【正文】 最后完成的控制程序具有調(diào)節(jié)性好，調(diào)節(jié)次數(shù)少的特點，并且 我還 制作了一個良好的人機界面 ，程序運行的結果證明基于遺傳算法的 PID 參數(shù)整定方法 能夠得到比傳統(tǒng)PID 整定方法更好的控制效果。 N為同一個 PID 參數(shù)下控制器執(zhí)行的次數(shù) 。 由于遺傳算法使用適應值這一信息進行搜索，并不需要問題導數(shù)等與問題直接相關的信息。Let Bestfi=max(fi) 39。Calculating P 39。下面主要介紹各子程序塊，即各步驟的 VB 編程實現(xiàn)。 本一階系統(tǒng)的模型編程如下 Private Sub Simulating(n As Integer) yout(n) = * y_1 + * u_(35) If n = 35 Then yout(n) = yo End Sub 主程序如下 Private Sub Command1_Click() 39。但是如 果單純的追求系統(tǒng)的動態(tài)特性，得到的參數(shù)很可能使控制信號過大，在實際應用中會因系統(tǒng)中固有的飽和特性而導致系統(tǒng)不穩(wěn)定，為了防止控制能量過大，在目標函數(shù)中加入控制量 [8]。 基于遺傳算法的 PID 整定 PID 控制是最早發(fā)展起來的控制策略之一， 因此 PID 控制參數(shù)的優(yōu)化成為人們關注的問題，它直接影響控制效果的好壞，并和系統(tǒng)的安全、經(jīng)濟運行有著密不可分的關系。 （ 1） 系統(tǒng)出現(xiàn)振蕩。 三、微分（ D）控制 在微分控制中，控制器的輸 出與輸入誤差訊號的微分（即誤差的變化率）成正比關系。 階躍響應 階躍響應是指將一個階躍輸入（ step function）加 到系統(tǒng)上時，系統(tǒng)的輸出?？刂破鞯妮敵鼋?jīng)過輸出接口﹑執(zhí)行機構﹐加到被控系統(tǒng)上﹔控制系統(tǒng)的被控量﹐經(jīng)過傳感器﹐變送器﹐通過輸入接口送到控制器。一般可以把問題的模型函數(shù)作為對象函數(shù)；但有時需要另行構造。交叉時，可實行單點交叉或多點交叉。通常以隨機方法產(chǎn)生福州大學本科生畢業(yè)設計（論文） 12 串或個體的集合 bi,i＝ 1， 2， ...n。進化過程最后一代中的最優(yōu)解就是用遺傳算法解最優(yōu)化問題所得到的最終結果。 復制 選擇：選擇的目的是為了從當前群體中選出優(yōu)良的個體，使它們有機會作為父代為下一代繁殖子孫。 1975 年， DeJong 的博士論文《遺傳自適應系統(tǒng)的行為分析》，將 Holland 的模式理論與他的計算試驗結合起來。 1989 年，Goldberg 出版了《搜索、優(yōu)化和機器學習中的遺傳算法》一書，這本可能是遺傳算法領域被引用次數(shù)最多的書為這一領域奠定了堅實的 科學基礎。達爾文把這種在生存斗爭中適者生存，不適者淘汰的過程叫做自然選擇。而采用 VB 編程實現(xiàn)，可以提供一個很好的人機界面，并且需要時即可以與外接設備進行連接通訊，這樣便可以投入到應用中。 在 VB 中引入了控件的概念，在 Windows 中控件的身影無處不在，如按鈕、文本框等， VB 把這些控件模式化，并且每個控件都有若干屬性用來控制控件的外觀，工作方法，能夠響應用戶操作（事件）。然而實際工業(yè)生產(chǎn)過程中往往具有非線性、時變不確定性，難以建立精確的數(shù)學模型，應用常規(guī)的 PID 控制器不能達到理想的控制效果，而且在實際生產(chǎn)現(xiàn)場中，由于受到參數(shù)整定方法的復雜的困擾，常規(guī) PID 控制器參數(shù)往往整定不良、性能不佳，對運行工況的實用性很差 [1]。 VB 主要功能和 特點 Visual Basic 是 Microsoft 公司開發(fā)的 Windows 應用程序開發(fā)工具，Visual —— “ 可視化的 ” ，是一種開發(fā)圖形戶界面（ GUI）的方法。但是 目前，關于遺傳算法的書籍大部分都針對它的理論方面。生存斗爭包括種內(nèi)斗爭、種間斗爭以及生物跟無機環(huán)境之間的斗爭三個方面。同年， DeJong 完 成了他的博士論文《遺傳自適應系統(tǒng)的行為分析》，將 Holland 的模式理論與他的計算試驗結合起來，進一步完善了選擇、交叉和變異操作，提出了一些新的遺傳操作技術。 50 年代末到 60 年代初， Holland 應用模擬遺傳算子研究適應性。 GA 以這 N 個串結構數(shù)據(jù)作為初始點開始迭代。交叉算法交換隨機挑選的兩個個體的某些位，變異算子則直接對一個個體中的隨機挑選的某一位進行突變。依據(jù)個體編碼方法和對定義域的離散化方法可知，將代碼 y 轉換為 x 的解碼公式為： X＝ y/ 例如，對個體下： 000110111 1101110001，它由兩個代碼組成： Y1＝ 55 Y2＝ 881 上述兩個代碼經(jīng)過解碼后，可得到兩個實際的值： X1＝ X2＝ 實型編碼： 實型編碼算法的個體的每一位由 0－ 9組成； 串長由變量的個數(shù)、精度、上下界決定； 總串（長）＝所有變量的串（長）相加； 一個變量對應的串長計算 ； 解析一個變量串對應的實際值 X ＝ min + 串的結果 *精度； 初始 化： 選擇一個群體，即選擇一個串或個體的集合 bi， i=1， 2， ...n。 ?? )()( iic xfxfP13 圖 32 用轉輪方法進行選擇 表 31 轉輪方法各部分比例 以下是 10 個染色體種群按比例的選擇過程 染色體編號 1 2 3 4 5 6 7 8 9 10 適應度 8 2 17 7 2 12 11 7 3 7 被選概率 適應度累計 8 10 27 34 36 48 59 66 69 76 表 32 被選的染色體個數(shù) 福州大學本科生畢業(yè)設計（論文） 14 隨機數(shù) 23 49 76 13 1 27 57 所選染色體號碼 3 7 10 3 1 3 7 表 33 被選的染色體 交叉 (crossover operator) 復制不能創(chuàng)新 ,交換解決染色體的創(chuàng)新 對于選中用于繁殖下一代的個體，隨機地選擇兩個個體的相同位置，按交叉概率P。一般把問題的各種參數(shù)用二進制編碼，構成子串；然后把子串拼接 構成 “ 染色體 ” 串。智能控制的典型實例是模糊全自動洗衣機等。比如人就是一個具有負反饋的閉環(huán)控制系統(tǒng)，眼睛便是傳感器，充當反饋，人體系統(tǒng)能通過不斷的修正最后作出各種正確的動作。積分項對誤差取決于時間的積分，隨著時間的增加，積分項會增大。 （ 2）．若穩(wěn)態(tài)誤差不滿足要求，則適當增大積分系數(shù) KI（比例系數(shù) KP可略為減小。 3） 選擇控制度（表示數(shù)字控制器相對于模擬控制器的控制效果，用兩福州大學本科生畢業(yè)設計（論文） 22 者誤差平方之比來表示，工程用上一般可取 Q=）。 一般的尋優(yōu)方法在約束條件下可以求得滿足條件的一組參數(shù)，在設計中是從改組參數(shù)中尋找一個最好的。 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＝ 。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。 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。Next i For i = 1 To 10 39。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。但是基于實際應用的考慮，卻不得不減小種群的大小，以減少 PID 控制調(diào)節(jié)次數(shù)。在程序設計過程中，我運用已學的知識，不斷的努力改進程序 。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。 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 福州大學本科生畢業(yè)設計（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。故而，遺傳算法有很高的容錯能力。由于所選取種群數(shù)較小，交叉概率取 。x(3) = x(3) + eerror(k) * Ts 39。經(jīng)過測試調(diào)整，最后的程序如下 Private Sub bianma() 39。G 為代數(shù) 39。最優(yōu)的控制參數(shù)也就是在滿足約束條件下使 f(x)最大時， x對應的控制器參數(shù) [13]。在初始條件選擇不當?shù)那闆r下，遺傳算法在不需要給出調(diào)節(jié)器初始參數(shù)的情況下，仍能尋找到合適的參數(shù)，使控制目標滿足要求。③ 采樣周期太長也會影響穩(wěn)定性，此時應縮短采樣周期。解決的辦法是使克服誤差的作用的變化要有些 “ 超前 ” ，即在誤差接近零時，克服誤差的作用就應該是零。穩(wěn)是指系統(tǒng)的穩(wěn)定性 (stability)，一個系統(tǒng)要能正常工作，首先必須是穩(wěn)定的，從階躍響應上看應該是收斂的﹔準是指控制系統(tǒng)的準確性、控制精度，通常用穩(wěn)態(tài)誤差來 (Steadystate error)描述，它表示系統(tǒng)輸出穩(wěn)態(tài)值與期望值之差﹔快是指控制系統(tǒng)響應的快速性，通常用上升時間來定量描述。電加熱控制系統(tǒng)的傳感器是溫度傳感器。一般 n＝ 30在變異時，對執(zhí)行變異的串的對應位求反，即把 1變?yōu)?0，把 0變?yōu)?1。在選擇時，以適應度為選擇原則。 遺傳算法的基本步驟 遺傳算法是具有 生成 +檢測 (generateandtest)的迭代過程的搜索算法。 交換：交換操作是遺傳算法中最主要的遺傳操作。 2. 用遺傳算法作為工具解決工程問題，主要是進行優(yōu)化，關心的是是否能在傳統(tǒng)方法上有所提高。分類器系統(tǒng)將某一條件是否為真與串的某一位相對應，從而將產(chǎn)生式系統(tǒng)中的規(guī)則編碼為二進制串，這樣就可以應用遺傳算法來進行演化，同時引入了 基于經(jīng)濟學原理的信用分配機制 桶隊（ bucket brigade）算法來確定規(guī)則的相對強度 [4]。正是生物的這種遺傳特性，使生物界的物種能夠保持相對的穩(wěn)定；而生物的變異特性，使生物個體產(chǎn)生新的性狀，以致于形成新的物種，推動了生物的進化和發(fā)展。遺傳