遺傳優(yōu)化的仿人智能控制在溫度控制系統(tǒng)中的研究

賈　勇

(西安郵電大學(xué)，陜西 西安 710121)

遺傳優(yōu)化的仿人智能控制在溫度控制系統(tǒng)中的研究

賈勇

(西安郵電大學(xué)，陜西 西安 710121)

摘要：提出了一種基于遺傳優(yōu)化的新型仿人智能控制方法和一些遺傳算法的基本概念，同傳統(tǒng)的仿人智能控制相比，遺傳優(yōu)化后的仿人智能控制有許多優(yōu)點(diǎn)。把遺傳優(yōu)化的仿人智能控制方法應(yīng)用到工業(yè)領(lǐng)域的溫度控制系統(tǒng)中，仿真結(jié)果表明這種控制方法具有較高控制精度和較強(qiáng)的適應(yīng)性以及良好的控制效果。

關(guān)鍵詞：仿人智能控制；遺傳算法；溫度控制系統(tǒng)

對(duì)于工業(yè)中常見的溫度控制系統(tǒng)，其生產(chǎn)過程特性可用具有二階純滯后的傳遞函數(shù)近似等效[1-2]。針對(duì)純滯后對(duì)象的控制問題，采用常規(guī)的PID控制無法滿足控制精度的要求，因?yàn)槌Ｒ?guī)PID控制器的參數(shù)是根據(jù)被控對(duì)象數(shù)學(xué)模型確定的，當(dāng)被控對(duì)象的數(shù)學(xué)模型是變化的、非線性的時(shí)候，PID參數(shù)不容易根據(jù)其實(shí)際的情況做出調(diào)整，從而影響了控制質(zhì)量，使控制系統(tǒng)的控制品質(zhì)下降。仿人智能控制對(duì)滯后對(duì)象有良好的控制效果，但通常認(rèn)為只適合于對(duì)一階純滯后對(duì)象的控制，對(duì)二階純滯后對(duì)象的控制效果很難令人滿意，因?yàn)榉氯酥悄芸刂频目刂菩阅苤饕Q于調(diào)節(jié)器的比例增益KP和抑制系數(shù)K，但由于它們與被控對(duì)象之間的關(guān)系尚不清楚，故難以優(yōu)化。對(duì)于KP和 K的選擇，一階純滯后對(duì)象尚可憑經(jīng)驗(yàn)進(jìn)行試湊，而二階純滯后對(duì)象則很難選擇好．此問題可歸結(jié)為一非線性組合優(yōu)化問題，適合用遺傳算法求解；為此，本文提出了一種基于遺傳優(yōu)化的仿人智能控制算法，并把該方法在溫度控制系統(tǒng)中用MATLAB仿真軟件進(jìn)行了仿真。

1仿人智能控制算法

實(shí)際工業(yè)領(lǐng)域中的大部分對(duì)象都具有非線性、時(shí)變性和不確定性等特點(diǎn)，因此要獲得準(zhǔn)確的數(shù)學(xué)模型比較難。仿人智能控制采用被控對(duì)象的“類等效”模型簡化方法為設(shè)計(jì)者提供了一個(gè)十分有效的途徑，它具有多模態(tài)(變結(jié)構(gòu)，多參數(shù))和分層遞階(運(yùn)行控制MC、參數(shù)校正SR、任務(wù)適應(yīng)TA)的控制結(jié)構(gòu)，因而魯棒性和適應(yīng)性較強(qiáng)。仿人智能控制器的設(shè)計(jì)任務(wù)就是采用盡可能簡單的結(jié)構(gòu)和較少的控制模態(tài)和參數(shù)，在對(duì)象模型參數(shù)變化范圍內(nèi)達(dá)到控制指標(biāo)的要求，它解決了沒有對(duì)象準(zhǔn)確數(shù)學(xué)模型條件下的對(duì)象模型處理問題。簡單來說就是以實(shí)際軌跡與理想軌跡的偏差軌跡為依據(jù)，劃分出特征模型，并給出對(duì)應(yīng)的控制模態(tài)。為了簡化設(shè)計(jì)，將理想軌跡投影到平面，以該投影曲線為仿人智能控制器設(shè)計(jì)的目標(biāo)軌跡?？刂扑惴ǖ木唧w設(shè)計(jì)過程如下所述[3]。

1.1運(yùn)行控制級(jí)設(shè)計(jì)

運(yùn)行控制級(jí)的特征模型如圖1所示，其中虛線為理想誤差目標(biāo)軌跡，為了使實(shí)際誤差軌跡盡量與其一致，采用了下述控制策略：1)偏差很大時(shí)，對(duì)應(yīng)區(qū)域1、2采用磅-磅控制；2)偏差和偏差變化率很小時(shí)，對(duì)應(yīng)區(qū)域3采用保持控制；3)偏差增大時(shí)，對(duì)應(yīng)區(qū)域4采用保持+比例控制；4)偏差減小，系統(tǒng)緩慢趨向給定值時(shí)，對(duì)應(yīng)區(qū)域5采用適當(dāng)加大保持控制；5)偏差減小，系統(tǒng)正常趨向給定值時(shí)，對(duì)應(yīng)區(qū)域6采用保持控制；6)偏差減小，系統(tǒng)快速趨向給定值時(shí)，對(duì)應(yīng)區(qū)域7采用保持+微分控制；7)系統(tǒng)設(shè)定值改變時(shí)，引入預(yù)估控制，改變控制量的保持值?？刂品匠桃娛?。

圖1　運(yùn)行控制級(jí)的特征模型

e>e1

e<-e1

(1)

u0=u0(n-1)+β·ΔRΔR≠0

1.2參數(shù)校正級(jí)設(shè)計(jì)

參數(shù)校正級(jí)特征模型如圖2所示(一、二象限部分與三、四象限類似)，其中虛線為理想誤差目標(biāo)軌跡，采用下述參數(shù)校正策略：1)區(qū)域1、2、3、5不需要參數(shù)校正；2)區(qū)域4偏差變化率低于要求，按與偏差變化率成反比增大保持作用；3)區(qū)域6偏差變化率高于要求，按與偏差變化率成反比增大微分作用；4)區(qū)域7偏差和偏差變化率較小，減小比例作用；5)區(qū)域8、9、10增大比例作用；6)區(qū)域11偏差變化率大，減小比例作用。

圖2　參靈敏校正級(jí)的特征模型

特征模態(tài)基元集：

特征模型：

決策模式集：

a21、a22、a23、a24、a25、a26、a27為常量。

推理規(guī)則集：

式中，Ω2i:Φ2i→Ψ2i,i=1,2,3,4,5,6,7。

2遺傳優(yōu)化算法

2.1遺傳算法的基本操作

遺傳算法 (genetic algorithm，簡稱GA)是1962年由美國Holland提出的一種模仿模擬生命進(jìn)化機(jī)制的隨機(jī)尋優(yōu)算法[4],它將“優(yōu)勝劣態(tài)，適者生存”的生物進(jìn)化原理引入優(yōu)化參數(shù)形成的編碼串群體中，按所選擇的適配值函數(shù)并通過遺傳中的復(fù)制、交叉及變異對(duì)各個(gè)體進(jìn)行篩選，使適配值高的個(gè)體被保留下來，組成新的群體，新的群體既繼承了上一代的信息，又優(yōu)于上一代。這樣周而復(fù)始，群體中各個(gè)體適應(yīng)度不斷提高，直至滿足一定的條件。其算法簡單，可并行處理，能得到全局最優(yōu)解。

圖3　遺傳算法流程圖

2.2基于遺傳算法的仿人智能控制參數(shù)尋優(yōu)過程[5-6]

3)初始群體生成。為了同時(shí)保證選擇的隨機(jī)性和個(gè)體具有較大的適應(yīng)值，本文采用輪盤選擇方式選擇個(gè)體，即個(gè)體被選中的概率與其適應(yīng)值成正比，從而使適應(yīng)度高的個(gè)體被選擇的概率大，有更多的繁殖后代的機(jī)會(huì)，保證優(yōu)良基因得以遺傳。

4)算法終止條件。種群按照適應(yīng)度的高低來排列，第1個(gè)染色體為最高的適應(yīng)度，如果HSIC的控制效果滿足了系統(tǒng)的要求或是迭代的代數(shù)達(dá)到了預(yù)先的設(shè)定值，那么GA操作就停止。

5)生成新一代群體。遺傳算法有3個(gè)算子：選擇概率Ps、交叉概率Pc和變異概率Pm。選擇概率Ps通過適應(yīng)值確定，交叉概率決定了交叉的次數(shù)，Pc過小導(dǎo)致搜索停滯不前，太大也會(huì)使高適應(yīng)值的結(jié)構(gòu)被破壞；因此，交叉概率一般選取0.25～0.8。變異概率一般為0.001～0.1，太大會(huì)引起不穩(wěn)定，太小則難以尋到全局最優(yōu)解。

3遺傳算法HSIC控制器結(jié)構(gòu)

遺傳算法HSIC控制器結(jié)構(gòu)如圖4所示。

圖4　遺傳逄法HSTC控制器組成框圖

4在溫度控制系統(tǒng)中的仿真實(shí)驗(yàn)

對(duì)于工業(yè)中常見的溫度控制系統(tǒng)，其生產(chǎn)過程特性可用具有二階純滯后的傳遞函數(shù)近似等效。設(shè)被控的溫度控制過程的傳遞函數(shù)為：

3種控制方案參數(shù)取值見表1。

表1　3種控制方案參數(shù)取值

3種控制方案仿真結(jié)果如圖5所示。

從仿真結(jié)果可以看出，在3種控制方案中，遺傳優(yōu)化后的HSIC控制產(chǎn)生的超調(diào)量和過渡時(shí)間比常規(guī)的PID控制和HSIC控制要小得多，控制性能最好，遺傳優(yōu)化后的HSIC控制具有更好的自適應(yīng)性和更好的控制精度。

圖5　3種控制方案仿真比較

5結(jié)語

本文利用遺傳優(yōu)化的仿人智能控制算法對(duì)二階純滯后的溫度控制系統(tǒng)進(jìn)行了仿真實(shí)驗(yàn)，試驗(yàn)結(jié)果表明，用遺傳算法優(yōu)化后的仿人智能控制自適應(yīng)性強(qiáng)，魯棒性好，控制精度高，其控制品質(zhì)比常規(guī)PID和未優(yōu)化的仿人智能控制有了顯著的改善。隨著研究的不斷深入，這種控制方法在工業(yè)過程控制中有著廣泛的應(yīng)用前景。

參考文獻(xiàn)

[1] 曹曉莉．大滯后對(duì)象的仿人智能控制器設(shè)計(jì)及仿真研究[J]．重慶工商大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，20(3)：18-20.

[2] Zhou Q J，B J G．Proceedings of a multinational instrument conference[C]．Shanghai: China Instrument and Control Society， 1983.

[3] 李祖樞，涂亞慶．仿人智能控制[M]．北京：國防工業(yè)大學(xué)出版社，2003.

[4] Holland J H. Adaption in natural and artificial systems[M]．Michigan : The University of Michigan Press．1975.

[5] 鄭雙泉，章兢．改進(jìn)的遺傳算法及其在優(yōu)化Ic中的應(yīng)用[J]．湖南教育學(xué)院學(xué)報(bào)，1997，15(2)：44-48.

[6] 劉咪，王進(jìn)華．遺傳優(yōu)化模糊控制器方法[J]．福建電腦，2005(8)：40-41.

[7] 宇華，余發(fā)山．基于遺傳算法的IC自適應(yīng)系統(tǒng)設(shè)計(jì)[J]．焦作工學(xué)院學(xué)報(bào)，2004，23(5)：386-388.

[8] 薛定宇．控制系統(tǒng)計(jì)算機(jī)輔助設(shè)計(jì)——MATLAB語言及應(yīng)用[M]．北京：清華大學(xué)出版社，1998.

[9] 王以琦，施建華，蘇震，等.溫度和過程自動(dòng)控制技術(shù)在感應(yīng)加熱生產(chǎn)中的應(yīng)用[J].新技術(shù)新工藝，2014(9):86-90.

責(zé)任編輯李思文

Research on Human-simulated Intelligent Control based on Genetic Optimization in Temperature Control System

JIA Yong

(Xi'an University of Posts and Telecommunications，Xi'an 710121，China)

Abstract:The paper presented a new kind of human-simulated intelligent control method based on genetic optimization and some basic concepts about genetic algorithm, human-simulated intelligent control based on genetic optimization has many advanced properties compared with traditional human-simulated intelligent control．The human-simulated intelligent control method based on genetic optimization was applied to temperature control system in industry field. The simulation results showed that the control method has high control accuracy, strong adaptation and excellent control effects.

Key words:human-simulated intelligent control, genetic algorithm, temperature control system

收稿日期：2014-12-03

作者簡介：賈勇(1980-)，男，工程師，主要從事公共管理等方面的研究。

中圖分類號(hào)：TP 273+.5

文獻(xiàn)標(biāo)志碼：A