基于遺傳算法優(yōu)化的智能控制研究.pdf

1、PID控制器因其原理清晰、結(jié)構(gòu)簡(jiǎn)單、實(shí)現(xiàn)方便，至今仍廣泛應(yīng)用于工業(yè)現(xiàn)場(chǎng)控制領(lǐng)域。PID控制器應(yīng)用的關(guān)鍵在于選擇合適的參數(shù)，以適應(yīng)不同的控制對(duì)象。但是對(duì)于具有時(shí)變性、大滯后特性的控制對(duì)象，PID控制器的控制效果有限，原因在于其參數(shù)不具備在線整定能力，難以適應(yīng)變化的環(huán)境。這是自PID控制算法提出以來(lái)，許多研究人員一直努力改善的問(wèn)題。
　　 人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network)是從生理角度對(duì)智能的模擬，具

2、有極高的學(xué)習(xí)能力和自適應(yīng)能力，能夠以任意精度逼近任意函數(shù)，完成對(duì)系統(tǒng)的仿真；而遺傳算法是對(duì)自然界生物進(jìn)化過(guò)程的模擬，具有極強(qiáng)的全局尋優(yōu)能力，這兩種算法都是當(dāng)下研究較多的智能方法。將這兩種方法與常規(guī)的PID控制相結(jié)合，構(gòu)成智能PID控制器，使其具有參數(shù)自整定、自適應(yīng)的能力，以適應(yīng)復(fù)雜環(huán)境下的控制要求，這一思路對(duì)提高控制效果具有很好的現(xiàn)實(shí)意義。
　　 本文主要做了三部分工作：
　　 第一，深入研究常規(guī)PID控制，熟悉各個(gè)參數(shù)

3、的物理意義及對(duì)控制效果的影響。探討關(guān)于PID控制各個(gè)環(huán)節(jié)的相關(guān)改進(jìn)和比較常用的參數(shù)整定方法。
　　 第二，重點(diǎn)研究與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的PID智能控制。借助與BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，在線自整定PID控制的三個(gè)參數(shù)。由于BP算法是基于梯度下降法的，所以會(huì)以一定的概率陷入局部極小，網(wǎng)絡(luò)無(wú)法收斂至全局最優(yōu)。因此，深入探討B(tài)P算法的相關(guān)改進(jìn)。
　　 第三，遺傳算法由于其獨(dú)特的運(yùn)算方式，具有了極強(qiáng)的全局搜索能力，甚至?xí)愿怕?收