基于遺傳算法的改進(jìn)PID控制器設(shè)計及應(yīng)用

丁浩浩　胡士成

【摘 要】提出了一種基于遺傳算法優(yōu)化改進(jìn)的單神經(jīng)元自適應(yīng)PID控制算法，避免一些參數(shù)及權(quán)系數(shù)的在線修正參考實驗經(jīng)驗的問題。該算法有兩部分構(gòu)成。第一部分就是改進(jìn)的單神經(jīng)元自適應(yīng)PID控制D、P、I的值，第二部分結(jié)合遺傳算法在改進(jìn)的單神經(jīng)元自適應(yīng)PID控制的同時尋求合適的學(xué)習(xí)效率以及比例系數(shù)。通過柴油機(jī)調(diào)速中電磁執(zhí)行器仿真實例表明，該方法取得了很好的效果。

【關(guān)鍵詞】遺傳算法；單神經(jīng)元；電磁執(zhí)行器；仿真

【Abstract】An improved single neuron adaptive PID control algorithm based on genetic algorithm is proposed to avoid the on-line correction of some parameters and weights. The algorithm consists of two parts.The first part is the improved single neuron adaptive PID control D，P，I value，the second part of the combination of genetic algorithm and the improved single neuron adaptive PID control for learning efficiency and proportion coefficient.The simulation example of electromagnetic actuator in diesel engine speed regulation shows that this method can achieve good results.

【Key words】Genetic algorithm；Single neuron；Eelectromagnetic actuator；Simulation

0 引言

PID控制是一種是按照偏差的微分、積分、比例來分別對其進(jìn)行控制，此控制在工業(yè)中是最常見的一種控制方法，但是在實際生活中PID的一些參數(shù)整定會受到各種外部和內(nèi)部環(huán)境條件的制約，這樣就很難達(dá)到我們想要的結(jié)果，尤其是當(dāng)控制對象具有時變性特點時，他們的一些參數(shù)整定困難變大。綜合以前的知識，到目前為了提高PID控制器參數(shù)的優(yōu)化的多種方法之中，神經(jīng)網(wǎng)絡(luò)對PID參數(shù)整定還是比較簡單，并且是易于實現(xiàn)其目的的[1]。常規(guī)的神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制有許多不完善之處，其中最主要的問題就是神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率都是采用實驗加經(jīng)驗法的方式由人工進(jìn)行優(yōu)化，往往費時而卻難以滿足實時的控制要求。為了改善控制系統(tǒng)的性能，解決控制對象參數(shù)難以優(yōu)化，我將提出遺傳算法對神經(jīng)網(wǎng)絡(luò)中的一些參數(shù)優(yōu)化策略。

1 改進(jìn)的單神經(jīng)元自適應(yīng)PID控制器

該系統(tǒng)是我們利用它具有自適應(yīng)和自學(xué)習(xí)的能力，去實現(xiàn)單神經(jīng)元PID控制器[2]。它的控制系統(tǒng)結(jié)構(gòu)如圖1所示，結(jié)構(gòu)看起來很簡單，對環(huán)境的適應(yīng)很快，計算量比較小，魯棒性強(qiáng)，而且易于理解。在這里我們設(shè)輸入為yd，輸出為 y（k），經(jīng)轉(zhuǎn)換器轉(zhuǎn)換成控制器所需要狀態(tài)值x1，x2，x3。d（k）為性能指標(biāo)或遞進(jìn)信號，我們在這里取 d（k）= yd（k）-y（k）=e（k）。

圖1 單神經(jīng)元自適應(yīng)PID控制結(jié)構(gòu)

單神經(jīng)元自適應(yīng)控制器是通過對加權(quán)系數(shù)的調(diào)整，去實現(xiàn)自組織、自適應(yīng)功能。改進(jìn)的部分就是將其中的xi（k）改為e（k）+△e（k），其表達(dá)如下：

■

■

■

式中K（K>0）為神經(jīng)元的比例系數(shù)，wi（k）是所對應(yīng)xi（k）的權(quán)系數(shù)。

■。

2 遺傳算法對改進(jìn)控制器學(xué)習(xí)率及K值的選擇

遺傳算法[2]是借鑒自然遺傳機(jī)制和生物界自然選擇的隨機(jī)搜索方式，它借鑒了孟德爾的遺傳學(xué)說和達(dá)爾文的進(jìn)化論。遺傳算法能在空間的搜索過程中高效地進(jìn)行，同時積累有關(guān)搜索的知識，又能夠自動獲取，并自適應(yīng)尋求最優(yōu)解。其本質(zhì)是全局的搜索方法。

利用遺傳算法優(yōu)化的具體步驟是：

1）首先要確定每個需要參數(shù)的大致范圍，然后對其編碼。設(shè)群體大小M=50，終止進(jìn)化代數(shù)G=100，一般取值范圍為100～500；

2）隨機(jī)產(chǎn)生n個個體，去構(gòu)成初始種群P（0）；

3）解碼種群中各個體，形成相應(yīng)的參數(shù)值，然后用參數(shù)求代價函數(shù)值J，知道J值就能獲得適應(yīng)度值f，兩者之間是倒數(shù)關(guān)系；

4）應(yīng)用變異算子、交叉和復(fù)制知識，對種群P（t）進(jìn)行操作，產(chǎn)生下一代種群P（t+1）。交叉概率 Pc=0.8，變異概率 Pm=0.03；

5）重復(fù)（3）和（4）步驟，達(dá)到預(yù)定或達(dá)到參數(shù)收斂的要求。

3 柴油機(jī)調(diào)速中電磁執(zhí)行器進(jìn)行參數(shù)優(yōu)化仿真

船舶柴油機(jī)作為被控對象是有一定意義的，它的特點是強(qiáng)非線性以及結(jié)構(gòu)復(fù)雜。隨著負(fù)載、轉(zhuǎn)速或者其他條件的變化時，柴油機(jī)的時變性問題突出，非線性問題也會體現(xiàn)出來，其中的參數(shù)要是變化突出，這樣就會讓系統(tǒng)的性能不穩(wěn)定起來。本文章的方法就是讓柴油機(jī)有良好的運行性能，對參數(shù)進(jìn)行智能整定。本文選取的被控對象是柴油機(jī)調(diào)速系統(tǒng)中某型電磁執(zhí)行器的無量化模型[3]：

由圖2和圖3可以清楚的知道，參數(shù)改變的改進(jìn)的PID算法的超調(diào)量很小，而且上升時間很快，此外在很短的時間內(nèi)就能調(diào)整好。圖4為代價函數(shù)值J的優(yōu)化過程。圖3也充分地體現(xiàn)了參數(shù)改變的改進(jìn)PID算法的跟蹤性能。所以，本篇文章提出改進(jìn)的PID算法要好于只用改進(jìn)的單神經(jīng)元自適應(yīng)PID控制算法。

4 結(jié)論

遺傳算法結(jié)合改進(jìn)的單神經(jīng)自適應(yīng)PID控制的算法對一些被控對象的效果是可觀的。此算法既保留了通常的PID控制算法，又使PID算法在線修正以及實時性增強(qiáng)，這是通過神經(jīng)網(wǎng)絡(luò)和遺傳算法實現(xiàn)的。該算法還具有原理簡單、易于實現(xiàn)、魯棒性強(qiáng)和適用面廣等優(yōu)點，能夠獲得較好的控制綜合性能，而且在結(jié)構(gòu)上具有常規(guī)PID控制算法簡潔的特點。仿真結(jié)果驗證了此算法在實踐中的優(yōu)越性。

【參考文獻(xiàn)】

[1]劉士榮，等.計算機(jī)控制系統(tǒng)[M].第2版.北京：機(jī)械工業(yè)出版社，2012.

[2]劉金琨.先進(jìn)PID控制MATLAB仿真[M].第3版.北京：電子工業(yè)出版社，2011.

[3]劉軍華，等.基于改進(jìn)遺傳算法的柴油機(jī)調(diào)速控制研究[J].艦船電子工程，2013，33（8）：164-166.

[責(zé)任編輯：田吉捷]