[发明专利]一种基于自适应遗传算法的PID参数优化方法

摘要

本发明涉及水产养殖中溶解氧含量的PID控制算法中一种基于自适应遗传算法的PID参数优化方法。首先对对KP、KI、KD的编码采用二进制编码、多参数连接方式，对三个参数用10位二进制码表示，三个参数依次串联在一起形成一个解的字符串。然后进行适应函数的设计，适应函数设计应把最优预测形成的反馈偏差e(t)，偏差的变化率和控制量u(t)三者进行折衷。遗传算子中的选择、交叉和变异的算法均采用引入自适应机制的遗传操作策略，即采用自适应选择、自适应交叉和自适应变异。最后输出结果即该个体对应的KP、KI、KD值；反之则要进行新一轮选择、交叉和变异的遗传操作。

主权项

一种基于自适应遗传算法的PID参数优化方法，其特征在于：包括如下步骤：(1)对KP、KI、KD进行编码对KP、KI、KD的编码采用二进制编码、多参数连接方式，对三个参数用10位二进制码表示，三个参数依次串联在一起形成一个解的字符串，即个体，其字符串长度为30。设参数KP∈[Pmin,Pmax]，这里Pmin，Pmax为KP的上下限，则对KP的某一个值Pi，其对应的二进制值Xi为：Xi=(2L-1)Pi-PminPmax-Pmin---(1)]]>式中L为二进制码的长度。同理，对KI、KD的处理采用类似方法。(2)适应函数的设计适应度函数的设计，应避免在进化的开始由于少数性能较优的个体适应度过大而淹没其他个体，使寻优过程缓慢或出现未成熟收敛。由于控制决策旨在使控制偏差趋于零，有较快的响应速度和较小的超调量，因此适应函数设计应把最优预测形成的反馈偏差e(t)，偏差的变化率和控制量u(t)三者很好地进行折衷。适应函数如下：F＝c/J  (2)其中，c＝10n，n为整数，当个体的适应度相差较大时，n≤0；相差较小时，n≥0。J为与个体对应的KP、KI、KD的二次型性能指标函数：J=∫0t(ω1e2(t)+ω2u2(t)+ω3e·2(t))dt---(3)]]>其中，ω1，ω2和ω3是权值，一般取ω1＝100，ω2＝10，ω3＝1。(3)遗传算子的操作遗传算子中的选择、交叉和变异的算法均采用引入自适应机制的遗传操作策略，即采用自适应选择、自适应交叉和自适应变异。上一代群体通过对其个体的选择、交叉和变异，形成了新的群体，然后可以对新的群体中的个体(也就是KP、KI、KD构成的字符串)进行解码，从而得到所对应的KP、KI、KD的值，每个个体按其相应的KP、KI、KD值对系统进行PID控制，由控制输出u(t)、误差e(t)和误差的变化率根据适应函数F＝c/J可以求得该个体的适应度值。此处应该注意的是计算用到的u(t)、e(t)是模型响应的输出与偏差，而不是实际过程响应的输出与偏差。这是因为遗传算法是一种以概率规则指导的寻优算法，因而若直接以过程评价进行在线优化，其中某些随机搜索点对应的参数有可能使系统失控，采用模型评价则可以避免。另外，水产养殖环境因子的特性决定了系统的响应比较慢，若采用实际过程评价，则每一代进化的时间都很长，难以保证实时性。(4)当算法已收敛到指定精度或迭代步数达到最大值，则算法结束，本代中适应度值最大的个体即为最优解，最后输出结果，即该个体对应的KP、KI、KD值；反之则要进行新一轮选择、交叉和变异的遗传操作。这样就形成了一个带终止条件判断的寻优循环，只要合理设置群体数量N、交叉概率Pc与变异概率Pm，构造一个有效的适应函数，就会使单一PID控制参数难以整定的问题得到很好的解决，从而使PID控制这一简单成熟的控制方法得以在各个领域继续发挥可靠的作用。