理论的发展，越来越多的学者开始致力于P I D 控制器的参数整定，随之而来也出现了许多经典的参数整定方法，如庄敏霞与A t h e r t o n 针对各种指标函数得到了最优化P I D 参数整定的方法，此方法相对在理论分析上
27、较为方便，但与工程化的性能指标问还缺乏明显的对应关系，从而影响了其在工业实际中的应用。1 9 9 3 年，陈福详等人提出了增益优化的P I D 参数整定方法，指定在大频率范围内使幅频率特性等于1，根据测量得到的阶跃响应瞬时值去计算P I D 控制器的参数值。1 9 9 5 年，德国学者U d oK u l m 提出了基于总和时间常数的整定方法，此方法适用于阶跃响应曲线为S 型的自衡对象。1 9 9 6 年，胡晚霞等人提出了一种新的确定被控过程动态特性方法，通过计算机仿真相应的P I D 参数整定规则，这种方法称之为交叉两点法。1 9 9 8 年夏淑艳将拉盖尔级数应用于P I D 参数整定中，提
28、出了利用拉盖尔级数辨识和整定的方法，此方法简单可靠，得到了广泛的应用。近年来，P I D 控制器的参数整定越来越被人们所重视，国内随之出现了许多较为完备的参数整定理论。2 0 0 4 年，曾振平等人1 6 1 提出了一种基于改进的广义平方误差积分准则的P I D 参数整定的新方法，用对象响应特征时间来平衡准则中误差项与误差变化率项的数量级，得到了较好的控制效果；同年，王振滨提出了一种新型的分数阶P I D 控制器参数整定方法，把传统的P I D 控制器的阶次推广到分数领域，它不但适合于分数阶系统，也适合于某些整数阶系统，设计方法新颖；另外，上海交通大学的李勇男等人提出了反应响应时滞过程P I
29、D 控制器设计新方法，通过提出期望闭环传递函数，解析地推导出P I D 控制器的形式。2 0 0 5 年，张立群等人1 7 1 将巩控制理论应用于P I D 控制器的参数整定中，提出了一种基于也混合灵敏度约束的P I D 控制器设计方法，该方法使P I D 控制器具有更好的鲁棒性，闭环系统具有良好的瞬态性能。随着群智能优化算法的发展，许多学者开始将各种群智能优化算法运用于P I D 控制器的参数整定，在国内较为典型的代表文章为2 0 0 6 年，李丽香等提出了基于混沌蚂蚁群算法的P I D 控制器【8 J 参数整定，将蚂蚁混沌动力学、群组织和优化机制进行巧妙的结合形成了一种新的参数整定方法：同
30、时，中国科学院自动化研究所的张怀相等人提出了一种基于迭代学习控制的P I D 参数整定方法。该算法首先利用P D 型迭代学习控制来进行期望轨迹的跟踪控制，然后根据迭代学习控制的输入输出数据序列，通过强跟踪滤波器来进行参数辨识，可获得对应于期望轨迹的优化的P I D 控制参数。2 0 0 7 年，出现了多目标满意P I D 控制器【9】，如马建伟博3 安徽理工大学硕士论文士在其论文中首次较为全面地阐述了多目标满意P I D 的概念以及具体的参数整定方法，设计后的P I D 满足多项指标，提高了P I D 控制器的控制性能，与此同时，李银伢等人【1 0 l 在此基础上提出了一种基于参数空间图解法的
31、多目标满意P I D 控制器，此方法主要针对针对任意阶线性定常系统具有区域极点指标与鼠指标约束的P I D控制问题。另一方面，量子遗传算法开始运用于P I D 控制器的参数寻优，如：张兴华等人【J 提出了量子遗传算法的P I D 控制器参数整定。至U 2 0 0 8 年，出现了许多关于P I D 控制器参数整定的新成果，许多学者将混沌理论结合P I D 控制算法，例如：明学星等人提出了基于混沌理论的预测P l D 控制器参数整定方法【1 2】，通过混沌优化算法对P I D 的参数进行在线优化，另一方面一些改进的P I D 控制器开始出现，如王传峰等设计了一种基于概率鲁棒的分散P I D 控制器
32、；吕建婷等【1 3】设计的一种新型滑模P I D 控制器，此方法根据李亚普诺夫方法，推导出了采用P I D 形式的切换面的滑模PI D 控制器。另外，随着智能控制理论的发展，模糊理论、神经网络理论开始运用于P I D 的参数整定，许多学者和研究人员在此方面进行了大量的研究工作，得到了许多的研究成果和积累了丰富的经验，而对于多变量P I D 的参数整定，由于存在耦合问题，使得对于多变量P I D 的控制存在一定的难度，目前的整定方法因控制对象模型的复杂程度定，关于这部分的内容将在第五章进行深入的讨论。从目前P I D 参数整定方法的研究和应用现状来看，以下几个方面将是今后一段时间内研究和实践的重
33、点。1 对于单输入单输出被控对象，需要研究针对不稳定对象或被控过程存在较大干扰情况下的P I D 参数整定方法，使其在初始化、抗干扰和鲁棒性能方面进一步增强，使用最少量的过程信息及较简单的操作就能较好地完成整定。2 对于多输入多输出被控对象，需要研究针对具有显著藕合的多变量过程的多变量P I D 参数整定方法，尽可能减少所需先验信息量，使其易于在线整定。3 智能P I D 控制技术有待进一步研究，将自适应和自整定有机结合，使其具有自动诊断功能；结合专家经验知识、直觉推理逻辑等专家系统思想和方法对原有P I D 控制器设计思想及整定方法进行改进；将预测控制、模糊控制等智能控制和P I D 控制相
34、结合，进一步提高控制系统性能。这些都是智能P I D 控制发展的极有前途的方向。1 4P I D 控制器参数整定的分类P I D 控制器广泛地应用于工业过程中，但是P I D 控制器的参数整定是一个令人困扰的问题。一般需要经验丰富的工程技术人员来完成，即耗时又费力，加之4 1 绪论实际系统千差万别，又有滞后、非线性等因素，使的P I D 参数的整定有一定的难度。许多实际控制系统无法工作在令人满意的状态，很大一部分是由于控制器的自整定的参数没有达到最优，由此人们提出自整定P I D 控制器。将过程对象的动态性能的确定和P I D 控制器参数的计算方法结合起来就可以实现P I D 控制器的自整定，
35、自整定的含义是控制器的参数可根据用户的需要自动整定，用户可以通过按动一个按钮或给控制器发送一个命令来启动自整定过程1 1 4 1。P I D 控制器参数自动整定过程包括三个部分：一是过程扰动的产生：二是扰动响应的评估：三是控制器参数的计算。从目前的资料和应用情况来看，根据研究方法，可分为基于频域的P I D 参数整定方法和基于时域的P I D 参数整定方法；按照控制对象的输入和输出个数可分为单变量P I D 参数整定方法和多变量P I D 参数整定方法；按照控制量的组合形式，可分为常规P I D 参数整定方法与智能P I D 参数整定方法。但是总体来说，P I D 参数自整定的方法主要归结为：
36、基于模型的P I D 参数整定方法：基于规则的P I D 参数整定方法和基于在线模式识别P I D 参数整定方法。1 基于模型的P I D 参数整定方法。此方法适用于模型结构已知的情况，当模型参数未知时，可以采用系统辨识的方法得到过程模型参数，同时将其与依据参数估计值进行参数调整的确定性等价控制规律结合起来，综合出所需的控制器参数，当被控过程特性发生了变化，可以通过最优化某个性能指标周期性地更新控制器参数。另一方面，根据辨识方法和内容不通过，可以分为下面两类：一是辨识过程对象的数学模型，另一个是辨识闭环系统的临界增益和临界周期或多点频率特性。在此方法中，较为典型的有：在2 0 0 6 年，徐世
37、彬等人将基于辨识的自校J 下P D 运用于实时控制系统【1 5 1，2 0 0 7年，邵伍周等人u 6 1 提出了一种基于R B F 神经网络在线辨识的单神经元P I D，并成功应用到永磁同步电机中，2 0 0 8 年，李明河等人提出了一种基于动态神经网络在线辨识的P I D 控制器【1 7 J，通过优化的动态R B F 辨识神经网络更好地描述了控制对象的动态行为，获得P I D 控制器参数在线调整信息，实现系统的智能控制。2 基于规则推理的P I D 参数整定方法。基于规则推理的P I D 参数整定方法是人们把长期的实践经验通过某种方式在机器上实现，则可以方便的实现P I D 控制器的参数整
38、定，近几年，智能控制在理论上取得了一系列重大的突破，这些成就引入到控制领域，引起了学者的广泛关注，其中模糊数学、神经元网络、专家系统己成为解决控制难题的新方法在P I D参数整定方面，这三方面出现了许多最新的成果。如：2 0 0 6 年，金毅彬将专家规则与P I D 复合控制相结合同时成功应用于压缩机系统，2 0 0 7 年，李可等人提出了5 安徽理1：入学硕士论文一种专家模糊P I D 控制裂嘲，将其运用到风洞风速控制系统，2 0 0 8 年，赵俊，陈建军提出了混沌粒子群优化的模糊神经P I D 控制器【1 9】的参数整定方法，以整个神经网络的权值为优化参数，利用基于混沌策略的粒子群全局优化
39、算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数。3 在线模式识别P I D 参数整定方法。模式识别的思想根据实际响应波形，抽取出一些能表征系统的特征值，由此来判断系统的动态特性，进而调整控制器参数，即将波形分析与人工智能结合起来，开辟了参数整定的一条新路，实际应用中获得了很大的成功。该方法的一个优点是不用对系统模型进行辨识，节省时白j，而且能够适应过程的变化，对于非线性变结构的系统有效。如：在2 0 0 6 年，浙江大学的潘文斌等人提出了一种改进的在线模式识别P m 参数整定方法，加快了P I D 控制器的参数收敛速度，提高了算法整定的效率；2 0 0 7 年，靳斌等人 2 0
40、l 将基于模式识别P I D 控制应用于色谱仪的温度控制，达到了较好的控制效果。1 5 本文的研究内容本文运用多种方法实现了P m 控制器的参数整定，研究的内容包括两个部分，其中第一部分为前四章，主要的研究内容是关于单变量P I D 控制器的参数整定。第二部分为第五章和第六章，这部分是关于多变量P I D 参数整定的研究，最后一章为总结章主要概括了本文关于P I D 参数整定所采用的方法以及在理论上所取得的成果。针对本文研究内容的基础提出了一些需要改进的方面；在最后展望了单变量P I D 控制器和多变量P I D 控制器参数整定需要进一步研究的方向。其具体的研究内容如下：1 第一章为绪论部分。
41、介绍了P I D 控制器在工业控制中有着重要的作用；P I D 控制器的基本概念以及目前国内外P I D 控制器参数整定的发展现状和P I D 控制器参数整定的分类。2 第二章是关于改进遗传算法的P I D 参数整定方法。在标准遗传算法的基础上，对遗传算法中的交叉算子和变异算子进行了改进，使交叉概率和变异概率能够自适应地改变，将改进的遗传算法用于电机控制系统白归I D 控制器的设计，最后将其与标准遗传算法的P I D 控制器的控制效果进行了比较。3 第三章是关于小波神经网络的P I D 参数自整定，在B P 神经网络的基础上，将隐层s 函数选择为小波函数，从而构造出小波神经网络，给出小波神经网
42、络的学习算法，由此利用小波神经网络对P I D 控制器的参数进行整定，并将其运用到具体的控6 I 绪论制对象中，最后与基于B P 神经网络的P I D 控制器的控制效果进行了比较。4 第四章为多目标鲁棒P I D 控制算法，将极点配置、吼性能和矾性能指标转化为线性矩阵不等式的形式，从而可以通过求解这个线性矩阵不等式系统来得到多目标具有极点约束的玩P I D 控制器的三个参数，最后由此算法推导出多目标最优哎P I D 算法，使设计的P I D 控制器能够满足在风性能指标在给定值的条件下，闭环系统的儿性能指标达到最优，同时能够将闭环系统的极点配置在人工所要求的区域内部。5 第五章总结了多种多变量P
43、 I D 参数整定的方法，包括利用遗传算法、神经网络、微粒子群算法和鲁棒控制理论方法进行的多变量P I D 控制算法，在每一种整定方法，给出了具体的设计流程和详细的步骤。6 第六章在对角递归神经网络的基础上，提出了一种基于准对角递归神经网络的多变量P I D 参数在线整定的算法，明确阐述了准对角递归神经网络的基本结构和其辨识方法，在其基础上运用准对角递归神经网络进行多变量P I D 参数自整定，最后给出一个二耦合的控制对象进行仿真，同时也设计了对角递归神经网络P I D，将基于这两种算法的多变量P I D 控制效果进行了仿真比较。7 第七章为总结及展望，阐述了本文研究在理论上所取得的超过，同时
44、针对本文研究内容的基础提出了一些需要改进的方面，在最后展望了单变量P I D 控制器和多变量P I D 控制器参数整定需要进一步研究的方向和内容。7 一安徽理工大学硕士论文2 基于改进遗传算法的P I D 参数整定2 1引言遗传算法f 2 1 1(G e n e t i cA l g o r i t h m s，G A)是在2 0 世纪6 0 年代术-至-7 0 年代初期，主要由美国M i c h i g a n 大学的J o h nH o l l a n d 与其同事、学生们研究形成的一个较为完整的理论和方法。遗传算法是以生物界自然选择和自然遗传理论为基础，模拟自然界生物进化过程与机制来求解
45、问题的一类自组织与自适应的人工智能技术，它使用了群体搜索技术，将种群代表一组问题解，通过对当前种群施加选择、交叉和变异等一系列遗传操作，从而产生新一代种群，并逐步使种群进化到包含近似最优解的状态。由于其思想简单、易于实现以及表现出来的健壮性，遗传算法已广泛应用于优化、机器学习、规划设计、自适应控制、信息技术及工程实践。但它在实际应用中也存在不足和局限性，表现在迭代次数多，收敛速度慢，进化无方向性，易陷入局部极值和过早的收敛等。本章在标准遗传算法的基础上对其进行改进。一方面根据适应值及进化代数来调节个体的交叉、变异率，另一方面采用精英选择与轮盘赌结合，如果下一代群体中最佳个体的适应度值小于当前代
46、中最佳个体的适应度值，则将当前群体中最佳个体或者适应度值大于下一代中个体最佳适应度值的多个个体直接复制到下一代，并随机替代或替代最差的下一代群体中相应数量的个体。最后将其运用到电机控制系统的P I D 参数优化中，从仿真结果可以看出运用本文方法设计的P I D 比二进制遗传算法和传统十进制遗传算法设计的P I D 控制效果要好，提高和改善了电机控制系统的稳定性和动态性能且运用本章方法整定的P I D 其控制效果比较优越，响应时间短，无超调，而且操作简单，能够广泛运用于工业控制中，具有重要的意义。2 2 遗传算法遗传算法作为模拟生物进化论的一种工程模型，它的主要价值不仅在于能够对优化问题给出一种
47、有效的计算方法，而且遗传算法的结构中包含了大自然所赋予的一种哲理，在科学思想方法上给予人们以深刻的启迪。在遗传算法中主要的遗传操作包括选择、交叉和变异三个基本算子，其基本流程图2 如下：8 2 基于改进遗传算法的P I D 参数整定2 2 1 选择算子图2 标准遗传算法流程图F i g 2F l o w c h a r to f s t a n d a r dg e n e t i ca l g o r i t h m选择是遗传算法的关键，它模拟了生物进化过程中自然选择规律，选择是由某种方法从群体A(t)中选取N 个个体作为繁殖后代的个体。选择的根据是将每个个体对应的优化问题目标函数换成适应度
48、函数值的大小，适应度函数值大的被选中的机会就多，即适合于生存环境的优良个体将有越多的繁殖后代的机会，从而使得优良特性得以遗传，体现了自然界适者生存的道理。选择的作用效果能提高群体的平均适应度函数值，因为通过选择操作，低适应度函数值个体趋向于被淘汰，而高适应度函数值的个体被复制，所以在选择操作中群体的这些改进具有代表性，但这是产生新的个体，当然群体中最好个体的适应度函数值也不会改变。选择的方法则根据实际情况的不同的而异，但是主要存在以下四种典型的选择方法田1：1 适应度函数值比较法。适应度函数值比例法，又称转轮法，这种方法是利用比例于个个体适应度函数值的概率来决定其后代的遗传的可能性。若某个个体
49、被选取的选择概率只表示为如下的形式：9 安徽理1：大学硕+论文只=彳乃，f=l，2，N(2-1)，=l上式中Z 为个体i 的适应度函数值，N 为群体中的个体数目。值得注意的是尽管选择过程是随机的，每个个体被选择的机会都直接与其适应度函数值成比例，那些没有被选中的个体则从群体中被淘汰出去。当然由于选择的随机性，群体中适应度函数值最差的个体有时也可能被选种，这会影响到遗传算法的作用效果，但是随着进化过程的发展，这种偶然性的影响将会微不足道的。2 期望值法。当个体不是很多时，由于随机变量数的摆动有可能不能正确反映适应度函数值，这是概率选择上存在的问题。采用期望法可以避免这个问题。在期望值法中，首先计
50、算各个个体遗传后代的期望值，然后在被选择的个体期望值中减去0 5 即为新的期望值。3 排位次法。排位次法是根据每个个体适应度函数值的大小按从大到小排列顺序，然后利用各位次序预先已被确定的概率，决定选择和遗传后代。用排位次法表示适应度函数值的顺序和确定选择概率，各个个体的适应度函数值都已被排序，选择概率不与适应度函数值成比例而是依赖于顺序。由于按顺序所给予的选择概率与适应度函数值不同，这是排位次法与适应度函数值比例法和期望值法的不同之处。4 最优保存法。适应度函数值比例法、期望值法和排位次法都是基于概率的选择。概率选择特点在于，一方面对于适应度函数值低的个体也给予了选择的机会，能维持群体的多样性