pdf

基于遗传优化和模糊推理PID参数及MATLAB仿真

  • 1星
  • 日期: 2013-09-21
  • 大小: 158.88KB
  • 所需积分:1分
  • 下载次数:7
  • favicon收藏
  • rep举报
  • free评论
标签: 基于遗传优化和模糊推理PID参数及MATLAB仿真

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。

更多简介内容

推荐帖子

评论

登录/注册

意见反馈

求资源

回顶部

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2021 EEWORLD.com.cn, Inc. All rights reserved
$(function(){ var appid = $(".select li a").data("channel"); $(".select li a").click(function(){ var appid = $(this).data("channel"); $('.select dt').html($(this).html()); $('#channel').val(appid); }) })
×