【正文】 In the process of thermodynamic engineering in power plant,the main task in main steam temperature control is to control the superheated steam temperature to some required range. The super heated steam temperature object is a multicontainer deadline time and time constant is relatively big. It has many disturbances,Its object model is not accurately is not easy to measure steam temperature in the superheated implement. due to its unique plexity, making the model to obtain a certain degree of difficulty. PID regulation is the most impor tant thermal system control strategy, w hich directly affect the unit39。而在熱工系統(tǒng)中單純形法，專家整定法應(yīng)用較廣。 遺傳算法 (Geic algorithms 簡稱 GA)進行路徑規(guī)劃，所謂遺傳算法就是以自然遺傳機制和自然選擇等生物進化理論為基礎(chǔ)，構(gòu)造的一類全局優(yōu)化概率搜索算法。 1968 年 Holland 提出了著名的模式 (schema)定理奠定了遺傳算法的理論基礎(chǔ)； 1975 年 De Jong 首先嘗試將遺傳算法用于函數(shù)優(yōu)化，提出了 5 個測試函數(shù)用以測試遺傳算法的優(yōu)化性能； 1981 年 Bethke 應(yīng)用 Walsh 函數(shù)分析模式； 1983 年 Wetzel 用遺傳算法解決了 NP 難題，即旅行商問題 (TSP)； 1985 年 Schaffer 利用多種群遺傳算法研究解決了多目 標優(yōu)化問題； 1987 年 Goldberg 等人提出了借助共洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 2 享函數(shù)的小生境遺傳算法。國內(nèi)二級以上學(xué)術(shù)刊物有關(guān)遺傳算法的文章不斷增加。西安交通大學(xué)以進化計算為主題的研究工作也逐漸活躍起來，同時國內(nèi)相 關(guān)書籍也越來越多，如武漢大學(xué)劉勇、康力山等與 1995 年出版的《非數(shù)值并行計算 遺傳算法》；周明、孫樹棟等于 1996 年出版的《遺傳算法原理及應(yīng)用》； 2021 年王小平、曹立明編寫的《遺傳算法 理論、應(yīng)用與軟件實現(xiàn)》等等。 主汽溫串級調(diào)節(jié)系統(tǒng) 目前，電廠采用噴水減溫來調(diào)節(jié)過熱汽溫系統(tǒng)的延遲和慣性大，為了改善系統(tǒng)的動態(tài)特性，根據(jù)調(diào)節(jié)系統(tǒng)的設(shè)計原則，引入中間點信號作為調(diào)節(jié)器的補充信號，以便快速反映影響過熱汽溫變化的擾動，而最能反映減溫水變化的是減溫器出口的溫度，因此入該點作為輔助被調(diào)量，組成了串級調(diào)速系統(tǒng)。為了改善調(diào)節(jié)品質(zhì)，系統(tǒng)中采用減溫器出口處汽溫 1q 作為輔助調(diào)節(jié)信號 (稱為導(dǎo)前汽溫信號 )。 從 圖 12 的方框圖可以看出，串級調(diào)節(jié)系統(tǒng)有兩個閉合的調(diào)節(jié)回路： ① 由對象調(diào)節(jié)通道的導(dǎo)前區(qū) 1()Gs、導(dǎo)前汽溫變送器 1Gh 、副調(diào)節(jié)器1()cGs組成的副調(diào)節(jié)回路； ② 由對象 調(diào)節(jié)通道的惰性區(qū) 2()Gs、 過熱汽溫變送器 2Gh 、 主調(diào)節(jié)器2()cGs以及副調(diào)節(jié)回路組成的主回路。 采用導(dǎo)前汽溫微分信號的雙回路汽溫調(diào)節(jié)系統(tǒng) 圖 13 所示即為采用導(dǎo)前汽溫微分信號的汽溫調(diào)節(jié)系統(tǒng)。在洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 3 動態(tài)時，調(diào)節(jié)器將根據(jù) 1ddtq 和 2q 與 2q 給定值之間的差值而動作；在靜態(tài)時， 1ddtq信號為零，過熱汽溫 2q 必然等于給定值。 （ 2）串級調(diào)節(jié)系統(tǒng)主、副兩個調(diào)節(jié)回路的工作相對比較獨立，因此系統(tǒng)投運時整定、調(diào)試直觀方便。它的基本控制系統(tǒng)是串級控制，自適應(yīng)控制器用來調(diào)整主調(diào)節(jié)器的參數(shù)。將過熱汽溫設(shè)定值及其偏差引入神經(jīng)網(wǎng)絡(luò)控制器，對傳統(tǒng) PID 調(diào)節(jié)器進行在線補償，以適應(yīng)調(diào)節(jié)對象動態(tài)性的變化。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 5 第 2 章 遺傳算法的基礎(chǔ)知識 遺傳算法的概念 遺傳算法的生物學(xué)原理 遺傳算法是由美國的 J. Holland 教授于 1975 年在他的專著《自然界和人工系統(tǒng)的適應(yīng)性》中首先提出的，它是一類借鑒生物界自然選擇和自然遺傳機制的隨機化搜索算法 。這一過程就如生物進化那樣，好的特征被不斷地繼承下來，壞的特征被逐漸淘汰。 遺傳算法本質(zhì)上是對染色體模式所進行的一系列運算，即通過選擇算子將當(dāng)前種群中的優(yōu)良模式遺傳到下一代種群中，利用交叉算子進行模式重組，利用變異算子進行模式突變。 1985 年，第一屆國際遺傳算法會議 (international conference on geic algorithms, ICGA)在美國卡耐基 此外，其他類型的各種會議，如以遺傳編程、進化策略或進化編程為主題的研討會也很頻繁。 遺傳算法的工作原理 遺傳算法是將“優(yōu)勝劣汰，適者生存”的生物進化原理引入優(yōu)化參數(shù)形成的編碼串群體中，按所選擇的適應(yīng)度函數(shù)并通過遺傳中的復(fù)制，交叉及變異對個體進行篩選，使適應(yīng)度高的個體被保留下來，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。 M 個個體構(gòu)成一個群體。 ⑤ 交叉：對于選中的繁殖個體，按照某種交 叉方式交換兩個字符串相應(yīng)的位段，產(chǎn)生兩個新的個體，新的個體組合其父輩的特性。 ⑧ 編程上機運行：完成上述工作以后，既可以按照演化計算的算法結(jié)構(gòu)編程來進行問題求解。根據(jù)位串的適配值拷貝，也就是指具有高度配值的位串更有可能在下一代中產(chǎn)生一個或多個子孫。若用計算機程序來實現(xiàn)，可考慮首先產(chǎn)生 0~1 之間均勻分布的隨機數(shù)，若某 串的復(fù)制概率為 40%，則當(dāng)產(chǎn)生的隨機數(shù)在 0~ 之間時，該串被復(fù)制，否則被淘汰。而交叉模擬了生物進化過程的繁殖現(xiàn)象，通過兩個染色體的交換組合，來產(chǎn)生新的優(yōu)良品種。一點交叉是最基本的方法，應(yīng)用較廣。 遺傳算法的數(shù)學(xué)基礎(chǔ) 模式的階和模式的定義距 模式是指種群個體基因串中的相似樣板，它用來描述基因串中某些特征位相同的結(jié)構(gòu)。 定義 2：模式 H 中第一個確定位置和最后一個確定位置之間的距離稱為模式 H 的定義距，記作δ (H)。 模式定理 模式定理：具有低階、短定義距以及平均適應(yīng)度高于 種群平均適應(yīng)度的模式在子代中呈指數(shù)增長。它們在遺傳算法中很重要，早子代中呈指數(shù)增長，在遺傳操作下相互影響，產(chǎn)生適應(yīng)度更高的個體，從而找到更優(yōu)的可行解。人類的自然演化過程是進化過 程，這種進化過程發(fā)生在染色體上。它的基本流程圖如 圖 21 所示?；具z傳算法使用固定長度的二進制符號串來表示群體中的個體，其等位基因是由二值符號集 {0,1}所組成，編碼包括以下幾個步驟： (1)據(jù)具體問題確定待尋優(yōu)的參數(shù)； (2)對每個參數(shù)確定它的變化范圍，并用一個二進制數(shù)來表示； (3)將所有表示參數(shù)的二進制數(shù)串接起來組成一個長的二進制串。符號編碼方法很少采用，這里就不再介紹了 適應(yīng)度函數(shù) 在遺傳算法中，以個體適應(yīng)度的大小來確定該個體被遺傳到下一代群體中的概率，因此適應(yīng)度函數(shù)的定義方法對遺傳算法具有極大的影響。 遺傳算子 遺傳算法操作包括選擇、交叉和變異三個基本遺傳算子，綜合考慮三種算子，可以得知它們有如下的特點： A． 遺傳操作的效果和它們所取的操作概率、編碼方式、群體大小、初始群體以及適應(yīng)度函數(shù)的設(shè)定密切相關(guān)； 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 13 B． 它們的操作方式或操作策略隨 著 具體 的 求解問題的不同而異。其中 x 表示不大于 x 的最大的整數(shù)。 （ 3） 排序選擇法 (Rankbased Model)，是按個體的適應(yīng)度的大小排序，然后按事先設(shè)計的概率表分配給每一個個體，作為各自的選擇概率。 所謂變異運算，是指依據(jù)變異概率 Pm 將個體編碼串中的某些基因值用其它基因值來替換，從而形成一個新的個體。 遺傳算法的運行參數(shù) 遺傳算法中需要選擇的運行參數(shù)主要有個體編碼串長度 L、群體大小 M、交叉率 Pc、變異率 Pm、終止代數(shù) T 等 (a) L ： 編碼串長度 。 (d) Pm ： 變異概率。 遺傳算法的收斂性 在遺傳算法的進化過程中，如果把每一代群體看作一個狀態(tài)的話，則可以把整個進化過程看作一個隨機過程來進行考查，并可以用洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 15 Markov 鏈來對進化過程進行理論分析，從而得到遺傳算法收斂性方面的重要結(jié)論：（ 1）基本遺傳算法收斂于最優(yōu)解的概率小于 1；（ 2）使用保留的最佳個體策略的遺傳算法能收斂于最優(yōu)解的概率為 1；采用有限Markov 鏈模型上述原理可以被證明。 標準遺傳算法不能收斂至全局最優(yōu)解 ， 一些改進的遺傳算法雖能收斂到全局最優(yōu)解 ， 但所需時間很長 ， 如何有效的防止遺傳算法過早收斂 ， 而又有較快的求解速度 ， 是有效的使用遺傳算法所應(yīng)達到的兩個目標 。 當(dāng)搜索到最優(yōu)解附近時，很難精確地確定最優(yōu)解的位置，也就是說，局部搜索不具備微調(diào)能力。 增量式數(shù)字 PID 的優(yōu)點： 1．增量的確定僅與最近幾次誤差采樣值有關(guān)，不會產(chǎn)生大的累加誤差；計算誤差或計算精度問題，對控制量的計算影響較小。 本文將采用二進制編碼，因為二進制編碼最易于實現(xiàn)遺傳操作。先隨機生成一個較大的群體，在群體中 取大于適應(yīng)度平均值的個體 進行相似度判斷，當(dāng) 相似度 R 超過個體長度的一半 時，即認為這兩個個體相似，然后濾除兩者中適應(yīng)度小的那個個體。 確定交叉概率和變異概率 本文 采用 了一種動態(tài)確定交叉概率和變異概率的方法 。 遺傳算子的改進 下面根據(jù)優(yōu)化設(shè)計要求，設(shè)計優(yōu)化過程中的各個遺傳算子，包括：選擇算子、交叉算子和變異算子。 常用的選擇算子有多種，但對于不同的問題應(yīng)選用一種甚至兩種最合適的選擇算子。為達到這個目的，可以使用最佳個體保留法來進行優(yōu)勝劣汰操作，即當(dāng)前群體中適應(yīng)度最高的個體不參與交叉和變異運算。通過最優(yōu)保留操作來保留進化群體中迄今為止所發(fā)現(xiàn)的最優(yōu)解。 本文的交叉算子采用的是單點交叉。 圖 31 用改進后的遺傳算法優(yōu)化前后 PID 串級控制系統(tǒng)的響應(yīng)曲線 從圖 31 中可以看出，系統(tǒng)的響應(yīng)速度加快，系統(tǒng)穩(wěn) 態(tài)誤差減小，減小了系統(tǒng)的振蕩次數(shù)，使系統(tǒng)很快趨于穩(wěn)定。洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 23 結(jié) 論 本文介紹了遺傳算法基本概念和基本理論，對基本遺傳算法進行了改進，改進主要集中在初試群體的產(chǎn)生、交叉概率與變異概率的確定等方面。 在寫論文的過程中，得到了 老師耐心的指導(dǎo)，認真負責(zé)的監(jiān)督。在此謹向 王 老師致以崇高的敬意 和衷心的感謝！ 大學(xué)三年來，我們能無憂無慮地學(xué)習(xí)生活，背后 都是有父母的支持和鼓勵，所以我們更要感謝我們的父母，為了我們他們操碎了心 。 clc。 MinX(1)=0。 %用于增量式 PID 的優(yōu)化的參數(shù)范圍 %MaxX(2)=。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 28 y1=0。 end Kpid(s,1)=(MaxX(1)MinX(1))*y1/1023+MinX(1)。 %**********步驟 1：計算目標函數(shù) ************* Kpidi=Kpid(s,:)。 BestJ(kg)=OderJi(1)。 [Oderfi,Indexfi]=sort(fi)。%讓 BestS=E(m),m 是 max(fi)的 Indexfi %kg %BJ %BestS %************步驟 2：選擇和復(fù)制操作 ********* fi_sum=sum(fi)。 Rest=fi_Sizefi_S。 for i=Size:1:1 for j=1:1:fi_S(i) kk=kk+1。 %％％％％％％％％％％％％％％％％％％％％％ n=ceil(2*CodeL*rand)。 else pc=。 TempE(i+1,j)=E(i,j)。 %fi 越大， Pm 越小 for i=1:1:Size for j=1:1:2*CodeL temp=rand。 E=TempE。Times39。)。,timef,yout,39。Time(s)39。)。Time(s)39。)。%編碼初始化 for s=1:1:SIZE m=e(s,:)。%調(diào)用 函數(shù)，該函數(shù)通過計算串級控制系統(tǒng)的輸出來計算目標函數(shù) BSJI(s)=BSJ。 f_avg=fi_sum/