【正文】 2) + (MaxX(2) minx(2)) * Rnd Next i For i = 1 To 10 kpid(i, 3) = minx(3) + (MaxX(3) minx(3)) * Rnd Next i End Sub PID 控制 為獲取滿意的過度過程動態(tài)特性，采用誤差絕對值時間積分性能指標 ITAE 作為參數(shù)選擇的最小目標函數(shù)?？刂谱饔么螖?shù)為 500 次。x(1) = eerror(k) 39。x(3) = x(3) + eerror(k) * Ts 39。D, error_2 = error_1 error_1 = eerror(k) If s = 0 Then If yout(k) And yout(k) Then tu = timef(k) s = 1 End If End If Next k For i = 1 To P Ji(i) = * Abs(eerror(i)) + * u(i) ^ 2 * B = B + Ji(i) If i 1 Then erry(i) = yout(i) yout(i 1) End If If erry(i) 0 Then B = B + 100 * Abs(erry(i)) End If Next i BsJ = B + * tu * 10 BsJi(j) = BsJ Next j End Sub 適應(yīng)值評估 Private Sub evaluate() 39。For i = 1 To 10 39。Arranging fi bigger to small 39。由于所選取種群數(shù)較小，交叉概率取 。主程序見附錄。 根據(jù)實驗的結(jié)果我們可以得出遺傳算法的一些特點： 1．遺傳算法從問題解的中集開始嫂索，而不是從單個解開始。 2．遺傳算法求解時使用特定問題的信息極少，容易形成通用算法程序。故而，遺傳算法有很高的容錯能力。原則上，限幅值應(yīng)為 2 到 10 倍的設(shè)定控制值，在本例中即設(shè)定的溫度 rin。設(shè)定值不好還可能導(dǎo)致控制無法滿足要求的情況，如出現(xiàn)大超調(diào)，不穩(wěn)定的情況。 限幅值 倍 PC＝ SIZE＝ 30 見圖 54 限幅值 10 倍 PC＝ SIZE＝ 10 見圖 55 福州大學(xué)本科生畢業(yè)設(shè)計（論文） 40 圖 54 限幅值 倍 PC＝ SIZE＝ 30 圖 55 限幅值 10 倍 PC＝ SIZE＝ 10 41 代數(shù)與種群的綜合考慮 盡管種群的減少大大的減少了 PID 的執(zhí)行次數(shù)，但是其總的執(zhí)行次數(shù)還是驚人的，為了進一步使它更具有實用性，將代數(shù)減為 30 代，這樣總執(zhí)行次數(shù)進一步減少了。 G=30 SIZE=10 限幅值為 9 倍 rin， PC= ,KP [815],KI[01],KD KI[01] 調(diào)節(jié)時間只需 64 拍，無超調(diào)，見圖 66 圖 56 G=30 SIZE=10 福州大學(xué)本科生畢業(yè)設(shè)計（論文） 42 為了進一步減少其執(zhí)行次數(shù)，進 一步調(diào)整 SIZE，同時調(diào)整 PM 和限幅值 如下： G=30 SIZE=4 限幅值為 10 倍 rin， PC= ,KP [814],KI[01],KD KI[01] 調(diào)節(jié)時間只需 61 拍，無超調(diào)，見圖 67 圖 57 G=30 SIZE=4 不同的代數(shù)不同的種群數(shù)執(zhí)行次數(shù)相比較 G=100 SIZE=30 時 執(zhí)行次數(shù) M＝ 3000*N G=30 SIZE=10 時 執(zhí)行次數(shù) M=300*N 縮小了近十倍 G=30 SIZE=4 時 執(zhí)行次數(shù) M=120*N 又縮小了近三倍 減少執(zhí)行 次數(shù)，提高遺傳算法效率的途徑 通過以上的結(jié)論，我們可以看出，只要在代數(shù)和種群不斷減小的情況下，遺傳算法 PID 整定的實用性也不斷提升。因此值得對其進行進一步的研究，以期得到更好的效果。 具有一定的應(yīng)用和研究 價值。在程序的設(shè)計與調(diào)試過程對遺傳算法有了進一步的認識。遺傳算法還有很多的實現(xiàn)方法，并且還需要更多的改進，比如進一步減少運算次數(shù)，如何選擇比較好的初始種群使得能夠 避免 遺傳算法運算的盲目性等。 福州大學(xué)本科生畢業(yè)設(shè)計（論文） 46 參考文獻 [1].段明祥，工業(yè)控制計算機產(chǎn)業(yè)現(xiàn)狀與發(fā)展策略，工業(yè)控制計算機 ,2001。 45 謝辭 歷時三個多月的畢業(yè)設(shè)計已經(jīng)結(jié)束了，在王劭伯老師精心指導(dǎo)下，讓我不僅對工業(yè)控制系統(tǒng)的開發(fā)與應(yīng)用有了進一步的認識，更重要的是這期間，并且對遺傳算法有了一個比較深刻的理解，大大的豐富了自己的知識面。 通過畢業(yè)設(shè)計，我對遺傳算法的程序編制與改進方面有了一定的經(jīng)驗，對限幅值，種群，代數(shù)以及交叉概率對控制效果的影響有了深刻的認識，能夠很快根據(jù)要求改進程序中的幾個參數(shù)來滿足控制要求。在程序設(shè)計過程中，我運用已學(xué)的知識，不斷的努力改進程序 。遺傳算法做為一種比較新的算法，已經(jīng)得到了廣泛的應(yīng)用。并且在代數(shù)和種群的不斷減少下，只需要通過調(diào)整限幅值43 和交叉概率 PM，即可以得到滿意的控制效果。 G=100 SIZE=30 時 執(zhí)行次數(shù) M＝ 3000*N G=30 SIZE=10 時 執(zhí)行次數(shù) M=300*N 縮小了近十倍。但是基于實際應(yīng)用的考慮，卻不得不減小種群的大小，以減少 PID 控制調(diào)節(jié)次數(shù)。以下是其他條件相同的條件下不同的限幅值 得出的不同結(jié)果。 這說明遺傳算法是采用隨機方法進行最優(yōu)解搜索，選擇體現(xiàn)了向最優(yōu)解迫近，交叉體現(xiàn)了最優(yōu)解的產(chǎn)生，變異體現(xiàn)了全局最優(yōu)解的復(fù)蓋。遺傳算法只需適應(yīng)值和串編碼等通用信息，故幾乎可處理任何問題。傳統(tǒng)優(yōu)化算法是從單個初始值迭代求最優(yōu)解的；容易誤入局部最優(yōu)解。 圖 43 基于遺傳算法的 PID 控制系統(tǒng) 由圖可見，采用遺傳算法的 PID 控制，調(diào)節(jié)時間只需要 65 拍，并且可以做到無超調(diào)。交叉 Dim pc As Double, temp As Double, alfa As Double pc = For i = 1 To 9 Step 1 temp = Rnd If pc temp Then alfa = Rnd TempE(i, 1) = alfa * kpid(i + 1, 1) + (1 alfa) * kpid(i, 1) TempE(i, 2) = alfa * kpid(i + 1, 2) + (1 alfa) * kpid(i, 2) TempE(i, 3) = alfa * kpid(i + 1, 3) + (1 alfa) * kpid(i, 3) TempE(i + 1, 1) = alfa * kpid(i, 1) + (1 alfa) * kpid(i + 1, 1) TempE(i + 1, 2) = alfa * kpid(i, 2) + (1 alfa) * kpid(i + 1, 2) TempE(i + 1, 3) = alfa * kpid(i, 3) + (1 alfa) * kpid(i + 1, 3) End If Next i TempE(10, 1) = BestS(1) TempE(10, 2) = BestS(2) 福州大學(xué)本科生畢業(yè)設(shè)計（論文） 34 TempE(10, 3) = BestS(3) For i = 1 To 10 For j = 1 To 3 kpid(i, j) = TempE(i, j) Next j Next i End Sub 變異 基本程序?qū)崿F(xiàn)如下 Private Sub MUTATION() 39。Let BestS=E(m), m is the Indexfi belong to max(fi) For i = 1 To 10 If ffi(i) = fi(10) Then BestS(1) = kpid(i, 1) BestS(2) = kpid(i, 2) BestS(3) = kpid(i, 3) End If Next i End Sub 復(fù)制 Private Sub SARP() 39。Next i For i = 1 To 10 39。Avoiding deviding zero Next i For i = 1 To 10 fi(i) = 1 / Ji(i) Next i 39。P,增量式 PID 控制算式 x(3) = eerror(k) 39。x(2) = (eerror(k) error_1) / Ts 39。 Private Sub PID() Dim B As Double, s As Double, error_1 As Double Dim r(500) As Double, eerror(500) As Double Dim x(3) As Double, erry(500) As Double, error_2 As Double For j = 1 To 10 kpidi(j, 1) = kpid(j, 1) kpidi(j, 2) = kpid(j, 2) 29 kpidi(j, 3) = kpid(j, 3) For i = 1 To 50 u_(i) = 0 Next i y_1 = 0: y_2 = 0 x(1) = 0: x(2) = 0: x(3) = 0 B = 0 error_1 = 0 tu = 1 s = 0 For k = 1 To P timef(k) = k * Ts r(k) = rin u(k) = u_(1) + kpidi(j, 1) * x(1) + kpidi(j, 2) * x(2) + kpidi(j, 3) * x(3) If u(k) = 10 * rin Then u(k) = 10 * rin End If If u(k) = 0 Then u(k) = 0 End If Call Simulating(k) eerror(k) = r(k) yout(k) For i = 2 To 50 u_(i) = u_(i 1) Next i u_(1) = u(k) y_2 = y_1 y_1 = yout(k) If eerror(k) = Then flag = 1 39。選用式 3 作為參數(shù)選取的最優(yōu)性能指標 : (3) 按照要求，加入了超調(diào)懲罰功能。P,參數(shù)整定范圍 minx(2) = 0: MaxX(2) = 1 39。 圖 42 測試所用人機界面 編碼 對于本一階系統(tǒng)，在 VB 中的實現(xiàn)如下，由計算機在規(guī)定的范圍內(nèi)即KP[020],KI[01]， KD[01]之間隨機產(chǎn)生十個種群作為原始的值進行進化。由主程序產(chǎn)生初始種群，然后按照遺傳算法的基本步驟過程，調(diào)用各程序塊。變異 TempE(10, 1) = BestS(1) TempE(10, 2) = BestS(2) TempE(10, 3) = BestS(3) ?? ???? 0 2 *3|))(|4)(*2|)(|1( utwdtteywtuwtewJ福州大學(xué)本科生畢業(yè)設(shè)計（論文） 26 For i = 1 To 10 kpid(i, 1) = TempE(i, 1) kpid(i, 2) = TempE(i, 2) kpid(i, 3) = TempE(i, 3) Next i = kg Call MMI1 39。主程序 PID 控制 Call evaluate 39。主程序 Call bianma 39。 為了避免超調(diào)，采用了懲罰功能，即一旦產(chǎn)生超調(diào)，將超調(diào)量作為最優(yōu)指標的一項，此時最優(yōu)指標為： If ey（ t） 0 式中， w3 為權(quán)值，且 w4》 w1， ey（ t） ＝ y（ t）－ y(t1) y(t)為被拉對象輸出 遺傳算法中使用的樣本個數(shù)為 10，交叉概率和變異概率分別為： pc＝ ，Pm＝ 。則廣義對象的 z傳遞函數(shù)為：