自适应遗传算法在PID控制参数优化中的应用.pdf
文本预览下载声明
第! 卷 第# 期 邵阳学院学报(自然科学版) $%’ !’ (%’ #
)**+ 年! 月 ,%-./0 %1 230%40/5 6/789.:7;4 (279/9 0/= 93/%%54 ) ?0.’ )**+
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
文章编号:#+@) A @* #* ()**+ )* # A **!B A **!
自适应遗传算法在CDE 控制参数优化中的应用
# )
李凯南 ,潘笑
(#’ 邵阳学院信息与电气工程系,湖南 邵阳 F))**F ; ) ’ 武汉大学动力与机械工程学院自动化系,湖北 武汉 F!**@) )
摘要:针对传统的CDE 控制中参数整定的难题,采用智能控制技术优化CDE 参数,利用神经网络进行系统辨识,
建立对象模型;在此模型基础上,运用遗传算法寻优CDE 控制参数,采用变交叉概率和变异概率自适应遗传算法寻
优得到CDE 控制参数,与传统的整定结果相比较,遗传算法优化效果更好,最终达到最优的控制效果’
关键词:CDE 控制;参数优化;遗传算法;神经网络
中图分类号:C#G ,C)@! 文献标识码:H
!#$%’$() ’( *+,-’-+. (/ *01 2()’+(# 3.-4 () 5-)-’$% !#6(+$’7,
ID J9/ A /0/ ,CH(K L70%
(!# $%’( )* +(* )%’$,)( $(- ./0%,0$/ .(1,(%,(1 ,23$)4$(1 5(,6%7,4 ,23$)4$(1 ,89($( F))**F ;
): !# $%’( )* $9)’$,)( ,( ;93$( 5(,6%7,4 89, ,;93$( F!**@) )
!8.’+%’ :39 3%79 0/= =917/7;7%/ %1 ;39 M0.0N9;9.: %1 CDE 0.9 89.4 =7117-; 1%. 0 %/5 ;7N9’ D/ ;37: M0M9. O9 %M;7N7P9 CDE M0.0NQ
9;9.: O7;3 7/;9759/; %/;.% ;93/%%579: 0/= =7:;7/5-7:3 :4:;9N O7;3 /9.89 /9;O%.R 0/= :9; -M ;0.59; N%=9;S/ ;39 T0:7: %1 ;37: N%=9
,;39 59/9;7 05%.7;3N(KH )7: -:9= ;% :99R 9U99/; CDE %/;.% M0.0N9;9.:’ 39 9119; %1 KH %M;7N7P7/5 ,O373 0=0M;: ;39 :91 A 0=0MQ
;789 KH %1 80.70;7%/ .%::7/5 M.%T0T77;4 0/= 80.70;7%/ M.%T0T77;4 ;% 59; ;39 M0.0N9;9.: %1 CDE %/;.%9. ,7: M.7%. ;% ;.0=7;7%/0 =917/7;7%/ ,
0/= 59;: ;39 %M;7N-N .9:-; %1 %/;.% 17/04’
9-: ;(+4. :CDE %/;.% ;%M;7N7P7/5 M0.0N9;9. ;59/9;7 05%.7;3N(KH );/9.89 /9;O%.R
在工业过程控制的发展史上,CDE 控制是历史最 # 基于神经网络的系统辨识
悠久,生命力最强的控制方式,在国内V*W 以上的回
系统辨识是研究怎样通过运行或试验数据来建
路仍采用 CDE 控制器,因此,在工业智能化的进程 [) ]
立被控对象(系统或过程)的数学模型 所谓模型
显示全部