【導(dǎo)讀】PID控制器結(jié)構(gòu)簡(jiǎn)單且魯棒性強(qiáng)，在控制領(lǐng)域一直被廣泛應(yīng)用。PID控制是工業(yè)過(guò)程中應(yīng)用最廣泛的策略之一，因此PID. 壞，并和系統(tǒng)的安全、經(jīng)濟(jì)運(yùn)行有著密不可分的關(guān)系。統(tǒng)中單純形法、專家整定法則應(yīng)用廣泛。雖然兩者都具有良好的尋優(yōu)。最優(yōu)解，造成尋優(yōu)失敗。數(shù)對(duì)應(yīng)不同的經(jīng)驗(yàn)，而整理知識(shí)庫(kù)是一項(xiàng)長(zhǎng)時(shí)間的工程。以尋求全局最優(yōu)解的高效的優(yōu)化組合方法。遺傳算法是根據(jù)生物進(jìn)化的模型提出的一種優(yōu)化算法。遺傳算法是從代表問(wèn)題可能潛在解集的一個(gè)群組開(kāi)始的，在優(yōu)化的問(wèn)題中，遺傳算法過(guò)程簡(jiǎn)述如下。群點(diǎn)（基因群），作為遺傳算法的第一代。1）遺傳算法是對(duì)參數(shù)的編碼進(jìn)行操作，而非對(duì)參數(shù)本身；2）遺傳算法是從許多點(diǎn)開(kāi)始并行操作，而非局限于一點(diǎn)；4）遺傳算法的尋優(yōu)規(guī)則是由概率決定的，而非是確定性的；8）遺傳算法更適合大規(guī)模復(fù)雜問(wèn)題的優(yōu)化；的將染色體的某一個(gè)基因由1變0、或由0變1。若只有選者和交叉，

　　

【正文】 .................................................................. 8 適應(yīng)函數(shù)的確定 ...................................................................................................... 8 遺傳算子的確定 ...................................................................................................... 9 第三章 基于遺傳算法的 PID 參數(shù)尋優(yōu)的設(shè)計(jì) ............................................................... 10 參數(shù)的確定及表示 ................................................................................................ 10 選取初始種群 ....................................................................................................... 10 遺傳算法的操作 .................................................................................................. 11 實(shí)例分析 .............................................................................................................. 13 附錄 ............................................................................................................................... 17 參考文獻(xiàn) ........................................................................................................................ 17 渤海大學(xué) 畢業(yè)論文 (設(shè)計(jì) ) 題 目 完成人姓名 主修專業(yè) 所 在 系 入學(xué)年度 完成日期 指導(dǎo)教師 任務(wù)書 姓名 王永偉 專業(yè) 電子信息工程 入學(xué)年度 2020/9 題目 基于遺傳算法整定的 PID 控制及 MATLAB 仿真 主要內(nèi)容 ： 文章先簡(jiǎn)單對(duì)遺傳算法和 PID 控制理論進(jìn)行介紹。說(shuō)明 PID 控制基本原理，即比例（ P）、積分（ I）、和微分（ D）通過(guò)線性組合構(gòu)成控制量，對(duì)被控對(duì)象進(jìn)行控制。 遺傳算法 是模擬自然界生物進(jìn)化理論， 將目標(biāo)函數(shù)為優(yōu)化目標(biāo)， 通過(guò)復(fù)制、交叉和變異對(duì) 基因操作得到下一代優(yōu)化基因組合，如此反復(fù)迭代，直到滿足最優(yōu)收斂目標(biāo)為止。 本文利用遺傳算法（ GA）對(duì) PID 參數(shù)進(jìn)行優(yōu)化，并通過(guò)實(shí)例即基于實(shí)數(shù)和二進(jìn)制數(shù)編碼的 PID 參數(shù)分別進(jìn)行了優(yōu)化，進(jìn)行了比較研究。結(jié)果表明該方法是一種 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。 進(jìn)度： 2020 年 2 月 23 日 —— 3 月 20 日 選題 2020 年 3 月 24 日 —— 4 月 10 日 系統(tǒng)設(shè)計(jì)分析 2020 年 4 月 11 日 —— 5 月 1 日 系統(tǒng)測(cè)試 2020 年 5 月 2 日 —— 5 月 29 日 撰寫論文 下達(dá)任務(wù)時(shí)間： 年 月 日 指導(dǎo)教師簽名： 系主任簽名： 摘要： 遺傳算法簡(jiǎn)稱 GA（ Geic Algorithms）是 1962 年由美國(guó)Michigan 大學(xué)的 Holland 教授提出的模擬自然界遺傳機(jī)制和生物進(jìn)化論而成的一種并行隨機(jī)搜索最優(yōu)化方法。它將“優(yōu)勝劣汰，適者生存”的生物進(jìn)化原理引入優(yōu)化參數(shù)形成的編碼串聯(lián)群體中，按所選擇的適陪值函數(shù)并通過(guò)遺傳中的復(fù)制、交叉及變異對(duì)個(gè)體進(jìn)行篩選，使適陪值高的個(gè)體被保留下來(lái)， 組成新的群體，新的群體即繼承上一代的信息，又優(yōu)于上一代。這樣周而復(fù)始，群體中個(gè)體的適應(yīng)度不斷提高，知道滿足一定條件。其算法簡(jiǎn)單，可并行處理，能得到全局最優(yōu)解。 本文提出一種基于遺傳算法整定的 PID 控制方法。 PID 參數(shù)整定與優(yōu)化一直是自動(dòng)控制領(lǐng)域研究的重要問(wèn)題。采用遺傳算法進(jìn)行 PID 參數(shù)整定與優(yōu)化是一種尋求全局最優(yōu)且與初始條件無(wú)關(guān)的優(yōu)化方法，在參數(shù)整定又優(yōu)化過(guò)程中，考慮了過(guò)程控制系統(tǒng)的參數(shù)整定特點(diǎn)和尋優(yōu)精度。仿真表明該方法比一般的 PID 參數(shù)整定方法具有更好的控制性能指標(biāo)，不失為一種具有良好實(shí)用價(jià)值的 PID 參數(shù) 整定與優(yōu)化方法。 關(guān)鍵詞：遺傳算法 PID 參數(shù)優(yōu)化 Absrtact: GA (Geic Algorithms) Is it up to to run side by side by Holland simulation nature hereditary mechanism and biological evolutionism and one that bee that Professor put forward of university , Michigan of . , 1962 The machine searches for and optimizes the method most. It is in it select the superior and eliminate the inferior,survival of the fittest biological evolution principle optimize there aren39。t code where parameter form introducing, according to right function and duplicating, crossing and is it screen to the individual to make a variation in heredity of acpanying etc. chosen, make the right high individual of acpanying value kept, make up the new colony, the new colony inherits the information of previous generation promptly, superior to the previous generation again. Going round and begin again like this, the individual39。s adaptation degree is improving constantly, know that meets certain condition among the colonies. Its algorithm is simple, can undertake the parallel processing of , can get the overall situation to solve optimumly . This text put forward one control the method on the basis of hereditary PID that algorithm make exactly. PID parameter whole definitely with it optimizes to be automatic important problem that controlled field study. Adopt hereditary algorithm parameter whole definitely with optimize it is one that seek the overall situation optimum and with initial optimization method that terms have nothing to do to carry on PID, while the parameter is whole but optimized again definitely , consider course parameter of control system exactly make the characteristic and seek the excellent precision. Emulation indicate parameter whole method have kind control performance index definitely than general PID method this, can yet be regarded as one with good practical value parameter whole definitely with method of optimizing PID.