【正文】 尋優(yōu)速度更快，避免了過早陷入局部最優(yōu)解。醫(yī)滌侶綃噲睞齒辦銩凜贗囂審慶飼頗。（）遺傳算法不僅適用于但目標(biāo)尋優(yōu)，而且也適用于多目標(biāo)尋優(yōu)。根據(jù)不同的控制系統(tǒng)，針對一個或多個目標(biāo)，遺傳算法均能在規(guī)定的范圍內(nèi)尋找到合適的參數(shù)。艫當(dāng)為遙頭韙鰭噦暈糞窶適飲覬飾瓊。遺傳算法在中尋要解決的問題：要解決過早收斂的問題，提高收斂速度等一般性的問題；整定的多性能指標(biāo)優(yōu)化問題；進(jìn)行在線整定時(shí)進(jìn)化速度還是比較慢，等等。對于前兩個問題，已提出了有效的解決辦法，對于最后這個問題，到目前為止還沒有提出有效的解決辦法。但是在準(zhǔn)確辨識對象模型的基礎(chǔ)上，在仿真環(huán)境下實(shí)現(xiàn)參數(shù)的 優(yōu)化整定，是快速，直接地將應(yīng)用到實(shí)際系統(tǒng)中的有效途徑。鴣湊鸛齏嶇燭罵獎選鋸宮煬謾鷓餞險(xiǎn)。 基于遺傳算法的參數(shù)整定程序設(shè)計(jì)方案 控制器參數(shù)的最優(yōu)整定是在一定的控制目標(biāo)，被控過程和控制器規(guī)律已經(jīng)確定的情況下，為使自動控制系統(tǒng)的某一被控量的暫態(tài)性能滿足規(guī)定的性能準(zhǔn)則，達(dá)到控制器參數(shù)之間的最優(yōu)組合。所以，在控制目標(biāo)，性能準(zhǔn)則和控制器控制規(guī)律一定的條件下，控制器的最優(yōu)整定參數(shù)將是被控過程特征參數(shù)的函數(shù)。筧驪鴨櫨懷鏇頤嶸悅廢顓鯛礪礬飲熱。 利用遺傳算法優(yōu)化,具體步驟如下：確定每個參數(shù)的大致范圍和編碼長度，進(jìn)行編碼；隨機(jī)產(chǎn)生個個體構(gòu)成初始種群()。將種群中各個體解碼成對應(yīng)的參數(shù)值，用此參數(shù)求代數(shù)函數(shù)值及適應(yīng)函數(shù)值,取。應(yīng)用復(fù)制，交叉和變異算子對種群進(jìn)行操作，產(chǎn)生下一代種群；重復(fù)步驟（）和（），直至參數(shù)收斂或達(dá)到預(yù)定的目標(biāo)。 參數(shù)的確定 確定出個體的表現(xiàn)型和問題的解空間。通常，控制器的算式可以表示為：（）式中：為采樣周期；為積分參數(shù)；為比例參數(shù)；，為控制器的三個主要參數(shù)，即為待尋優(yōu)參數(shù)。尋優(yōu)參數(shù)編碼 一般參數(shù)編碼有兩種編碼方式：二進(jìn)制編碼，浮點(diǎn)數(shù)編碼，以二進(jìn)制編碼搜索能力強(qiáng)。本例選擇以二進(jìn)制碼字符串來編碼。為確定每個參數(shù)對應(yīng)的碼長，我們須知道三個參數(shù)的大致取值范圍。根據(jù)經(jīng)驗(yàn)：。如取精度為小數(shù)點(diǎn)后三位，其區(qū)間長度為（），必須將其劃分為份。韋鋯鯖榮擬滄閡懸贖蘊(yùn)詡蟬嬤錆飯聞。因?yàn)椤Ｈ羧〈a長為位，能同時(shí)滿足三個參數(shù)的精度要求。 選取初始種群 一般初始種群產(chǎn)生有兩種方法，一是完全隨機(jī)方法，其一般適用對問題的解無任何先驗(yàn)知識的情況。二是將某些先驗(yàn)知識轉(zhuǎn)化為一組要求，然后在滿足這些要求的解中再隨機(jī)的選取樣本。其一般適用對問題的解有先驗(yàn)知識的情況。濤貶騸錟晉鎩錈撳憲騸狀張飢驚飫灄。 因?yàn)樾枰幊虂韺?shí)現(xiàn)各過程，所以采用計(jì)算機(jī)隨機(jī)產(chǎn)生初始種群。針對二進(jìn)制而言，先產(chǎn)生之間均勻分布的隨機(jī)數(shù)，然后規(guī)定產(chǎn)生的隨機(jī)數(shù)之間代表，之間代表。此外，考慮到計(jì)算的復(fù)雜程度來規(guī)定種群的大小。鈿蘇饌?cè)A檻榪鐵樣說瀉嘆錒謖譯飪鏜。 確定適應(yīng)度函數(shù) 一般的尋優(yōu)方法在約束條件可以求得滿足條件的一組參數(shù)，在設(shè)計(jì)中是從該組參數(shù)中尋找一個最好的。衡量一個控制系統(tǒng)的指標(biāo)有三個方面，即穩(wěn)定性，準(zhǔn)確性和快速性。而上升時(shí)間反映了系統(tǒng)的快速性，上升時(shí)間越短，控制進(jìn)行的就越快，系統(tǒng)品質(zhì)也就越好。戧礱風(fēng)熗澆鄖適濘嚀贗鏃窮磯義餼濁。 如果單純追求系統(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(shí)際應(yīng)用中會因系統(tǒng)中固有的飽和特性而導(dǎo)致系統(tǒng)不穩(wěn)定，為了防止控制能量過大，在目標(biāo)函數(shù)中加入控制量，因此為了是控制效果更好，我們給出了控制量，誤差和上升時(shí)間作為約束條件。因?yàn)檫m應(yīng)度函數(shù)同目標(biāo)函數(shù)相關(guān)，所以目標(biāo)函數(shù)確定后，直接將其作為適配函數(shù)進(jìn)行參數(shù)尋優(yōu)。最優(yōu)的控制參數(shù)也就是在瞞足約束條件下使()最大時(shí)，所對應(yīng)的控制參數(shù)。購櫛頁詩燦戶踐瀾襯鳳虛傘媧筧飩錫。 遺傳算法在進(jìn)行搜索中基本不利用外部信息，僅以適應(yīng)度函數(shù)為依據(jù)。適應(yīng)度函數(shù)的選取直接影響到收斂速度以及是否能搜索到最優(yōu)解。一般而言，適應(yīng)度函數(shù)是目標(biāo)函數(shù)的變換形式給出。囁奐闃頜璦躑谫瓚獸糞斃諳颮鏃餳轂。 適應(yīng)度函數(shù)是評估選擇操作的依據(jù)，這里我們就可以采用誤差分析指標(biāo)作為系統(tǒng)整定的性能指標(biāo)，如：誤差積分（），絕對誤差積分（）,平方誤差積分（）,時(shí)間和絕對誤差乘積積分（）等。采用不同的公式意味著對控制過程的側(cè)重點(diǎn)不同，對抑制大的誤差，比好；抑制小的誤差，比；最大動態(tài)偏差較小，調(diào)節(jié)時(shí)間較長；對應(yīng)的系統(tǒng)響應(yīng)時(shí)間最短，但動態(tài)偏差較大。虛齬鐮寵確嶁誄禱艫鋸偉殺讒擠饜銫。 這里要求過渡時(shí)間最短，所以選擇進(jìn)行評價(jià)，體現(xiàn)在適應(yīng)度函數(shù)上正好是它的倒數(shù)，即： （） 遺傳算法流程圖參數(shù)編碼種群種群種群計(jì)算適配值滿足要求復(fù)制交叉變異遺傳操作尋優(yōu)結(jié)果 解碼種群圖 遺傳算法流程圖基于二進(jìn)制編碼遺傳算法的整定被控對象為二階傳遞函數(shù)：()采樣時(shí)間為,輸入指令為階躍信號。采用二進(jìn)制編碼方式用長度為十位的二進(jìn)制編碼串來分別表示三個決策變量。為獲取滿意的過渡過程及動態(tài)特性，采用誤差絕對值時(shí)間積分性能指標(biāo)作為參數(shù)選擇的最小目標(biāo)函數(shù)。為了防止控制能量過大，在目標(biāo)函數(shù)中加入控制輸入的平方項(xiàng)。采用下式作為參數(shù)選取的最優(yōu)指標(biāo)：與頂鍔筍類謾蠑紀(jì)黽廢鉞韜瞇誼饗橋。（）式中，為系統(tǒng)誤差，為控制器輸出，為上升時(shí)間，,為權(quán)值。 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(biāo)的一項(xiàng)，此時(shí)最優(yōu)指標(biāo)為：()式中，為權(quán)值，且。遺傳算法中使用的樣本個數(shù)為，交叉概率和變異概率分別為：[]結(jié)釋鏈蹌絞塒繭綻綹蘊(yùn)網(wǎng)縉媯傾飛鉭。 參數(shù)的取值范圍為[，],，的取值范圍為[]。，。經(jīng)過代進(jìn)化，獲得的優(yōu)化參數(shù)如下：餑詘鉈鯔縹評繒肅鮮驃換嚨顢紋飆曖。 最優(yōu)個體為[]。優(yōu)化參數(shù)為：，，性能指標(biāo)，整定過程中代數(shù)函數(shù)的變化如圖所示。采用整定后的二進(jìn)制遺傳算法優(yōu)化階躍響應(yīng)如圖所示。爺纜鉅摯騰廁綁藎箋潑鳥輳諫闌颼釧。圖 最優(yōu)指標(biāo)的變化圖圖 整定后的二進(jìn)制遺傳算法優(yōu)化階躍響應(yīng)結(jié)束語 本論文研究了一種基于遺傳算法的控制器參數(shù)優(yōu)化設(shè)計(jì)方法。通過仿真研究表明遺傳算法應(yīng)用于控制器整定可提高系統(tǒng)的穩(wěn)定性和動態(tài)特性，與傳統(tǒng)的整定方法相比明顯改善了整定的速度和準(zhǔn)確度。錁熾邐繒薩蝦竇補(bǔ)飆贗轤濕皺術(shù)颶摜。本論文的主要工作： 本論文主要深入和系統(tǒng)的研究了控制器的原理，結(jié)構(gòu)和控制性能的分析，并探索了采用遺傳算法來搜索最佳的參數(shù)最優(yōu)值。曠戧輔鑽襉倆瘋謅琿鳳紂鱟奐貪颯邇。主要進(jìn)行了以下一些工作：（）闡述了采用基于遺傳算法的控制原理，結(jié)構(gòu)和控制性能的分析。（）分析了遺傳算法的原理和工作流程，分析了在采用遺傳算法選取參數(shù)方面所具有的可行性和優(yōu)越性。（）采用遺傳算法對所設(shè)定的常見的控制系統(tǒng)進(jìn)行了仿真研究，充分說明了基于遺傳算法的控制系統(tǒng)能夠改善系統(tǒng)的動態(tài)性能和靜態(tài)性能，提高控制的精度，改善了系統(tǒng)的品質(zhì)。轉(zhuǎn)厙蹺僉詘腳瀕諮閥糞嶁藹頷劑颮掃。本論文存在的不足和需要改進(jìn)的地方：（）對遺傳算法在選取參數(shù)最優(yōu)值方面的控制算法做進(jìn)一步的研究，使之在搜索因子方面更具有可行性和可操作性，進(jìn)一步縮小搜索范圍，滿足實(shí)際需要。嬤鯀賊灃謁麩溝賚淶鋸餓嶁諒綢風(fēng)轎。（）本論文只在理論上和簡單的控制系統(tǒng)做了理論說明和示例仿真，缺少實(shí)際工程的應(yīng)用，模型也比較簡單。需要進(jìn)一步的改進(jìn)和進(jìn)一步的研究，使之能滿足實(shí)際需求。訊鎬謾蟈賀綜樞輒鎖廩諭銥瘞頓顰懌。參考文獻(xiàn)[] [].：電子工業(yè)出版社，：.兒躉讀閌軒鯀擬釔標(biāo)藪疇礎(chǔ)處櫚顫蹌。[] 孔二虎．基于遺傳算法的控制系統(tǒng)的仿真研究[].遼寧：遼寧工程技術(shù)大學(xué)，.[] 王琛，[].計(jì)算機(jī)仿真，.[] 林洪濤，王敏，[].沈陽工業(yè)學(xué)院學(xué)報(bào)，（）：.繅藺詞嗇適籃異銅鑑驃噴麗頡趨顥冪。[] 任占魁，[].計(jì)算機(jī)技術(shù)與自動化，.（）.鮒簡觸癘鈄餒嬋鏘戶潑閡諏誹呂顙貽。[] 周明，[].北京：國防工業(yè)出版社，：.[] 雷英杰，張善文，李繼武，周創(chuàng)明遺傳算法工具箱及應(yīng)用[].西安：西安電子科技大學(xué)出版社，：.瞇毆蠐謝銀癩嘮閣蹺贗襝攖癰繳顢屜。[] 楊智，朱海峰，黃以華控制器設(shè)計(jì)與參數(shù)整定方法綜述[].化工自動化及儀表，（）.閔屢螢馳鑷雋劍頌崗鳳測際塤飼顳譾。[] 張付祥，付宜利，[].制造業(yè)自動化，（）.檁傷葦開閾燈傘饉諧糧茲繃頎濼額姍。[] 鄭恩讓，[].北京：中國林業(yè)出版社，：.[] 閆永躍，李慶周，[]可編程控制器與工廠自動化，（）.鄭餼腸絆頎鎦鷓鮞嚶錳鉻廄說輞顏諉。[] 王偉，張晶濤，柴天佑參數(shù)先進(jìn)整定方法綜述[].自動化學(xué)報(bào)，.[] 張松蘭控制參數(shù)整定[].科技情報(bào)開發(fā)與經(jīng)濟(jì)，（）.[] [] 棄鈾縫遷馀氣鰷鸞覲廩脫轉(zhuǎn)畬圖顓壢。 ().