【導(dǎo)讀】蒸汽溫度在允許范圍之內(nèi)。過熱汽溫被控對象是一個多容環(huán)節(jié)，它的純。遲延時間和時間常數(shù)都比較大，干擾因素多，對象模型不能精確確定，中間測點不易取，由于其特有的復(fù)雜性，使得模型的獲取有一定的難度。遺傳算法作為一種智能優(yōu)化算法，它是在解空間進(jìn)行高效啟發(fā)式。制器參數(shù)進(jìn)行優(yōu)化，實驗表明，應(yīng)用遺傳算法優(yōu)化控制器參數(shù)的優(yōu)越性。法優(yōu)化的PID控制器比常規(guī)的PID控制器有更好的控制效果。

　　

【正文】 和不懈的支持。 她 嚴(yán)肅的科學(xué)態(tài)度，嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神，精益求精的工作作風(fēng)，深深地感染和激勵著我。除了敬佩 王 老師的專業(yè)水平外，她 治學(xué)嚴(yán)謹(jǐn)和科學(xué)研究的精神 也是 值的 我永遠(yuǎn)學(xué)習(xí) ，并將積極影響我今后的學(xué)習(xí)和工作。在此謹(jǐn)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 。最后感謝帶領(lǐng)我們在知識海洋里遨游的老師們和無時無刻關(guān)心我的父母。洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 25 參考文獻(xiàn) [1] 馬平 ,朱燕飛 ,牛征 .基于神經(jīng)網(wǎng)絡(luò)的主汽溫控制系統(tǒng) .華北電力大學(xué)學(xué)報 ,2020 [2] 李敏強(qiáng)，寇紀(jì)淞，林丹等 .遺傳算法的基本理論與應(yīng)用 .北京：科學(xué)技術(shù)出版社， 2020 [3] 羅萬金 .電廠熱工過程自動調(diào)節(jié) .北京：中國電力出版社 .1991 [4] 于湘濤， 劉紅軍，丁俊宏 等 .二自由度 PID 內(nèi)模主汽溫控制 .華北電力大學(xué)學(xué)報 ,2020 [5] 飛思科技產(chǎn)品研 發(fā)中心 .MATLAB 輔助優(yōu)化計算與設(shè)計 .北京：電子工業(yè)出版社， 2020 [6] 王小平，曹立明 .遺傳算法：理論、應(yīng)用及軟件實現(xiàn) .西安：西安交通大學(xué)出版社， 2020 [7] 張恩勤 .模糊控制與 PID 控制方法的比較 .上海交通大學(xué)學(xué)報 ,1999 [8] 聞新超，周琳霞 .一種基于混合編碼的遺傳算法 .電子技術(shù)， 2020 [9] 史奎凡，陳月輝 .提高遺傳算法收斂速度的方法 .信息與控制， 1998 [10] 周金榮 .遺傳算法的改進(jìn)及其應(yīng)用研究 、 控制與決策， 1995 [11] 張晶濤 ,王 偉 ,曹方 .一種智能控制方法在 300MW 機(jī)組主汽溫控制系統(tǒng)中的應(yīng)用研究 .中國電機(jī)工程學(xué)報 ,1999 [12] 甘世紅 ,褚建新 ,顧偉 .基于遺傳算法的模糊控制在電弧冶煉爐中的應(yīng)用 .電機(jī)與控制學(xué)報 ,2020 [13] 楊獻(xiàn)勇 .熱工過程自動控制 .北京 ： 清華大學(xué)出版社 ， 2020， 187～ 192 [14] 胡國四，韓生廉 .遺傳算法適值函數(shù)定義方法的研究 .控制與決策，1999 [15] 劉金琨 .先進(jìn) PID控制及其 MATLAB仿真 .北京：電子工業(yè)出版社， 2020 [16] 陳國良，孫樹棟 .遺傳算法原理及應(yīng)用 .北京：國防工 業(yè)出版社， 1999 [17] 胡壽松 .自動控制原理第 4 版 .北京：科學(xué)出版社， 2020 [18] 樓順天，胡昌華，張偉等 .基于 MATLAB 的系統(tǒng)分析與設(shè)計一模糊控制 .西安 :西安電子科技大學(xué)出版社 ,2020 [19] 陳國良，王煦法，莊鎮(zhèn)泉等 .遺傳算法及其應(yīng)用 .北京：人民郵電出版洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 26 社， 1996 [20] 邵裕森 .過程控制及儀表（修訂版） .上海：上海交通大學(xué)出版社， 2020 [21] 陶永華，尹怡欣，葛蘆生 .新型 PID 控制系統(tǒng)及其應(yīng)用 .北京 :機(jī)械工業(yè)出版社， 1998 [22] 黃文梅，楊勇，熊桂林 .系統(tǒng)分析與仿真 MATLAB 語言應(yīng)用 .長沙：國防科技大學(xué)出版社， 1999 [23] 王群主編 .電氣信息類專業(yè)英語 .長沙：湖南大學(xué)出版社， 2020 [24] 薛定宇著 控制系統(tǒng)計算機(jī)輔助設(shè)計 :MATLAB 語言與應(yīng)用 （ 第 2 版 ） .北京：清華大學(xué)出版社， 2020 [25] 徐安主編 .微型計算機(jī)控制技術(shù) .北京：科學(xué)出版社， 2020 [26] 宋曉燕，馬德庫，冬健峰等 .過熱蒸汽溫度的自動調(diào)節(jié) .自動化技術(shù)與應(yīng)洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 27 附 錄 改進(jìn)的遺傳算法源程序 %二進(jìn)制編碼遺傳優(yōu)化 PID 參數(shù) clear all。 close all。 clc。 global rin yout timef u1 G=100。 Size=30。 CodeL=10。 MinX(1)=0。 MaxX(1)=。 MinX(2)=0。 MaxX(2)=。 %用于增量式 PID 的優(yōu)化的參數(shù)范圍 %MaxX(2)=。 E=round(rand(Size,2*CodeL))。 %編碼初始化 %*************開始運(yùn)行 ************ for kg=1:1:G time(kg)=kg for s=1:1:Size m=E(s,:)。 BSJ=0。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 28 y1=0。y2=0。 m1=m(1:1:CodeL)。 for i=1:1:CodeL y1=y1+m1(i)*2^(CodeLi)。 end Kpid(s,1)=(MaxX(1)MinX(1))*y1/1023+MinX(1)。 m2=m(CodeL+1:1:2*CodeL)。 for i=1:1:CodeL y2=y2+m2(i)*2^(CodeLi)。 end Kpid(s,2)=(MaxX(2)MinX(2))*y2/1023+MinX(2)。 %**********步驟 1：計算目標(biāo)函數(shù) ************* Kpidi=Kpid(s,:)。 [Kpidi,BSJ]=ycpidcs3(Kpidi,BSJ)。 BSJi(s)=BSJ。 end [OderJi,IndexJi]=sort(BSJi)。 BestJ(kg)=OderJi(1)。 BJ=BestJ(kg)。 Ji=BSJi+1e10。%防止除以零 fi=1./Ji。 [Oderfi,Indexfi]=sort(fi)。 %將 fi 從小到大排列 Bestfi=Oderfi(Size)。%讓 Bestfi=max(fi)。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 29 BestS=E(Indexfi(Size),:)。%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)。 fi_Size=(Oderfi/fi_sum)*Size。 fi_S=floor(fi_Size)。 r=Sizesum(fi_S)。 Rest=fi_Sizefi_S。 [RestValue,Index]=sort(Rest)。 %保證總個體數(shù)為 Size for i=Size:1:Sizer+1 fi_S(Index(i))=fi_S(Index(i))+1。 end kk=0。 for i=Size:1:1 for j=1:1:fi_S(i) kk=kk+1。 TempE(kk,:)=E(Indexfi(i),:)。 end end %************步驟 3：交叉處理 ************** %采用自適應(yīng)交叉概率％％％％％計算適應(yīng)度函數(shù)最大值和平均洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 30 適應(yīng)度值 fmax=Bestfi。 favg=sum(fi)/Size。 %％％％％％％％％％％％％％％％％％％％％％ n=ceil(2*CodeL*rand)。 for i=1:2:(Size1) %％％％％％％找出交叉?zhèn)€體的適應(yīng)度 較大值 if fi(i)fi(i+1) f=fi(i)。 else f=fi(i+1)。 end %％％％％％％％％計算交叉概率的公式 ,個體適應(yīng)度大于平均適應(yīng)度的，隨適應(yīng)度的增大， pc 減小 if (fmaxf)(fmaxfavg) pc=*(fmaxf)/(fmaxfavg)。 else pc=。 end if kg*G pc=。 %接近收斂時，減小交叉概率 end temp=rand。 if pctemp for j=n:1:2*CodeL TempE(i,j)=E(i+1,j)。 TempE(i+1,j)=E(i,j)。 end end end 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 31 TempE(Size,:)=BestS。 E=TempE。 %***********步驟 4：變異操作 *********** Pm=[1:1:Size]*()/Size。 %fi 越大， Pm 越小 for i=1:1:Size for j=1:1:2*CodeL temp=rand。 if Pmtemp if TempE(i,j)==0 TempE(i,j)=1。 else TempE(i,j)=0。 end end end end %保證最好的個體留下 TempE(Size,:)=BestS。 E=TempE。 %*********************************************** end Bestfi BestS Kpidi Best_J=BestJ(G) figure(1)。 plot(time,BestJ)。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 32 xlabel(39。Times39。)。ylabel(39。Best J39。)。 figure(2)。 plot(timef,10*rin,39。r39。,timef,yout,39。b39。)。 xlabel(39。Time(s)39。)。ylabel(39。rin,yout39。)。 figure(3)。 plot(timef,u1)。 xlabel(39。Time(s)39。)。ylabel(39。u139。)。 %***************返回 PID 控制器的參數(shù) ********** %初始群體的產(chǎn)生 %在群體中取大于適應(yīng)度平均值的個體進(jìn)行相似度判斷， %當(dāng)相似度 R 超過個體長度的一半時，即認(rèn)為這兩個個體相似。 %相似度的判斷實際上是確定群體中個體是否含有相同模式，剔除相似個體，選擇不同模式的個體組成新的群體。 function E=popf(SIZE,CodeL,Size) e=round(rand(SIZE,2*CodeL))。%編碼初始化 for s=1:1:SIZE m=e(s,:)。 BSJ=0。 Kpidi=dcodef(m,CodeL)。 [Kpidi,BSJ]=ycpidcs3(Kpidi,BSJ)。%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(biāo)函數(shù) BSJI(s)=BSJ。 end fi=1./BSJI。%由目標(biāo)函數(shù)到適應(yīng)度函數(shù)的轉(zhuǎn)換 [Oderfi,Indexfi]=sort(fi)。%將 fi 從小到大排列 fi_sum=sum(fi)。 f_avg=fi_sum/SIZE。 洛陽理工學(xué)院畢業(yè)設(shè)計（論文） 33 gg=0。%適應(yīng)度大于平 均適應(yīng)度的個體的數(shù)目 for i=SIZE:1:1 if Oderfi(i)f_avg gg=gg+1。 else break end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%