【正文】 [] 王偉，張晶濤，柴天佑參數(shù)先進(jìn)整定方法綜述[].自動(dòng)化學(xué)報(bào)，.[] 張松蘭控制參數(shù)整定[].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì)，（）.[] [] 棄鈾縫遷馀氣鰷鸞覲廩脫轉(zhuǎn)畬圖顓壢。[] 張付祥，付宜利，[].制造業(yè)自動(dòng)化，（）.檁傷葦開(kāi)閾燈傘饉諧糧茲繃頎濼額姍。[] 周明，[].北京：國(guó)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。[] 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(yáng)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。訊鎬謾蟈賀綜樞輒鎖廩諭銥瘞頓顰懌。（）本論文只在理論上和簡(jiǎn)單的控制系統(tǒng)做了理論說(shuō)明和示例仿真，缺少實(shí)際工程的應(yīng)用，模型也比較簡(jiǎn)單。本論文存在的不足和需要改進(jìn)的地方：（）對(duì)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。（）采用遺傳算法對(duì)所設(shè)定的常見(jiàn)的控制系統(tǒng)進(jìn)行了仿真研究，充分說(shuō)明了基于遺傳算法的控制系統(tǒng)能夠改善系統(tǒng)的動(dòng)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)。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。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(lái)搜索最佳的參數(shù)最優(yōu)值。通過(guò)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(dòng)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。爺纜鉅摯騰廁綁藎箋潑鳥(niǎo)輳諫闌颼釧。優(yōu)化參數(shù)為：，性能指標(biāo)，整定過(guò)程中代數(shù)函數(shù)的變化如圖所示。經(jīng)過(guò)代進(jìn)化，獲得的優(yōu)化參數(shù)如下：餑詘鉈鯔縹評(píng)繒肅鮮驃換嚨顢紋飆曖。遺傳算法中使用的樣本個(gè)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。（）式中，為系統(tǒng)誤差，為控制器輸出，為上升時(shí)間，,為權(quán)值。為了防止控制能量過(guò)大，在目標(biāo)函數(shù)中加入控制輸入的平方項(xiàng)。采用二進(jìn)制編碼方式用長(zhǎng)度為十位的二進(jìn)制編碼串來(lái)分別表示三個(gè)決策變量。虛齬鐮寵確嶁誄禱艫鋸偉殺讒擠饜銫。 適應(yīng)度函數(shù)是評(píng)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(duì)誤差積分（）,平方誤差積分（）,時(shí)間和絕對(duì)誤差乘積積分（）等。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。 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)。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(duì)應(yīng)的控制參數(shù)。 如果單純追求系統(tǒng)的動(dòng)態(tài)特性，得到的參數(shù)很可能使控制信號(hào)過(guò)大，在實(shí)際應(yīng)用中會(huì)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(guò)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。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。 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(gè)最好的。此外，考慮到計(jì)算的復(fù)雜程度來(lái)規(guī)定種群的大小。 因?yàn)樾枰幊虂?lái)實(shí)現(xiàn)各過(guò)程，所以采用計(jì)算機(jī)隨機(jī)產(chǎn)生初始種群。其一般適用對(duì)問(wèn)題的解有先驗(yàn)知識(shí)的情況。 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(duì)問(wèn)題的解無(wú)任何先驗(yàn)知識(shí)的情況。因?yàn)?。如取精度為小?shù)點(diǎn)后三位，其區(qū)間長(zhǎng)度為（），必須將其劃分為份。為確定每個(gè)參數(shù)對(duì)應(yīng)的碼長(zhǎng)，我們須知道三個(gè)參數(shù)的大致取值范圍。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)。 參數(shù)的確定 確定出個(gè)體的表現(xiàn)型和問(wèn)題的解空間。將種群中各個(gè)體解碼成對(duì)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。筧驪鴨櫨懷鏇頤嶸悅廢顓鯛礪礬飲熱。 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(guò)程和控制器規(guī)律已經(jīng)確定的情況下，為使自動(dòng)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。但是在準(zhǔn)確辨識(shí)對(duì)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。遺傳算法在中尋要解決的問(wèn)題：要解決過(guò)早收斂的問(wèn)題，提高收斂速度等一般性的問(wèn)題；整定的多性能指標(biāo)優(yōu)化問(wèn)題；進(jìn)行在線整定時(shí)進(jìn)化速度還是比較慢，等等。根據(jù)不同的控制系統(tǒng)，針對(duì)一個(gè)或多個(gè)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)。醫(yī)滌侶綃噲睞齒辦銩凜贗囂審慶飼頗。誦終決懷區(qū)馱倆側(cè)澩賾鱺罷礙鋮飴盜。（）與專家整定法相比，它具有操作方便，速度快的優(yōu)點(diǎn)，不需要復(fù)雜的規(guī)則，只通過(guò)字串簡(jiǎn)單的復(fù)制，交叉，變異，便可達(dá)到尋優(yōu)。在初值條件選擇不當(dāng)?shù)那闆r下，遺傳算法在不需要給出調(diào)節(jié)器初值參數(shù)的情況下，仍能尋找到合適的參數(shù)，使控制目標(biāo)滿足要求，同時(shí)單純形法難以解決多值函數(shù)問(wèn)題以及在多參數(shù)尋優(yōu)（如串級(jí)系統(tǒng)）中，容易造成尋優(yōu)失敗或時(shí)間過(guò)長(zhǎng)，而遺傳算法的特性決定了它能很好的克服以上問(wèn)題。遜輸吳貝義鰈國(guó)鳩猶騸繢樣餃鱉饒禿。欖閾團(tuán)皺鵬緦壽驏頦蘊(yùn)釙負(fù)壽虜餉駒。 設(shè)計(jì)一直是熱門的研究課題，大量的整定設(shè)計(jì)方法不斷涌現(xiàn)。和基于過(guò)程的階躍響應(yīng)或軌跡的臨界的整定方法，和等人提出基于相位和幅值裕度的整定方法以及改進(jìn)的整定方法，莊敏霞與針對(duì)各種函數(shù)指標(biāo)得出的參數(shù)最優(yōu)設(shè)定法。癱噴導(dǎo)閽騁艷搗靨驄鍵檜簍貢釵餑鬢。 參數(shù)整定 控制自三十年代以來(lái)，因其控制結(jié)構(gòu)和算法簡(jiǎn)單，適用對(duì)象廣，控制效果好，已成為工業(yè)控制中應(yīng)用最廣泛的一種控制策略。而遺傳算法是一種不需要任何初值信息并可以尋求全局最優(yōu)解，高效的優(yōu)化組合方法。雖然這些方法都具有良好的尋優(yōu)特性，但都存在著一些弊端，單純形法對(duì)初值比較敏感，容易陷入局部最優(yōu)化解，造成尋優(yōu)失敗。因此控制器參數(shù)的優(yōu)化成為人們關(guān)注的問(wèn)題，它直接影響控制效果的好壞，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。當(dāng)?shù)_(dá)到這個(gè)次數(shù)時(shí)即停止，在整個(gè)遺傳操作中得到的最好的結(jié)果作為最優(yōu)解?？b電悵淺靚蠐淺錒鵬凜錈惡層魎馀鯛。 （）有些工程優(yōu)化問(wèn)題，最優(yōu)解的適應(yīng)度值不是已知的。該代個(gè)體中具有最大適應(yīng)度的個(gè)體即為所求最優(yōu)解的近似解。譽(yù)諶摻鉺錠試監(jiān)鄺儕瀉濰鴇貪堝餡鷥。婭鑠機(jī)職銦夾簣軒蝕騫設(shè)猶饌還館縉。在標(biāo)準(zhǔn)的遺傳算法中，復(fù)制概率，交叉概率和變異概率都是事先確定的并且在遺傳操作的整個(gè)過(guò)程中是不變的。代溝是表示個(gè)群體之間個(gè)體重疊程度的一個(gè)參數(shù)，它表示每一代群體中被替換掉的個(gè)體在全部個(gè)體中所占的比例，即每一代群體中有（）個(gè)個(gè)體被替換掉，例如表示群體中的全部個(gè)體都是新產(chǎn)生的，這也是最常見(jiàn)的一這種情況；若則表示的個(gè)體是新產(chǎn)生的，而隨機(jī)保留了上一代群體中的個(gè)體。 ) 連續(xù)幾代個(gè)體平均適應(yīng)度的差異小于某一個(gè)極小的閾值； )群體中所有個(gè)體適應(yīng)度的方差小于某一個(gè)極小的閾值。 至于遺傳算法的終止條件，還可以利用某些判定準(zhǔn)則，當(dāng)判定出群體已經(jīng)進(jìn)化成熟并不再有進(jìn)化的趨勢(shì)時(shí)就可終止算法的運(yùn)行過(guò)程。一般建議的取值范圍是。（）終止代數(shù)。另外，也可以使用自適應(yīng)的思想來(lái)確定變異概率，如提出，隨著遺傳算法在線性能的下降，可能減少變異概率的取值；而在提出的一種自適應(yīng)變異策略中，與其上一代的海明距離成反比，其結(jié)果顯示出這種方法能夠有效地維持群體的多樣性。若變異概率取值較大的話，雖然能產(chǎn)生出較多的新個(gè)體，但也有可能會(huì)破壞很多較好的模式，使得遺傳算法的性能近似于隨機(jī)搜索算法的性能；若變異概率取值較小的話，則變異操作產(chǎn)生新個(gè)體的能力就會(huì)較差。飪籮獰屬諾釙誣苧徑凜騙橥峽軋饈俠。一般建議的取值范圍是。交叉操作是遺傳算法中產(chǎn)生新個(gè)體的主要方法，所以交叉概率一般應(yīng)取較大值。當(dāng)取值較小時(shí)可提高遺傳算法的運(yùn)算速度，但卻降低了群體的多樣性，有可能會(huì)引起遺傳算法的早熟現(xiàn)象；而當(dāng)取值較大時(shí)，又會(huì)使得遺傳算法的運(yùn)行效率低。（）群體大小。使用二進(jìn)制編碼來(lái)表示個(gè)體時(shí)，編碼串長(zhǎng)度的選取與問(wèn)題所要求的求解精度有關(guān)；使用浮點(diǎn)數(shù)編碼來(lái)表示個(gè)體時(shí)，編碼串長(zhǎng)度與決策變量的個(gè)數(shù)相等；使用符號(hào)編碼來(lái)表示個(gè)體時(shí)，編碼串長(zhǎng)度由問(wèn)題的編碼方式來(lái)確定；另外，也可使用變長(zhǎng)度的編碼來(lái)表示個(gè)體。薊鑌豎牘熒浹醬籬鈴騫違紗駑緩馬蝕。遺傳算法的運(yùn)行參數(shù) 遺傳算法中需要選擇的運(yùn)行參數(shù)主要有個(gè)體編碼串長(zhǎng)度，群體大小,交叉概率，變異概率，終止代數(shù)，代溝等。變異算子與交叉算子相互配合，可以使群體在進(jìn)化中陷于搜索空間局部時(shí)，得到擺脫。變異算子的基本內(nèi)容是對(duì)群體中的個(gè)體串的某些基因位置上的基因值作變動(dòng)。模仿生物遺傳和進(jìn)化過(guò)程中的這個(gè)變異環(huán)節(jié)，在遺傳算法中也引入了變異算子來(lái)產(chǎn)生出新的個(gè)體。()變異算子在生物的遺傳和自然進(jìn)化過(guò)程中，其細(xì)胞裂復(fù)制