【正文】 是否會使得其它的性能指標嚴重變壞。柴油機調速系統(tǒng)可近似為一階慣性純滯后模型，簡化后的柴油機傳遞函數(shù)為:（53）時間常數(shù)Ta是表征柴油機動力裝置的一個主要參數(shù)，它對動態(tài)過程影響極大。Ta減小時，超調量會加大，過渡過程加長。Ta=2~4s時，動態(tài)過程基本良好，對于6缸柴油發(fā)動機，其Ta值一般在3s左右[11]，本仿真試驗Ta取3s。由于，查閱文獻，計算得=0. 2s，取k=200，則柴油機的傳遞函數(shù)為：（54）本文運用遺傳算法對柴油機調速系統(tǒng)的PID參數(shù)進行優(yōu)化，遺傳算法是一種簡單高效的尋優(yōu)算法，與傳統(tǒng)的尋優(yōu)方法相比明顯地改善了控制系統(tǒng)的動態(tài)性能。利用遺傳算法優(yōu)化的具體步驟如下(1)確定每個參數(shù)的大致范圍和編碼長度，進行編碼；(2)隨機產(chǎn)生n個個體構成種群P(0)；(3)將種群中各個體解碼成對應的參數(shù)值，用此參數(shù)求代價函數(shù)值J,及適應函數(shù)值f，取，；(4)應用復制、交叉和變異算子對種群P(t)進行操作，產(chǎn)生下一代種群P(t+1)(5)重復步驟(3)和(4)，直至參數(shù)收斂或達到預定的指標。變量參數(shù)編碼種群1計算適配值滿足條件種群2解碼算法結束復制交叉變異是否圖53遺傳算法的基本流程圖 柴油機調速系統(tǒng)仿真實驗在MATLAB編程時要先設定選擇算子、交叉算子和變異算子。我在MATLAB仿真時選擇算子為：高位選擇。交叉算子為：中間重組雙點交叉。變異算子為：高位變異。仿真采用的采樣時間為lms，輸入指令為階躍信號。采用二進制編碼方式，用長度為10位的二進制編碼串分別表示3個決策變量Kp，Ki，Kd為獲得滿意的過渡過程動態(tài)特性，采用誤差絕對值時間積分性能指標作為參數(shù)選擇的最小目標函數(shù)。為了防止控制能量過大，在目標函數(shù)中加入控制輸入的平方項。最優(yōu)指標：式中，e(t)為系統(tǒng)誤差，u(t)為控制器輸出，tu為上升時間，為權值。為了避免超調，采用了懲罰功能，即一旦產(chǎn)生超調，將超調量作為最優(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y(t)為被控對象輸出。遺傳算法使用的樣本個數(shù)為30，交叉概率和變異概率分別為：參數(shù)的取值范圍為[0，20]，取值范圍為[0，1], 取經(jīng)過100代進化，獲得的優(yōu)化參數(shù)如下： ,性能指標J=28．1586，整定過程中代價函數(shù)J的變化如圖54所示。采用整定后的二進制遺傳算法優(yōu)化PID階躍響應如圖55所示。由圖55可以看出采用遺傳算法的PID控制器跟蹤速度快，超調量較小，穩(wěn)態(tài)誤差很小，彌補了傳統(tǒng)PID控制器在調節(jié)控制參數(shù)上能力的不足，取得了較好的控制效果。圖54 代價函數(shù)J的優(yōu)化過程圖55 二進制遺傳算法優(yōu)化PID階躍響應 本章小結經(jīng)過上面的仿真及結果分析，此種遺傳算法在參數(shù)優(yōu)化上有較好的尋優(yōu)能力，對柴油機調速系統(tǒng)的控制效果很好，精度也很高。經(jīng)過遺傳算法優(yōu)化PID參數(shù)后得出的響應結果好，系統(tǒng)穩(wěn)定而且無論是系統(tǒng)的響應速度還是超調量都有明顯改善，符合要求。本設計應用遺傳算法對PID控制器進行參數(shù)尋優(yōu)，遺傳算法是全局優(yōu)化算法，該方法是一種不需要任何初始信息并可以尋求全局最優(yōu)解的、高效的優(yōu)化組合方法，遺傳算法在不需要給出調節(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，它具有操作方便、速度快的優(yōu)點，不需要復雜的規(guī)則，只通過字串進行簡單的復制、交叉、變異，便可達到尋優(yōu)。遺傳算法是從許多點開始并行操作，在解空間進行高效啟發(fā)式搜索，克服了從單點出發(fā)的弊端及搜索的盲目性，從而使尋優(yōu)速度更快，避免了過早的陷入局部最優(yōu)解。本設計正是利用遺傳算法的這些優(yōu)點來進行PID參數(shù)整定的，構造基于遺傳算法的PID控制器，通過Matlab仿真，取得了不錯的效果。結論PID控制器結構簡單，容易實現(xiàn)，且魯棒性好，因此廣泛應用于各種控制領域，并取得了良好的控制效果。本文完成了以下幾點工作：（1）介紹了PID控制器和遺傳算法的基本理論，給出了遺傳算法的基本步驟。（2）解釋了遺傳算法工具箱函數(shù)，了解了PID控制器模型。（3）將遺傳算法和PID控制結合起來應用于柴油機調速系統(tǒng)，利用遺傳算法強大的尋優(yōu)能力來整定PID控制中的三個參數(shù)(Kp，Ki，Kd)，取得了滿意的效果。遺傳算法運用于PID的參數(shù)整定，就可以克服常規(guī)PID整定方法的缺點，使要整定的參數(shù)精確收斂，從而使控制效果最優(yōu)。考慮到在線整定的實時性，遺傳算法只進行了100次的迭代，因此準確度可能不能滿足所有的應用場合，一個有效的解決方法是：先按經(jīng)驗選取一組參數(shù)，然后在這組參數(shù)的周圍利用遺傳算法進行設計，從而大大提高尋優(yōu)的盲目性，節(jié)約計算量，使控制器的實時性得到提高。遺傳算法雖然可以在多種領域都有實際應用，并且也展示它的潛力和寬廣前景。但是，遺傳算法還有大量的問題需要研究，目前也還有很多不足之處。首先，在變量多，取值范圍大或者無給定搜索范圍時，收斂速度下降；其次，可以接近最優(yōu)解附近，但是無法精確確定最優(yōu)解位置；最后，遺傳算法的參數(shù)選擇尚未有定量方法。對于遺傳算法，還需要進一步研究其數(shù)學基礎理論，還需要在理論上證明它與其他優(yōu)化技術的優(yōu)劣及原因，還需要研究硬件化的遺傳算法，以及遺傳算法的通用編程的形式等。參考文獻參考文獻1 Ziegler J G, Nichols N B. Optimum Setting for Automatic Controllers. Trans ASME, 1942, 64: 7597682 new set of controllers, Transactions,1997,36(3)。183~1873 Ho W, and gain and phase margin of wellknow PID tuning Systems Technol,1996,4(4)：473~4774 Wang P ,Kwork design of PID process controllers based on genetic Engng Practice,1994:30~365 Holland, in Natural and Artificial System:An Introductory Analysis with Applications to Biology,Control,and Artficial University of Michigan Press,2007:23~566 ,33(3):5560.7 劉曉謙,王勇,21(11):1631688 李勇,段正澄,10 周劉喜,張興華,李緯. 基于差分進化算法的PID優(yōu)化設計. 南京工業(yè)大學自動化學院,江蘇南京200011 郭鵬,韓濮. 基于神經(jīng)網(wǎng)絡的PID參數(shù)優(yōu)化方法研究. 華北電力大學動力系，保定,200312 李奇,1998,13(4):31131513 盧進，. 控制理論與應用,1998,15(50):74174514 張曉楠,方浩,1997,26(2):13413915 郭慶鼎,李蒙,2000,10(4):9610016 曹世宏,王正茂,(一).微電機,2002,35(4):596117 :清華大學出版社，~26018 毛敏，2002,11（4）：50~5119 劉國賢，1997,14（3）：18~2220 王小平，—：5~27021 ：40~6722 ： 人民郵電出版社，199923 ?？茖W出版社,199524 ：機械工業(yè)出版社，200225 李國勇. 智能控制及其MATLAB實現(xiàn). 電子工業(yè)出版社. 2005致謝致謝這次畢業(yè)設計圓滿的結束了，在這次畢業(yè)設計中我學到了許多知識，受益匪淺，而在這個過程中，我始終得到了劉莉老師的指導。劉老淵博的知識，嚴謹?shù)闹螌W風范給了我很大的幫助，她的為人師表、言傳身教、精益求精的作風給我以教誨，使我學到了許多分析問題的方法，在這次設計過程中，我不僅學到了知識還得到了做人的道理。我還要感謝我的父母，是他們給了我這次學習的機會，讓我的夢想得以實現(xiàn)。另外，還有很多同學也在各個方面給予我支持，在這里我要向大家說聲感謝。最后，向在我完成論文的整個過程中，所有關心、支持和幫助過我的老師和同學們表示衷心的感謝。附錄 2附錄 1開題報告附錄1 開題報告一、綜述本課題國內外研究動態(tài)，說明選題的依據(jù)和意義 60年代初，Holland教授認識到生物的自然遺傳現(xiàn)象與人工自適應系統(tǒng)行為的相似性后，產(chǎn)生了建立一種仿生優(yōu)化算法的想法。1967年，Holland的學生J. D. Bagley在博士論文中首次使用了“遺傳算法”這一名詞，但基于自然進化的思想，在當時卻遭到學術界的懷疑和反對，Holland教授及其學生們堅持了這一方向的研究。1975年，Holland出版了《自然和人工系統(tǒng)中的自適應性》(Adaptation in Natural and Artificial System)，該書系統(tǒng)地闡述了遺傳算法的基本理論和方法，提出了對遺傳算法的理論發(fā)展極為重要的模式理論(schema theory)，以及遺傳算法的隱并行性，并將遺傳算法應用于適應性系統(tǒng)模擬、函數(shù)優(yōu)化、機器學習和自動控制等領域。1975年之后，遺傳算法不但在各個領域得到了廣泛應用，而且還豐富和發(fā)展了若干遺傳算法的基本理論。1980年，Bethke對函數(shù)優(yōu)化遺傳算法進行了研究，包括應用研究和數(shù)學分析。Smith、Davis、Grefenstette、 Bauer、Srinivas和Patnaik等大批研究人員對遺傳算法理論的基本框架和遺傳算子進行了構建和改進，并將遺傳算法分別應用于工程設計、自動控制、經(jīng)濟金融、博弈問題和機器學習等諸多領域之中。 隨著遺傳算法研究和應用的不斷深入和擴展，1991年，Davis編輯出版了《遺傳算法手冊》(Handbook of Genetic Algorithms )，其中包括了遺傳算法在工程技術和社會生活中的大量應用實例。1999年，ICGA和GP (Genetic Programming)的系列會議合并為每年一次的遺傳和進化計算國際會議(Genetic and Evolutionary Computation Conference,GECCO)。 近年來，我國在遺傳算法理論與應用方面取得了巨大的成就，目前的研究課題主要集中在以下幾個方面:一是算法的數(shù)學基礎；二是算法與其他優(yōu)化技術的比較和融合；三是算法的改進與深化；四是算法的并行化研究等。遺傳算法已被成功地應用于工業(yè)、經(jīng)濟答理、交通運輸、工業(yè)設計等不同領域，解決了許多問題。對我國科技的進步與經(jīng)濟的發(fā)展產(chǎn)生了不可估量的作用。PID調節(jié)器是最早發(fā)展起來的控制策略之一，因為它所涉及的設計算法和控制結構都是簡單的，并且十分適用于工程應用背景，此外PID控制方案并不要求精確的受控對象的數(shù)學模型，且采用PID控制的控制效果一般是比較令人滿意的，所以在工業(yè)實際應用中，PID調節(jié)器是應用最為廣泛的一種控制策略，也是歷史最久、生命力最強的基本控制方式。調查結果表明在當今使用的控制方式中，%，%，%，%，人工智能(AI)型占0. 6%。如果把PID型和優(yōu)化PID型二者加起來則占90%以上，這說明PID控制方式占絕大多數(shù)，如果把手動控制型再與上述兩種加在一起，則占97. 5%，這說明古典控制占絕大多數(shù)。就連科學技術高度發(fā)達的日本，PID控制的使用率也高達84.%。這是由于理論分析及實際運行經(jīng)驗已經(jīng)證明了PID調節(jié)器對于相當多的工業(yè)過程能夠起到較為滿足的控制效果。它結構簡單、適用面廣、魯棒性強、參數(shù)易于調整、在實際中容易被理解和實現(xiàn)、在長期應用中已積累了豐富的經(jīng)驗。特別在工業(yè)過程中，由于控制對象的精確數(shù)學模型難以建立，系統(tǒng)的參數(shù)又經(jīng)常發(fā)生變化，運用現(xiàn)代控制理論分析綜合要耗費很大的代價進行模型辨識，但往往不能達到預期的效果，所以不論常規(guī)調節(jié)儀表還是數(shù)字智能儀表都廣泛采用這種調節(jié)方式。正是PID控制算法具有以上多種優(yōu)點，所以這種算法仍將在現(xiàn)場控制中居于主導地位。隨著現(xiàn)代控制理論的建立和不斷發(fā)展完善，對過程控制提出了新的方法和思路，同日寸也由于生產(chǎn)工藝不斷地改進提高，對過程控制也提出了高要求。科研人員在不斷探索新方法的同時，也對傳統(tǒng)的PID控制的改進做了大量的研究。因為PID控制有其固有的優(yōu)點，使得PID控制在今后仍會大量使用，如何進一步提高PID控制算法的能力或者依據(jù)新的現(xiàn)代控制理論來設計PID控制算法是一個非常吸引人的課題二、研究的基本內容，擬解決的主要問題 研究的基本內容本論文用遺傳算法對柴油機調速系統(tǒng)的PID參數(shù)進行了優(yōu)化，對該系統(tǒng)進行了仿真。擬解決的主要問題遺傳算法的有效性，遺傳算法是一種簡單高效的尋優(yōu)算法，遺傳算法與傳統(tǒng)的尋優(yōu)方法相比對控制系統(tǒng)的動態(tài)性能影響，PID參數(shù)自整定，PID參數(shù)優(yōu)化，參數(shù)編碼和解碼，適應度函數(shù)的選擇。三、研究步驟、方法及措施 研究步驟：PID參數(shù)自整定，PID參數(shù)優(yōu)化，參數(shù)編碼和解碼，適應度函數(shù)的選擇，遺傳算法。研究方法：ZieglerNichols設定方法，臨界比例度法，單純形法,粒子群優(yōu)化算法，差分進化算法，利用 Matlab和Simulink工具對PID參數(shù)進行優(yōu)化控制的仿真。+種群2個體優(yōu)于種群1個體變量參數(shù)編碼種群1計算適配值滿足要求遺傳操作種群2解碼算法結束復制交叉變異是否否遺傳算法的基本流程四、研究工作進度 周 次1—4周5—8周9—12周13—16周17—18周應完成的內容調研 收集資料掌握遺傳算法的基本理論確定總體方案模型確立 方案分析算法研究軟件設計及調試 設計總結撰寫論文準備答辯 五、主要參考文獻 [1] Ziegler J G, Nichols N B. Optimum Setting for Automatic Controllers[M]. Trans ASM