基于遗传优化和模糊推理PID参数及MATLAB仿真

本文提出一种基于遗传优化和模糊推理相结合的自适应模糊PID  控制算法，算法由遗传算法和模糊推理两部分构成，分别用于离线优化和在线优化。仿真结果表明，这种自适应PID  控制器的性能，比仅用遗传算法优化的PID  控制器更好,并且抗干扰能力更强。关键词PID，遗传算法，模糊推理PID  控制具有结构简单、稳定性能好、可靠性高等优点，尤其适用于可建立精确数学模型的确定性控制系统。在控制理论和技术飞速发展的今天，工业过程控制领域仍有近90%的回路在应用PID  控制策略。在实际的应用中，许多被控过程机理复杂，具有高度非线性、时变不确定性和纯滞后等特点。在噪声、负载扰动等因素的影响下，过程参数甚至模型结构均会随时间和工作环境的变化而变化。这就要求在PID  控制中，不仅PID  参数的整定不依赖于对象数学模型，并且PID  参数能够在线调整，以满足实时控制的要求，PID  控制器性能的好坏完全依赖于其参数的整定效果。针对这一现象，一系列的智能PID  控制算法提出来了，其中有两类主要的优化方法：1、模糊自适应PID  控制器[2，4，6]，该方法是在J.G.Ziegler出了一种PID  参数整定方法(即ＺＮ法)的基础上，得到Kp，  Ki  ，  Kd  的初始值，然后利用预先制定的一组模糊控制规则表，在控制过程中通过表，在线调整求得PID  参数。这种方法对于初始规则的制定，隶属函数的选择依赖性很强。而且ZN  法整定的参数，系统的超调大。2  基于遗传算法的PID  控制，该方法是利用遗传算法的全局优化能力，通过优胜劣汰选择PID  参数。然而遗传算法优化不适于在线优化，实时性不强。作者考虑是否可利用遗传算法的全局优化能力，得到一个比用ZN  法更好的初始参数Kp，  Ki  ，  Kd  ，然后再用模糊推理方法在线优化调整PID  参数Kp，  Ki  ，  Kd  的权值α，β，γ。本文正是基于此提出一种先用遗传算法优化ＰＩＤ参数，得到初始的Kp，  Ki  ，  Kd  ，以这三个参数作为在线调整的初始值，根据系统当前的误差E  和误差变化率EC  在线调整PID  参数的Kp，  Ki  ，  Kd  。仿真结果证明该方法是有效的。

评论

加载更多