基于遗传算法的PID整定与研究 本科毕业论文.docx
《基于遗传算法的PID整定与研究 本科毕业论文.docx》由会员分享，可在线阅读，更多相关《基于遗传算法的PID整定与研究 本科毕业论文.docx（48页珍藏版）》请在冰豆网上搜索。
基于遗传算法的PID整定与研究本科毕业论文
KC021-1
CHANGZHOUINSTITUTEOFTECHNOLOGY
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
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；
Abstract
PIDcontrolisthemostwidelyusedindustrialprocessinaway,thegeneticalgorithmistosimulatethegeneticmechanismsandbiologicalevolutioninnaturemadeofaparallelrandomsearchoptimizationmethod.It"survivalofthefittest"theoryofbiologicalevolutionoptimizedtheparametersoftheintroductionoftheencodinggroupinseries.Accordingtotheadaptivevaluefunctionwhichandthroughtheheredityinduplicationchooses,overlappingandthevariationtotheindividualcarriesonscreening,causestheadaptivevaluehighindividualtoretain,formsthenewcommunity,thenewcommunityhasinheritedpreviousgeneration'sinformation,alsosurpassesthepreviousgeneration,insuchcommunity'sindividual'ssufficiencyenhancesunceasingly,thusobtainsthegloballyoptimalsolution.Throughthesufficiencyfunctiondefiniteoptimizationdirection,compareswithotherconventionalinstallationmethod,thegeneticalgorithmisquitesimple,theinstallationprecisionishigh.Inthispaper,geneticalgorithmfortuningPIDandstudythesimulationofthesystem,experimentalresultsshowthattheeffectivenessandsuperiorityofthekindsofalgorithms,butalsoshowthatthegeneticalgorithmisasimpleandefficientalgorithm,andcomparedthetraditionalPIDcontrolmethodsignificantlyimprovedcontroloverallaspectsofsystemperformance.
Keywords:
PID control;genetic algorithm;PID parametertuning;Matlab
目录
摘要I
AbstractII
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-1-
1.3论文主要研究内容、目的和意义-1-
第2章PID算法简介-6-
2.1PID控制原理-6-
2.2PID控制器的基本用途-7-
2.3PID控制器的现实意义-8-
2.4PID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-
4.1Matlab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。
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。
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。
研究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
为了克服存在的问题人们提出了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，如免疫算法，神经网络算法，单纯形法，粒子群优化算法，差分进化算法，遗传算法等。
本课题对于基于遗传算法的PID参数整定进行研究，并给出仿真结果。
1.2国内外研究现状
国内外遗传算法GA（GencticAlgorithms，简称GA）产生于一些生物学家用计算机模拟生物进化过程的仿真实验。
从20世纪40年代，生物模拟就成为计算机的一个重要组成部分。
自从达尔文的进化理论得到人们的普遍接受之后，进化机制便引起了人们的极大兴趣。
大多数生物体通过自然选择和有性生殖这两种基本过程进化演化。
自然选择决定了那些个体能够存活并繁殖;而有性生殖保证了后代基因中的混合和重组。
这种由基因重组产生的后代进化要快得多。
自然选择的原则是优胜劣汰，适者生存。
20世纪50年代中期创立了仿生学，许多科学家从生物中寻求用于人工系统的灵感。
一些科学家如Holland，Owens和Walsh分别独立地从生物进化机理中发展出适合于现实世界复杂问题优化的模拟进化算法（simulatedEvolutionaryAlgorithm）。
进化算法包括三方面内容:
遗传算法GA，进化策略ES（Evo1utionaryStrategy）和进化规划EP（Evo1utionaryprogram）。
其中遗传算法的研究最为深入持久应用面也最广。
遗传算法早期的研究工作始于20世纪60年代。
在此期间，美国密执安大学的JohnHolland教授正在从事自适应系统的研究，受生物学家们的启发，Holland教授创造性地将模拟遗传算子用于人工系统并成功地利用它解决了一些实际问题，如“旅行商问题”，它的价值逐渐被人们所认识。
近些年来，遗传算法已被成功地应用于下业、经济答理、交通运输、工业设计等不同领域.解决了许多问题。
例如，可靠性优化、流水车间调度、作业车间调度、机器调度、设备布局设计、图像处理以及数据挖掘等。
本文将从遗传算法的理论和技术两方而概述目前的研究现状。
描述遗传算法的主要特点、基木原理以及各种改进算法，介绍遗传算法的程序设计。
遗传程序设计是借鉴生物界的自然选择和遗传机制，在遗传算法的基础上发展起来的搜索算法，它己成为进化计算的一个新分支。
在标准的遗传算法中，由定长字符串（问题的可行解）组成的群体借助于复制、交叉、变异等遗传操作不断进化找到问题的最优解或次优解。
遗传程序设计运用遗传算法的思想，常采用树的结构来表示计算机程序，从而解决问题。
对于许多问题，包括人工智能和机器学习上的问题都可看作是需要发现一个计算机程序，即对特定输入产生特定输出的程序，形式化为程序归纳，那么遗传程序设计提供了实现程序归纳的方法。
把遗传算法和计算机程序结合起来的思想出现在遗传算法中，Holland把产生式语言和遗传算法结合起来实现分类系统，还有一些遗传算法应用领域的研究者将类似于遗传算法的遗传操作施加于树结构的程序上。
遗传程序设计运用遗传算法的思想自动生成计算机程序解决了许多问题，如预测、分类、符号回归和图像处理等，作为一种新技术,它己经与遗传算法并驾齐驱。
1996年，举行了第1次遗传程序设计国际会议，该领域己引起越来越多的相关学者们的兴趣。
1967年，Holland的学生J.D.Bagley在博士论文中首次提出“遗传算法（GeneticAlgorithms）”一词。
此后，Holland指导学生完成了多篇有关遗传算法研究的论文。
1971年，R.B.Hollstien在他的博士论文中首次把遗传算法用于函数优化。
1975年是遗传算法研究历史上十分重要的一年。
这一年Holland出版了他的著名专著《自然系统和人工系统的自适应》（AdaptationinNaturalandArtificialSystems），这是第一本系统论述遗传算法的专著，因此有人把1975年作为遗传算法的诞生年。
Holland在该书中系统地阐述了遗传算法的基本理论和方法，并提出了对遗传算法的理论研究和发展极其重要的模式理论（schematheory）。
该理论首次确认了结构重组遗传操作对于获得隐并行性的重要性。
同年，K.A.DeJong完成了他的博士论文《一类遗传自适应系统的行为分析》（AnAnalysisoftheBehaviorofaClassofGeneticAdaptiveSystem）。
该论文所做的研究工作，可看作是遗传算法发展进程中的一个里程碑，这是因为，他把Holland的模式理论与他的计算实验结合起来。
尽管DeJong和Hollstien一样主要侧重于函数优化的应用研究，但他将选择、交叉和变异操作进一步完善和系统化，同时又提出了诸如代沟（generationgap）等新的遗传操作技术。
可以认为，DeJong的研究工作为遗传算法及其应用打下了坚实的基础，他所得出的许多结论，迄今仍具有普遍的指导意义。
进入八十年代，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。
1985年，在美国召开了第一届遗传算法国际会议（InternationalConferenceonGeneticAlgorithms，ICGA），并且成立国际遗传算法学会（InternationalSocietyofGeneticAlgorithms，ISGA），以后每两年举行一次。
1989年，Holland的学生D.E.Goldberg出版了专著《搜索、优化和机器学习中的遗传算法》（GeneticAlgorithmsinSearch,Optimization,andMachineLearning）。
该书总结了遗传算法研究的主要成果，对遗传算法及其应用作了全面而系统的论述。
同年，美国斯坦福大学的Koza基于自然选择原则创造性地提出了用层次化的计算机程序来表达问题的遗传程序设计（geneticprogramming,GP）方法，成功地解决了许多问题。
在欧洲，从1990年开始每隔一年举办一次ParallelProblemSolvingfromNature学术会议，其中遗传算法是会议主要内容之一。
此外，以遗传算法的理论基础为中心的学术会议还有FoundationsofGeneticAlgorithms，该会也是从1990年开始隔年召开一次。
这些国际会议论文，集中反映了遗传算法近些年来的最新发展和动向。
1991年，L.Davis编辑出版了《遗传算法手册》（HandbookofGeneticAlgorithms），其中包括了遗传算法在工程技术和社会生活中的大量应用实例。
1992年，Koza发表了他的专著《遗传程序设计:
基于自然选择法则的计算机程序设计》”。
1994年，他又出版了《遗传程序设计，第二册:
可重用程序的自动发现》深化了遗传程序设计的研究，使程序设计自动化展现了新局面。
有关遗传算法的学术论文也不断在《ArtificialIntelligence》、《MachineLearning》、《Informationscience》《ParallelComputing》《GeneticProgrammingandEvoluableMachines》《IEEETransactionsonNeuralNetworks》《IEEETransactionsonSignalProcessing》等杂志上发表。
1993年，MIT出版社创刊了新杂志《EvolutionaryComputation》。
1997年，IEEE又创刊了《TransactionsonEvolutionaryComputation》。
《AdvancedComputationalIntelligence》杂志即将发刊，由模糊集合创始人L.A.Zadeh教授为名誉主编。
目前，关于遗传算法研究的热潮仍在持续，越来越多的从事不同领域的研究人员已经或正在置身于有关遗传算法的研究或应用之中。
1.3论文主要研究内容、目的和意义
论文的主要工作是研究基于遗传算法的PID整定，主要有以下几个方面:
（1）确定决策变量和约束条件。
PID控制的三个系数为
，
，
可以根据参数的物理意义和经验来确定它们的取值范围，即约束条件。
（2）确定目标函数。
为获取满意的过度过程动态特性，采用误差绝对值时间积分性能指标作为参数选择最小目标函数。
（3）确定编码和解码方法。
遗传算法有二进制、格雷码、浮点数和符号编码等方法。
对于该课题我们可以用二进制编码方法和实数编码方法。
（4）确定个体评价方法，即确定个体适应度函数（FitnessFunction）。
评价个体适应度的一般过程是：
对个体编码串进行解码处理后，可得到个体的表现型,由表现型可计算出对应个体的目标函数值,根据最优化问题的类型，由目标函数值按一定的转换规则可求出个体的适应度。
第2章PID算法简介
2.1PID控制原理
PID控制器是一种基于过去，现在和未来信息估计的简单算法。
图2-1PID控制系统原理图
常规的PID控制系统（见图2-1），在过程控制中，按偏差的比例（P）、积分（I）和微分（D）进行控制的PID控制器（亦称PID调节器）是应用最为广泛的一种自动控制器。
它具有原理简单，易于实现，适用面广，控制参数相互独立，参数的选定比较简单等优点；而且在理论上可以证明，对于过程控制的典型对象──“一阶滞后＋纯滞后”与“二阶滞后＋纯滞后”的控制对象，PID控制器是一种最优控制。
PID调节规律是连续系统动态品质校正的一种有效方法，它的参数整定方式简便，结构改变灵活。
PID（比例-积分-微分）控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。
PID控制器简单易懂，使用中不需精确的系统模型等先决条件，因而成为应用最为广泛的控制器。
PID控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。
其输入e（t）与输出u（t）的关系为
式中积分的上下限分别是0和t。
因此它的传递函数为：
其中
为比例系数；
为积分时间常数；
为微分时间常数。
2.2PID控制器的基本用途
PID控制器由于用途广泛、使用灵活，已有系列化产品，使用中只需设定三个参数（
，
和
）即可。
在很多情况下，并不一定需要全部三个单元，可以取其中的一到两个单元，但比例控制单元是必不可少的。
首先，PID应用范围广。
虽然很多工业过程是非线性或时变的，但通过对其简化可以变成基本线性和动态特性不随时间变化的系统，这样PID就可控制了。
其次，PID参数较易整定。
也就是，PID参数
，
和
可以根据过程的动态特性及时整定。
如果过程的动态特性变化，例如可能由负载的变化引起系统动态特性变化，PID参数就可以重新整定。
第三，PID控制器在实践中也不断的得到改进，下面两个改进的例子。
在工厂，总是能看到许多回路都处于手动状态，原因是很难让过程在“自动”模式下平稳工作。
由于这些不足，采用PID的工业控制系统总是受产品质量、安全、产量和能源浪费等问题的困扰。
PID参数自整定就是为了处理PID参数整定这个问题而产生的。
现在，自动整定或自身整定的PID控制器已是商业单回路控制器和分散控制系统的一个标准。
在一些情况下针对特定的系统设计的PID控制器控制得很好，但它们仍存在一些问题需要解决：
如果自整定要以模型为基础，为了PID参数的重新整定在线寻找和保持好过程模型是较难的。
闭环工作时，要求在过程中插入一个测试信号。
这个方法会引起扰动，所以基于模型的PID参数自整定在工业应用不是太好。
如果自整定是基于控制律的，经常难以把由负载干扰引起的影响和过程动态特性变化引起的影响区分开来，因此受到干扰的影响控制器会产生超调，产生一个不必要的自适应转换。
另外，由于基于控制律的系统没有成熟的稳定性分析方法，参数整定可靠与否存在很多问题。
因此，许多自身整定参数的PID控制器经常工作在自动整定模式而不是连续的自身整定模式。
自动整定通常是指根据开环状态确定的简单过程模型自动计算PID参数。
PID在控制非线性、时变、耦合及参数和结构不确定的复杂过程时，工作地不是太好。
最重要的是，如果PID控制器不能控制复杂过程，无论怎么调参数都没用。
虽然有这些缺点，PID控制器是最简单的有时却是最好的控制器。
2.3PID控制器的现实意义
目前工业自动化水平已成为衡量各行各业现代化水平的一个重要标志。
同时，控制理论的发展也经历了古典控制理论、现代控制理论和智能控制理论三个阶段。
智能控制的典型实例是模糊全自动洗衣机等。
自动控制系统可分为开环控制系统和闭环控制系统。
一个控制系统包括控制器、传感器、变送器、执行机构、输入输出接口。
控制器的输出经过输出接口、执行机构，加到被控系统上；控制系统的被控量，经过传感器，变送器，通过输入接口送到控制器。
不同的控制系统，其传感器、变送器、执行机构是不一样的。
比如压力控制系统要采用压力传感器、电加热控制系统的传感器是温度传感器。
PID控制及其控制器或智能PID控制器（仪表）已经很多，产品已在工程实际中得到了广泛的应用，有各种各样的PID控制器产品，各大公司均开发了具有PID参数自整定功能的智能调节器（intelligentregulator），其中PID控制器参数的自动调整是通过智能化调整或自校正、自适应算法来实现。
有利用PID控制实现的压力、温度、流量、液位控制器，能实现PID控制功能的可编程控制器（PLC），还有可实现PID控制的PC系统等等。
可编程控制器（PLC）是利用其闭环控制模块来实现PID控制，而可编程控制器（PLC）可以直接与ControlNet相连，如Rockwell的PLC-5等。
还有可以实现PID控制功能的控制器，如Rockwell的Logix产品系列，它可以直接与ControlNet相连，利用网络来实现其远程控制功能。
2.4PID控制器的参数整定
比例、积分、微分三种控制方式各有其独特的作用。
比例控制是基本的控制
方式，自始至终起着与偏差相对应的控制作用;添入积分控制后，可以消除纯比例控制无法消除的余差;而添入微分控制，则可以在系统受到快速变化干扰的瞬间，及时加以抑制，增加系统的稳定程度。
将三种方式组合在一起，就是比例积分微分（PID）控制:
PID控制器有三个参数，比例系数
，积分时间界，微分时间
。
越大，比例作用越强;
越小，积分作用越强，微分作用越强。
当
时，就变成了比例积分控制器;当界
时，则变成了比例微分控制器。
PID控制器适用
升级会员 