浅淡基于遗传算法的PID控制技术

浅淡基于遗传算法的PID控制技术

唐永环

关键词：遗传算法，PID，控制

1.PID控制概述

按偏差的比例(Proportional)、积分(Integral)、积分(Derivative)控制，简称PID控制。PID控制是过程控制中广泛应用的一种控制。

系统由模拟PID控制器和被控对象构成。PID控制器是一种线性控制器。它根据给定值r(t)与实际输出值c(t)构成偏差：e(t)=r(t)-c(t)。PID控制器是将偏差的比例P、积分I和微分D通过线性组合构成控制量，对被控对象进行控制，故称PID控制器。

PID控制的控制效果的好坏在很大程度上取决于系统的参数的整定，即控制

器参数的选择，那么控制器的三个参数究竟对控制效果起什么样的作用呢?简单

说来，PID控制器各校正环节的作用如下：

(1)比例环节

比例环节能及时成比例地反映控制系统地偏差信号，偏差一旦产生，控制器立即产生控制作用，以减少偏差。比例系数K，增大，可以加快系统响应速度，减小系数稳态误差，提高控制精度。但是过大会产生较大超调，甚至导致不稳定；若取得过小，能使系统减少超调量，稳态裕度增大，但会降低了系统的调节精度，使过渡过程时间延长。根据系统控制过程中各个不同阶段对过渡过程的要求以及操作量的经验，通常在控制的初始阶段，适当地把K，放在较小的档次，以减小各物理量初始变化的冲击；在控制过程中期，适当加大KP，以提高快速性和动态精度，而到过渡过程的后期，为了避免产生大的超调和提高静态精度稳定性，又将K，调小。

(2)积分环节

积分调节可提高系统的抗干扰能力，主要用于消除静差，提高系统的无静差度，适用于有自平衡性的系统。但它存在滞后现象，使系统的响应速度变慢，超调量变大，并可能产生振荡。积分作用的强弱取决于积分时间常数Ti，Ti越大，积分作用越小，反之则越强。加大积分系数T有利于减小系统静差，但过强的积分作用会使超调加剧，甚至引起振荡；减小积分系数Ti；虽然有利于系统稳定，避免振荡，减小超调量，但又对系统消除静差不利。通常在调节过程的初期阶段，为防止由于某些因素引起的饱和非线性等影响而造成积分饱和现象，从而引起响应过程的较大超调量，积分作用应弱些而取较小的；在响应过程的中期，为避免对动态稳定性造成影响，积分作用应适中；在过程后期，应以较大的Ti；值以减小系统静差，提高调节精度。

(3)微分环节

微分环节能反映偏差信号的变化趋势(变化速率)，并能在偏差信号值变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减小调节时间，从而改善了系统的动态特性。缺点是抗干扰能力差。Td的值对响应过程影响非常大。若增加微分作用，有利于加快系统响应，使超调量减小，增加稳定性，但也会带来扰动敏感，抑制外干扰能力减弱，若Td过大则会使响应过程过分提前制动从而延长调节时间；反之，若Td过小，调节过程的减速就会滞后，超调量增加，系统响应变慢，稳定性变差。因此，对于时变且不确定系统，Td不应取定值，应适应被控对象时间常数而随机改变。

2.遗传算法

遗传算法简称GA，是1962年由美国的Holland提出的一种模仿生物进化过程的最优化方法。它将“优胜劣态，适者生存”的生物进化原理引入优化参数形成的编码串群体中，按所选择的适配值函数并通过遗传中的复制、交叉及变异对各个体进行筛选，使适配值高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中各个体适应度不断提高，直至满足一定的条件。其算法简单，可并行处理，能得到全局最优解。它的主要特点是：

(1)遗传算法是对参数的编码进行操作，而非对参数本身；

(2)遗传算法是从许多点开始并行操作，而非局限于一点；

(3)遗传算法通过目标函数来计算适配值，而不需要其他推导，从而对问题的依赖性较小；

(4)遗传算法的寻优规则是由概率决定的，而非确定性的；

(5)遗传算法在解空间进行高效启发式搜索，非盲目地穷举或完全随机搜索；

(6)遗传算法对于待寻优的函数基本无限制，它既不要求函数连续，也不要求函数可微，既可以是数学解析式所表示的显函数，又可以是映射矩阵甚至是神经网络等隐函数，因而应用范围较广；

(7)遗传算法具有并行计算的特点，因而可通过大规模并行计算来提高计算速度；

(8)遗传算法更适合大规模复杂问题的优化；

(9)遗传算法计算简单，功能强。

3.基于遗传算法的PID控制方法

采用遗传算法进行PID三个参数的整定，具有以下优点：

(1)与单纯形相比，遗传算法同样具有良好的寻优特性，且它克服了单纯形参数初值的敏感性。在初始条件选择不当的情况下，遗传算法在不需要给出调节器初始参数的情况下，仍能寻找到合适的参数，使控制目标满足要求。同时单纯形法难以解决多值函数问题以及在多参数寻优中，容易造成寻优失败或时间过长，而遗传算法的特性决定了它能很好地克服以上问题。

(2)与专家整定法相比，它具有操作方便、速度会地优点，不需要复杂地规则，只通过字串进行简单地复制、交叉、变异，便可达到寻优。避免了专家整定法中前期大量地知识库整理工作及大量地仿真实验。

(3)遗传算法是从许多点开始并行操作，在解空间进行高效启发式搜索，克服了从单点出发的弊端以及搜索的盲目性，从而使寻优速度更快，避免了过早陷入局部最优解。

(4)遗传算法不仅适用于单目标寻优，而且也适用于多目标寻优。根据不同的控制系统，针对一个或多个目标，遗传算法均能在规定的范围内寻找到合适的参数。

遗传算法作为一种全局优化算法，得到了越来越广泛的应用。近年来，在控

制上的应用也越来越多。

结构如图2所示。遗传算法应用于数字PID控制器参数整定的基本思想是：在寻优时先对PID参数进行编码，按一定模初始化一个种群，种群中的每一个体代表一个可能的解。然后根据适值函数，计算每一个体的适值并此控制再生操作，之后按一定的概率对种群进行交叉、变异操作。这样种群不断进化，直至寻优结束。

参考文献：

[1]李士勇.模糊控制，神经控制和智能控制论.哈尔滨工业大学出版社，1996

[2]丁永生，应浩，任立红，邵世煌.解析模糊控制理论：模糊控制系统的结构和稳定性分析.控制与决策，2000

[3]陶永华，尹怡欣，葛芦生编著.新型PID控制及其应用.机械工业出版社，1999