基于二进制编码遗传算法pid整定

(江苏师范大学科文学院 江苏 徐州 221000)

一、Simulink简介

关于Simulink这种交互型的环境，它能够对于各类动态系统实施建模操作、解析操作与仿真操作，这些动态的系统涵盖连续型、离散型、混杂型这几个类别。Simulink供应了选用鼠标拖放这种方式创建体系框图模型的交互界面。经过Simulink供应的各种各样的功能块,能够以较快的速度建立体系的的相关模型，无需编写代码。Simulink还支持Stateflow,用来仿真事件驱动过程。

关于Simulink，它作为1个能够对于动态体系实施建模、仿真、解析这些操作的软件包。它能够支持连续型、离散型、二者混合型的线性体系还有非线性体系，另外对于差别部分采样率不一样的具备多种取样速度的体系，它能够支持对这里体系的仿真操作。

二、利用遗传算法优化PID控制器的参数

(一)基于遗传算法的PID整定原理。1.参数的确定及表示。先是确认参数的范畴，这个范畴通常情况下通过用户完成给定，之后根据精度方面的相关条件，对于其实施相关的编码操作。选定2进制字串代表每个参数，并且创建和参数之间的关联，之后将2进制进行串接从而构成1个长的2进制字串，该字串为遗传算法可以操作的对象。2.全取初始群体。由于要求通过编程去完成各个流程，因此选用计算机设备以随机方式形成初始群体。对于2进制编码来讲，先是形成0～1这个范围以匀称方式分布的随机数，之后设定形成的随机数中，0～0.5这个范围内的数据用0表示，0.5～1之间代表1。另外，需要根据核算的繁杂度去设定种群的大小。3.适配函数的确定。关于普通的寻优方式，在相关的约束要求下，能够获得符合要求的一组参数，在设计规划流程内，从改组参数里面找出1个最佳值。度量1个控制体系的指标涵盖3个部分：其一，平稳性，其二，精确性，其三，快速性。至于上升时间，这个参数能够体现出体系的快速性，如果此数据较小，那么控制实施的速度较高，体系的质量相对优良。假如单单追逐体系在动态方面的特性，那么获取的参数也许导致控制信号较大，在真实的使用过程中将由于体系中本有的饱和性造成体系缺乏稳定性，为避免调控能量较大，在目标函数里面加放控制量。所以为确保实施调控的效果较佳，我们先指出控制量、偏差、上升时间当作是对应的约束要求。由于适应函数和目标函数具有关联，因此在确认目标函数之后，直接把它当作是适配函数从而实施参数寻优操作，至于最佳的控制参数，其实是在符合约束要求的情况下确保f(x)最大的时候，x对照的控制器参数。4.遗传算法的操作。第一，通过适应度比例法去实施复制操作。经过适配函数求取相应的适配值，从而求取每个串相对照的复制概率。此参数和每代字串的数目的乘积其实就是此串在下1代中应当进行复制的数目。如果此参数较大，那么在下1代中会出现许多子孙，反之将直接出局。其次，进行单点交叉，交叉概率为Pc。从拷贝之后的成员中根据Pc的概率选定字串来构成对应的匹配池，之后对于池中的相关成员以随机方式实施匹配处理，至于交叉的部位同样是以随机方式进行确认。第三，通过概率Pm实施相关的变异操作，如果每代具备15个字串，并且每个字串具备12位，那么共计具备15×12=180个串位，要求的变异串位则是180×0.01=2(位),其实就是每代中具备2个串位从1变成0或是从0变成1。

(二)利用遗传算法优化PID控制器参数的具体步骤及程序流程。1.大体上确认每个参数的区间范畴与编码长度，从而实施对应的编码；2.随机产生n个个体构成初始群体P(0)；3.把种群里面的各项个体实施解码操作，从而变成相应的参数值，通过这些数据求取代价函数值J还有适应函数值f，f=1/J；4.通过对算子实施复制、交叉、变异这些操作，从而对于种群P(t)实施一系列相关的操控，从而形成下1代的种群P(t+1)；对于第(3)、(4)步进行重复执行，直到参数实现收敛或是实现预设的指标为止。

三、用Simulink优化设定值前馈型二自由度PID控制器参数

在遗传算法里面，运用到的样本数目是30，至于交叉概率，则是：Pc=0.90。变异概率采用可变概率。如果适应度较大，那么对应的变异概率则会较低，为确保最大限度留下个体，因此变异的概率则是Pm=0.10-[1:1:Size]*(0.01)/Size；至于参数kp的选值则在[0，20]这个区间内，至于ki，kd的选值则在[0,5]这个区间内，选用的是实数编码这种样式。

在历经了100代的进化处理之后，得到的改良参数为下：实施PID整定的最终结果则是kp=3.7080，kd=0.2253，ki=4.8007，至于代价函数J的改良流程，它与实施整定之后的PID能够实现对阶跃响应的调控。

结语

关于PID控制，因为它的算法比较简洁，并且具备优质的鲁棒性，具备较高的牢靠性，能够普遍使用到真实的作业现场中，然而PID控制属于一类线性的调控方式，对于非线性体系和具备多变量的繁杂体系，其在调控方面的效果较弱。遗传算法能够实现全局优化，线性的对象或是非线性的对象，连续型的对象或是离散型的对象，它们均能够通过遗传算法实施相关的改良。这2类算法具备互补的特性，这令我们想起把这2类算法进行较佳的联合，指出一类以遗传算法为基础的PID控制，对于PID的相关参数实施自寻优操作。这篇文章对于这种算法的完成过程实施了具体的陈述，并且实施了相关的仿真试验，从而获得优质的调控效果。