基于遺傳算法的改進PID控制器設計及應用

丁浩浩　胡士成

【摘 要】提出了一種基于遺傳算法優化改進的單神經元自適應PID控制算法，避免一些參數及權系數的在線修正參考實驗經驗的問題。該算法有兩部分構成。第一部分就是改進的單神經元自適應PID控制D、P、I的值，第二部分結合遺傳算法在改進的單神經元自適應PID控制的同時尋求合適的學習效率以及比例系數。通過柴油機調速中電磁執行器仿真實例表明，該方法取得了很好的效果。

【關鍵詞】遺傳算法；單神經元；電磁執行器；仿真

【Abstract】An improved single neuron adaptive PID control algorithm based on genetic algorithm is proposed to avoid the on-line correction of some parameters and weights. The algorithm consists of two parts.The first part is the improved single neuron adaptive PID control D，P，I value，the second part of the combination of genetic algorithm and the improved single neuron adaptive PID control for learning efficiency and proportion coefficient.The simulation example of electromagnetic actuator in diesel engine speed regulation shows that this method can achieve good results.

【Key words】Genetic algorithm；Single neuron；Eelectromagnetic actuator；Simulation

0 引言

PID控制是一種是按照偏差的微分、積分、比例來分別對其進行控制，此控制在工業中是最常見的一種控制方法，但是在實際生活中PID的一些參數整定會受到各種外部和內部環境條件的制約，這樣就很難達到我們想要的結果，尤其是當控制對象具有時變性特點時，他們的一些參數整定困難變大。綜合以前的知識，到目前為了提高PID控制器參數的優化的多種方法之中，神經網絡對PID參數整定還是比較簡單，并且是易于實現其目的的[1]。常規的神經網絡自適應PID控制有許多不完善之處，其中最主要的問題就是神經網絡的學習率都是采用實驗加經驗法的方式由人工進行優化，往往費時而卻難以滿足實時的控制要求。為了改善控制系統的性能，解決控制對象參數難以優化，我將提出遺傳算法對神經網絡中的一些參數優化策略。

1 改進的單神經元自適應PID控制器

該系統是我們利用它具有自適應和自學習的能力，去實現單神經元PID控制器[2]。它的控制系統結構如圖1所示，結構看起來很簡單，對環境的適應很快，計算量比較小，魯棒性強，而且易于理解。在這里我們設輸入為yd，輸出為 y（k），經轉換器轉換成控制器所需要狀態值x1，x2，x3。d（k）為性能指標或遞進信號，我們在這里取 d（k）= yd（k）-y（k）=e（k）。

圖1 單神經元自適應PID控制結構

單神經元自適應控制器是通過對加權系數的調整，去實現自組織、自適應功能。改進的部分就是將其中的xi（k）改為e（k）+△e（k），其表達如下：

■

■

■

式中K（K>0）為神經元的比例系數，wi（k）是所對應xi（k）的權系數。

■。

2 遺傳算法對改進控制器學習率及K值的選擇

遺傳算法[2]是借鑒自然遺傳機制和生物界自然選擇的隨機搜索方式，它借鑒了孟德爾的遺傳學說和達爾文的進化論。遺傳算法能在空間的搜索過程中高效地進行，同時積累有關搜索的知識，又能夠自動獲取，并自適應尋求最優解。其本質是全局的搜索方法。

利用遺傳算法優化的具體步驟是：

1）首先要確定每個需要參數的大致范圍，然后對其編碼。設群體大小M=50，終止進化代數G=100，一般取值范圍為100～500；

2）隨機產生n個個體，去構成初始種群P（0）；

3）解碼種群中各個體，形成相應的參數值，然后用參數求代價函數值J，知道J值就能獲得適應度值f，兩者之間是倒數關系；

4）應用變異算子、交叉和復制知識，對種群P（t）進行操作，產生下一代種群P（t+1）。交叉概率 Pc=0.8，變異概率 Pm=0.03；

5）重復（3）和（4）步驟，達到預定或達到參數收斂的要求。

3 柴油機調速中電磁執行器進行參數優化仿真

船舶柴油機作為被控對象是有一定意義的，它的特點是強非線性以及結構復雜。隨著負載、轉速或者其他條件的變化時，柴油機的時變性問題突出，非線性問題也會體現出來，其中的參數要是變化突出，這樣就會讓系統的性能不穩定起來。本文章的方法就是讓柴油機有良好的運行性能，對參數進行智能整定。本文選取的被控對象是柴油機調速系統中某型電磁執行器的無量化模型[3]：

由圖2和圖3可以清楚的知道，參數改變的改進的PID算法的超調量很小，而且上升時間很快，此外在很短的時間內就能調整好。圖4為代價函數值J的優化過程。圖3也充分地體現了參數改變的改進PID算法的跟蹤性能。所以，本篇文章提出改進的PID算法要好于只用改進的單神經元自適應PID控制算法。

4 結論

遺傳算法結合改進的單神經自適應PID控制的算法對一些被控對象的效果是可觀的。此算法既保留了通常的PID控制算法，又使PID算法在線修正以及實時性增強，這是通過神經網絡和遺傳算法實現的。該算法還具有原理簡單、易于實現、魯棒性強和適用面廣等優點，能夠獲得較好的控制綜合性能，而且在結構上具有常規PID控制算法簡潔的特點。仿真結果驗證了此算法在實踐中的優越性。

【參考文獻】

[1]劉士榮，等.計算機控制系統[M].第2版.北京：機械工業出版社，2012.

[2]劉金琨.先進PID控制MATLAB仿真[M].第3版.北京：電子工業出版社，2011.

[3]劉軍華，等.基于改進遺傳算法的柴油機調速控制研究[J].艦船電子工程，2013，33（8）：164-166.

[責任編輯：田吉捷]