基于遗传算法的改进PID控制器设计及应用

丁浩浩　胡士成

【摘 要】提出了一种基于遗传算法优化改进的单神经元自适应PID控制算法，避免一些参数及权系数的在线修正参考实验经验的问题。该算法有两部分构成。第一部分就是改进的单神经元自适应PID控制D、P、I的值，第二部分结合遗传算法在改进的单神经元自适应PID控制的同时寻求合适的学习效率以及比例系数。通过柴油机调速中电磁执行器仿真实例表明，该方法取得了很好的效果。

【关键词】遗传算法；单神经元；电磁执行器；仿真

【Abstract】An improved single neuron adaptive PID control algorithm based on genetic algorithm is proposed to avoid the on-line correction of some parameters and weights. The algorithm consists of two parts.The first part is the improved single neuron adaptive PID control D，P，I value，the second part of the combination of genetic algorithm and the improved single neuron adaptive PID control for learning efficiency and proportion coefficient.The simulation example of electromagnetic actuator in diesel engine speed regulation shows that this method can achieve good results.

【Key words】Genetic algorithm；Single neuron；Eelectromagnetic actuator；Simulation

0 引言

PID控制是一種是按照偏差的微分、积分、比例来分别对其进行控制，此控制在工业中是最常见的一种控制方法，但是在实际生活中PID的一些参数整定会受到各种外部和内部环境条件的制约，这样就很难达到我们想要的结果，尤其是当控制对象具有时变性特点时，他们的一些参数整定困难变大。综合以前的知识，到目前为了提高PID控制器参数的优化的多种方法之中，神经网络对PID参数整定还是比较简单，并且是易于实现其目的的[1]。常规的神经网络自适应PID控制有许多不完善之处，其中最主要的问题就是神经网络的学习率都是采用实验加经验法的方式由人工进行优化，往往费时而却难以满足实时的控制要求。为了改善控制系统的性能，解决控制对象参数难以优化，我将提出遗传算法对神经网络中的一些参数优化策略。

1 改进的单神经元自适应PID控制器

该系统是我们利用它具有自适应和自学习的能力，去实现单神经元PID控制器[2]。它的控制系统结构如图1所示，结构看起来很简单，对环境的适应很快，计算量比较小，鲁棒性强，而且易于理解。在这里我们设输入为yd，输出为 y（k），经转换器转换成控制器所需要状态值x1，x2，x3。d（k）为性能指标或递进信号，我们在这里取 d（k）= yd（k）-y（k）=e（k）。

图1 单神经元自适应PID控制结构

单神经元自适应控制器是通过对加权系数的调整，去实现自组织、自适应功能。改进的部分就是将其中的xi（k）改为e（k）+△e（k），其表达如下：

■

■

■

式中K（K>0）为神经元的比例系数，wi（k）是所对应xi（k）的权系数。

■。

2 遗传算法对改进控制器学习率及K值的选择

遗传算法[2]是借鉴自然遗传机制和生物界自然选择的随机搜索方式，它借鉴了孟德尔的遗传学说和达尔文的进化论。遗传算法能在空间的搜索过程中高效地进行，同时积累有关搜索的知识，又能够自动获取，并自适应寻求最优解。其本质是全局的搜索方法。

利用遗传算法优化的具体步骤是：

1）首先要确定每个需要参数的大致范围，然后对其编码。设群体大小M=50，终止进化代数G=100，一般取值范围为100～500；

2）随机产生n个个体，去构成初始种群P（0）；

3）解码种群中各个体，形成相应的参数值，然后用参数求代价函数值J，知道J值就能获得适应度值f，两者之间是倒数关系；

4）应用变异算子、交叉和复制知识，对种群P（t）进行操作，产生下一代种群P（t+1）。交叉概率 Pc=0.8，变异概率 Pm=0.03；

5）重复（3）和（4）步骤，达到预定或达到参数收敛的要求。

3 柴油机调速中电磁执行器进行参数优化仿真

船舶柴油机作为被控对象是有一定意义的，它的特点是强非线性以及结构复杂。随着负载、转速或者其他条件的变化时，柴油机的时变性问题突出，非线性问题也会体现出来，其中的参数要是变化突出，这样就会让系统的性能不稳定起来。本文章的方法就是让柴油机有良好的运行性能，对参数进行智能整定。本文选取的被控对象是柴油机调速系统中某型电磁执行器的无量化模型[3]：

由图2和图3可以清楚的知道，参数改变的改进的PID算法的超调量很小，而且上升时间很快，此外在很短的时间内就能调整好。图4为代价函数值J的优化过程。图3也充分地体现了参数改变的改进PID算法的跟踪性能。所以，本篇文章提出改进的PID算法要好于只用改进的单神经元自适应PID控制算法。

4 结论

遗传算法结合改进的单神经自适应PID控制的算法对一些被控对象的效果是可观的。此算法既保留了通常的PID控制算法，又使PID算法在线修正以及实时性增强，这是通过神经网络和遗传算法实现的。该算法还具有原理简单、易于实现、鲁棒性强和适用面广等优点，能够获得较好的控制综合性能，而且在结构上具有常规PID控制算法简洁的特点。仿真结果验证了此算法在实践中的优越性。

【参考文献】

[1]刘士荣，等.计算机控制系统[M].第2版.北京：机械工业出版社，2012.

[2]刘金琨.先进PID控制MATLAB仿真[M].第3版.北京：电子工业出版社，2011.

[3]刘军华，等.基于改进遗传算法的柴油机调速控制研究[J].舰船电子工程，2013，33（8）：164-166.

[责任编辑：田吉捷]