菅倩[1]2008年在《基于矩阵编码的遗传算法研究与应用》文中指出作为一种搜索算法,遗传算法通过对编码、适应度函数、复制、交叉和变异等主要操作的适当设计和运行后,可以做到兼顾全局搜索和局部搜索遗传算法不依赖于问题的具体领域,它具有自适应性、全局优化性和隐含并行性,体现出很强的解决问题的能力。随着遗传算法应用领域的不断扩大,其操作、搜索能力不满足要求的现象也日趋增多。在解决多参数寻优问题时,通常的二进制编码串很长。一个长的二进制串会给选择、交叉等操作带来不便,造成计算机的运算过程复杂而时间长,从而降低了遗传算法的搜索效率。若采用的编码串短又不能满足问题的精度要求。在多维空间内寻优时,要把一个矩阵展开成一个串,同样也有字符串过长的现象。可见,要妥善解决多参数寻优问题、高维矩阵等问题,首先要改善编码策略。针对上述问题,本文提出了一种改善二进制编码的方法—矩阵编码。它是根据待求参数的个数来确定所用矩阵的行数和列数,根据实际问题的精度要求确定矩阵编码串长度L。将1×m维的二进制编码串化为n×h的矩阵向量。在这种编码方法下,有效降低了编码串的长度L,增强了选择、交叉的操作能力,缓解了计算机内存的占有率,进一步提高了遗传算法的搜索效率。论文分别从理论角度和实际应用两方面来论证矩阵编码遗传算法的可行性。本文主要做了以下工作:1)深入学习遗传算法;介绍了遗传算法的产生和发展、基本原理和特点、遗传算法中存在的共性问题及遗传算法的理论研究现状及应用。2)在分析遗传算法存在问题的基础上,提出了矩阵编码遗传算法。对基于矩阵编码遗传算法的编码策略,遗传操作,适应度函等相关理论进行详尽论述。3)将基于矩阵编码的遗传算法应用于实际。首先通过PID参数整定来验证矩阵编码遗传算法的可行性,然后采用矩阵编码遗传算法来解决实际问题。多输入n维连续时间线性系统极点配置和最小二乘模型辨识问题其实质属于多参寻优、高维矩阵运算求解问题范畴,符合矩阵编码遗传算法的适用范围。采用基于矩阵编码的遗传算法来实现,实验表明矩阵编码遗传算法可以很好地解决这类问题。总之,本文描述了一种基于矩阵编码遗传算法来解决多参数、高维矩阵求解问题的方法。这个方法的基本原理是通过把个体用矩阵串表示,从而降低了编码串的长度,与此同时简化了遗传操作,有效增加种群多样性,提高了搜索效率。通过理论阐述与实际应用表明这种方法是合理可行的,将对多参数、多维空间的寻优或矩阵方程的优化的解决提出了一种确实可行的有效的方法,使遗传算法的理论方法及其应用领域都得到进一步扩展。
聂磊[2]2007年在《车载发电液压传动系统仿真及控制算法研究》文中指出随着电力技术和电子技术的不断发展,移动用电设备对电力的需求越来越大,车载发电系统在工业生产中的应用日益广泛。传统电源车的供电解决方案对民用而言不够经济,对军用而言不够机动灵活,因此,如何克服传统电源车供电设备昂贵、笨重的缺点,彻底解决移动设备行驶过程中的供电问题越来越来受到人们的重视。本文以车载发电为研究背景,基于《车载发电液压传动系统的建模与仿真研究》课题,提出了更为合理、有效的车载发电泵控液压马达系统的控制算法。本文首先通过时域分析和频域分析研究了车载液压传动发电系统的特性。由于输入转速和负载时变,在工业上普遍采用的传统PID控制的调速性能难以达到车载发电的要求。因此,针对车载发电系统输入转速、负载时变的特点,本文分别研究了基于NCD整定的PID控制、模糊自整定PID参数控制、并联型模糊PID复合控制以及基于遗传算法的增益调度PID控制,并在系统的MATLAB/Simulink仿真模型上进行了相关实验。通过仿真结果分析比较各个控制算法的优缺点,得出基于遗传算法的增益调度PID控制最适合本文所研究的车载发电系统,可以达到《移动电站通用技术条件》(GB/T 2819-1995)中对交流电站的性能指标,满足车载发电要求。该方法既具有遗传算法全局优化、鲁棒性强的特点又具有增益调度良好解决非线性系统的特点,非常适合本文所研究的车载发电液压传动系统。
钱灯云[3]2012年在《基于遗传算法的高压最小流量阀PID自适应控制研究》文中进行了进一步梳理高压最小流量阀是用于极端工况的特殊阀门，也是在300MW、600MW及1000MW机组中广泛使用的关键设备。由于高压最小流量阀前后压差高，是一个时滞且存在时变的系统，控制精度要求高，采用传统固定PID控制器往往不能满足用户的需求，基于遗传算法的高压最小流量阀PID自适应控制器正是应这样的要求而产生和发展的。本文根据实际需求设计了基于遗传算法的高压最小流量阀PID自适应控制器，并实现了连续优化PID参数的遗传算法的设计。它摒弃了传统的机械及气动喷嘴挡板机构调节PID参数的调整机构，模拟生物在自然环境中遗传和进化的进程而形成的一种自适应全局优化概率搜索算法，定量计算和定性分析相结合，优化的参数预判以及各种应急措施的知识库保证了系统的持续稳定。首先，本论文介绍了高压最小流量阀PID控制器国内外研究的现状及发展历史，根据最小流量阀控制系统的组成和特点，深入分析了最小流量阀控制系统时变的原因，并以西门子和ABB定位器为例，说明了目前常用的控制器的硬件及软件，提出了基于遗传算法的自适应控制器的组成和连续优化PID参数的工作原理，完成了参数辨识机构模型建立、新型控制器硬件及软件系统的的构建和设置。对优化后的参数，经过知识库计算判断是否超过用户的需求，确定使用与否；在知识库中对系统的一些应急特殊事件提供一些预案，设置相应的输出，达到安全连锁的目的。同时,本文研究了H2控制器解析法的算法和遗传算法参数优化技术的实现，提出了解析法和遗传算法结合的自适应控制器优化的方法，一方面保证了系统的稳定性，另一方面也减小了遗传算法的搜索范围，提高搜索精度。针对高压最小流量阀控制系统静态是稳定的，但热态实际运行时，常常会出现振荡，通过模型参数的摄动，运用MATLAB仿真软件，经过大量的实验，与Ziegler-Nichols法和响应曲线法得到的PID参数仿真比较表明,遗传算法的优化后的PID参数具有更好的鲁棒性和自寻优的特性，即使被控对象的时间常数、延时和静态增益同时变化后，自适应控制器均能保证良好的控制响应，超调量小，具有较强的鲁捧性和较好的标称性能，指明了遗传算法的自适应控制器参数优化的可行性和有效性，是一种具有较优实用价值的PID参数优化策略。
唐雪萍[4]2011年在《基于遗传算法的不确定对象PID优化》文中研究指明在控制工程实际应用中，由于PID控制器具有易于操作、计算方便等优点，使得PID控制器被广泛的使用。但是，在现实工业生产中，复杂系统中存在着很多不确定性，传统的PID参数整定方法得到的参数可能就无法满足设计要求。从严格意义上讲，现实环境中是不存在不具备不确定性的控制系统的。所以本文针对一种模型参数是区间数的不确定对象进行PID控制器参数的寻优问题进行研究。本文研究的主要内容有：(1)对于PID控制器原理进行了简单的介绍并且也简要的介绍了遗传算法的发展现状。说明了对于不确定对象的PID优化进行学术探讨的必要性。(2)针对模型参数是区间数的一类不确定优化问题进行分析。文中首先分析了这类命题的数学表达形式，然后从这类问题求最优解的数学理论中探讨解题思路，最后提出了将问题转换为MINIMAX的优化问题。(3)为了能够更好的解决MINIMAX优化命题自身存在缺陷的问题，提出一种改进的混合遗传算法，使得优化命题能够得到准确的全局最优解。这种新算法是将改进的遗传算法与单纯形优化算法相结合得出的。改进的遗传算法采用的是实数编码。然后引入了“最优保留”策略，接着按照改进的轮盘赌选择算子、算术杂交及自适应高斯变异算子依次执行遗传操作。这为不确定对象的PID优化的解决方法提供了思路。(4)在控制工程中，参数不确定性是非常普遍存在的。针对参数存在不确定性的情况，文中基于时间乘绝对误差积分指标、控制量、上升时间、超调组成的最优指标，提出了运用前面提到的MINIMAX优化算法，对不确定对象PID参数进行优化。最终获得了比较满意的优化效果。
李楠[5]2009年在《PID控制参数现代设计技术的研究与应用》文中提出本研究提供了一种切实可行而且较为优良的PID控制设计算法。建立了磁盘驱动系统的数学模型,丰富了磁盘驱动系统的理论体系。设计的基于叁种不同的现代PID控制参数设计技术的磁盘驱动系统的PID控制算法有利于克服常规PID控制在磁盘驱动控制系统中存在的滞后和超调的缺点,从而提高PID控制算法的控制品质。本研究是因为基于遗传算法的PID控制效果的不理想,促使我们用蚁群算法来寻找最优PID的控制参数。另一方面,为了提高磁盘数据访问速度和读写的可靠性,我们设计了基于叁项现代技术的磁盘驱动系统的PID控制算法,实验结果证明了本文所提的算法的有效性。本文的主要工作和成果如下:1.针对基于遗传算法的PID控制参数寻优的不理想,采用了蚁群系统和灰色系统理论,研究了基于蚁群算法的PID参数优化算法和灰色PID控制算法,实验结果表明:基于蚁群算法的PID参数优化算法无论是在最优解的质量方面还是在算法的执行效率方面都要优于基于遗传算法的PID参数优化算法,而采用了灰色PID控制的位置跟踪性能大大优于采用传统PID控制的位置跟踪性能,能够获得较好的控制跟踪效果和快速响应。2.建立了磁盘驱动系统的数学模型,并将基于叁项现代技术的PID控制算法应用到了磁盘驱动控制系统中,成功地设计出满足性能要求的磁盘驱动系统的控制器。最后,对全文的研究工作进行了总结,并对蚁群算法的未来研究方向作了展望。
戴轶[6]2008年在《脉冲爆震发动机智能PID控制研究》文中研究指明脉冲爆震发动机是一种利用间歇式爆震波产生的高温、高压燃气来产生推力的新概念发动机,这种发动机具有循环热效率高、燃料消耗率低、推重比高、比冲大、结构简单等优点,将成为21世纪新型的航空航天飞行器的动力装置。本文在分析爆震波的基本理论、脉冲爆震发动机的工作原理及循环的基础上,通过对脉冲爆震发动机性能模型的研究,分析并得出了脉冲爆震发动机的控制策略,在此基础上分别进行了模糊自适应PID控制和基于遗传算法整定的PID控制,取得了较好的控制效果。在理论计算和分析方面主要进行了下列四个方面的研究工作:1)采用最小自由能法建立的计算反应平衡成分的软件包,并采用牛顿-雷夫森迭代法对爆震波的特性参数进行了分析计算,总结了不同初始温度和初始压力,以及混合物当量比对爆震波特性参数的影响;2)建立了脉冲爆震发动机单次循环的性能分析模型,分析计算了脉冲爆震发动机各种性能参数与当量比、初始温度、初始压力和频率等参数的关系;3)建立脉冲爆震发动机推力控制数学模型,并为了便于控制研究进行了归一化和离散化处理;4)研究了模糊自适应PID控制和基于遗传算法整定的PID控制,并将其应用于脉冲爆震发动机稳态控制中,在一些典型工作状态进行了仿真。
李瑞霞[7]2007年在《智能PID整定方法的仿真与实验研究》文中认为PID控制器因为结构简单、容易实现，并且具有较强的鲁棒性，因而被广泛应用于各种工业过程控制中。作为一种广泛的控制规律，PID控制并没有因为各种先进控制算法的出现而遭到淘汰，相反，由于其应用时期较长，控制工程师们已经积累了大量的PID参数整定的经验。但是简单的PID控制往往不能达到令人满意的效果，对于工业过程中的复杂系统，传统的PID控制更是显得无能为力。本文从理论上深入研究了模糊控制理论、遗传算法，并将PID控制与智能控制中的模糊控制及遗传算法结合起来，形成了模糊自适应整定PID算法和基于遗传算法的PID参数整定方法。MATLAB软件仿真结果表明这两种智能PID整定算法效果良好，能够达到预期的控制效果。在此基础上，对实验室现有的电液伺服位置闭环控制系统进行了建模，用常规PID控制、模糊PID控制及遗传算法PID控制方法分别对该实验系统进行了仿真与比较；并构建了基于DSPACE实时系统的混合仿真实验平台，进行了多种参数整定方法的PID控制效果的实验验证。仿真与实验结果均表明，智能PID整定方法具有良好的控制效果，明显好于常规PID整定方法，特别是由遗传算法整定的PID控制效果更好一些。
章魁[8]2007年在《嵌入式智能PID控制器的研究与开发》文中提出PID控制是最早发展起来的控制策略之一,迄今为止,大多数工业控制回路仍然应用着结构简单、鲁棒性强的PID控制或改进型PID控制策略。控制器的性能直接关系到生产过程的平稳高效运行以及产品的最终质量,因此控制系统的设计主要体现在PID控制器参数的整定上。随着计算机技术的飞跃发展和智能计算理论渗透到自动控制领域,为PID控制器参数的整定提供了新的方法和途径。模糊控制模拟人脑的思维方式,能处理客观世界的非精确和非线性信息,具有很强的抗干扰能力,采用模糊控制来产生PID控制器参数的变化值,使PID控制器的参数具有自适应性和鲁棒性。在基本PID控制的基础上,采用了从自然界生物群体智能行为发展而来的遗传算法、人工免疫算法和粒子群算法来进行PID控制器参数的整定,并进行了相关理论分析和算法收敛性证明。从遗传算法、免疫克隆选择算法、模糊免疫算法和改进的微粒群算法的PID参数整定仿真结果来看,对控制对象的函数没有连续、可微等要求,且算法的结果不依赖于PID参数初值的选取,能取得比较满意的PID控制器参数。以改进的微粒群算法整定PID控制器参数方法为基础,设计了一种嵌入式自整定PID控制器。在硬件方面,选用叁星公司的S3C44BOX芯片作为了PID参数自整定器的控制芯片,其内部集成了一个8路10位A/D转换器和LCD控制器,双电源供电。由于S3C44B0X没有集成RAM和ROM,因此外扩了8MB SDRAM和2MB NOR FLASH ROM作为系统的RAM和ROM。在人机对话方面,系统扩展了320×240的触摸屏。软件方面,详细介绍了嵌入式实时系统uC/OS-Ⅱ在S3C44B0X上的移植过程:在uC/OS-Ⅱ框架下,把应用程序模块化,分成多个任务来共同完成PID参数自整定算法。
赵亮[9]2006年在《遗传算法在热工过程建模与优化控制中的应用研究》文中指出电力工业的发展促进了发电机组单机容量和参数正不断增加,其自动化程度越来越高,对控制系统的控制品质也提出了更高的要求。掌握被控对象的数学模型和建模后控制系统的设计,是过程控制系统分析、设计、调试和获得较高控制品质的基础和关键。因此,研究基于现代优化技术的系统建模方法和控制器参数整定技术具有重要的意义。本文针对遗传算法在热工过程中的建模和优化控制中的应用进行了研究。论文主要内容分为叁部分。第一部分研究基于遗传算法的热工过程模型辨识,遗传算法采用了多算子结合的自适应交叉、变异策略,提高了算法的精度、搜索效率和收敛能力。针对传统通用的多项式传递函数形式作为模型进行辨识时存在的各参数差异较大,各参数失配和参数在搜索空间中的搜索效率较低等问题,提出了以零极点传递函数形式描述过程对象,并对常见的热工过程进行分类的辨识方法。仿真研究表明,所提出的基于遗传算法的热工过程模型辨识方法具有很好的模型辨识能力,可以得到精度较高的辨识结果。第二部分对遗传多目标优化算法进行了研究,在分析比较了几种典型算法的突出特点和不足的基础上,本文提出了两种改进的遗传多目标优化算法。基于非支配排序的均匀权重和方法是对传统的多目标转换为单目标的权重和思想在两个目标的优化方面进行的改进,目标的权系数分配方法是在一定区间内,以一定的步长进行均匀的变化,避免了传统权重和方法在权系数确定与分配上存在的困难。同时结合非支配排序的思想,对每组权系数下得到的最优解组合在一起进行非支配排序,可以获得更加均匀分布的Pareto前沿。改进的Pareto遗传多目标优化算法结合了NSGA算法的非支配排序、NSGA-II/SPEA算法中的精英保留策略和小生境技术,并对传统的小生境技术中基于个体适应度的淘汰技术进行改进,提出一种个体向量模适应度函数作为淘汰个体的准则。通过两个多元函数的最小值优化算例验证,两种方法均获得较为均匀分布的Pareto前沿,并且改进的Pareto遗传多目标优化算法由于采用了小生境技术,使得最优解的分布更加均匀,避免了局部收敛的问题。第叁部分在对PID控制规律、控制器参数整定的准则以及常见的整定技术进行综述的基础上,提出了PID控制器参数的多目标优化整定思想,给出了基于改进多目标优化算法的PID控制器参数的整定方法,对算法的适应度函数和最佳整定结果的选择进行了分析。以锅炉过热汽温串级控制系统为例进行了仿真研究,研究结果表明遗传多目标优化算法应用于PID控制器参数整定,为决策者提供了更多的选择余地,是可行有效的。
毛敏[10]2002年在《基于遗传算法的PID参数寻优问题的研究》文中研究指明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。本论文主要应用遗传算法对PI调节器参数进行优化。深刻剖析了基本遗传算法理论，对其存在的缺点提出了五种改进措施，新的改进遗传算法克服了其部分不足之处，并将新的改进遗传算法应用到单回路和串级回路两种控制系统的PI调节器参数优化中，仿真结果取得令人满意的控制效果。另外，完成了《控制系统调节器参数优化》（CSAPO）软件，软件具有一定的通用性，能对有自平衡对象系统进行PI参数优化
参考文献：
[1]. 基于矩阵编码的遗传算法研究与应用[D]. 菅倩. 太原理工大学. 2008
[2]. 车载发电液压传动系统仿真及控制算法研究[D]. 聂磊. 北京交通大学. 2007
[3]. 基于遗传算法的高压最小流量阀PID自适应控制研究[D]. 钱灯云. 上海交通大学. 2012
[4]. 基于遗传算法的不确定对象PID优化[D]. 唐雪萍. 南昌航空大学. 2011
[5]. PID控制参数现代设计技术的研究与应用[D]. 李楠. 浙江工业大学. 2009
[6]. 脉冲爆震发动机智能PID控制研究[D]. 戴轶. 上海交通大学. 2008
[7]. 智能PID整定方法的仿真与实验研究[D]. 李瑞霞. 太原理工大学. 2007
[8]. 嵌入式智能PID控制器的研究与开发[D]. 章魁. 安徽理工大学. 2007
[9]. 遗传算法在热工过程建模与优化控制中的应用研究[D]. 赵亮. 东南大学. 2006
[10]. 基于遗传算法的PID参数寻优问题的研究[D]. 毛敏. 华北电力大学（河北）. 2002
标签：自动化技术论文; 遗传算法论文; pid论文; 智能算法论文; 过程控制论文; 仿真软件论文; 编码转换论文; 自适应论文; 矩阵论文; 算法论文; 模糊pid论文;