论文总字数：27327字

摘 要

PID控制器的特点是结构简单，适应性强，特别是不依赖对象的精确模型，对系统参数的变化具有较好的鲁棒性，可以解决在工业过程中精确建模的困难。而且其应用时期较长，控制工程师们已经积累了大量的PID控制器参数调节经验。但是简单的PID控制往往不能达到令人满意的程度，对于时变对象和非线性系统，传统的PID控制更显得无能为力。因此，神经元非模型控制器的研究和发展对控制器来说是很有必要的。

GA是一种具有极高鲁棒性的全局优化方法，在自控领域得到广泛的应用。用 MATLAB 作为仿真工具，针对所设定的控制对象，基于遗传算法所选取出的神经元控制器参数，实现了多性能目标优化。通过仿真分析结果可知，这种选取方法，是一种比较好的方法，具有比较好的理论意义和现实意义。

关键词：神经元非模型控制器；遗传算法；PID参数优化；MATLAB仿真

Abstract

The character of PID controllers is simple is simple structure, good adaptability and great robustness,especially they don’t depend on the precise model of the objects.They can also solve the difficulty of precsise modeling in industrial process.Since they are used for a long time , the control engineers have already accumulated a great deal of tuning experience of PID controllers’parameters.But the simple PID controllers can’t get the satisfied degree,especially for the time-varying objects and non-linear systems , the traditional PID controllers can do nothing for them.

GA is a global optimization algorithms with high robustperformance． It has been widely applied in automatic controlfield． PID optimization based on GA realizes the multi. Form the simulation result,we can see GA is a good methodto select PID factors, and has its theoreticism and actuality

Key words: Genetic algorithms; PID optimal-tuning;MATLAB simulate

目 录

摘要 I

Abstract II

目 录 III

第一章 绪论 1

1.1 引言 1

1.2 参数整定智能控制的研究现状 1

1.3 本论文所研究的主要内容 5

第二章 神经元非模型控制器 6

2.1 数字PID基本算法 6

2.2 改进的数字PID算法 7

2.2.1 积分分离PID算法 7

2.2.2 抗积分饱和PID控制算法 7

2.3神经元非模型控制器 9

2.4模糊神经元控制器 10

2.5本章小结 11

第三章 遗传算法 12

3.1 概述 12

3.2 遗传算法的数学理论 14

3.3 标准遗传算法 16

3.3.1 编码方式 17

3.3.2 初始种群的设定 18

3.3.3 适应度函数 18

3.3.4 遗传操作 19

3.3.5 收敛性 20

3.3.6 遗传算法中关键参数的确定 20

3.4 遗传算法与系统的最优化 21

3.5 本章小结 22

第四章 基于遗传算法的控制器参数优化整定 23

4.1 概述 23

4.1.1 参数整定 23

4.1.2 基于GA的参数整定的优点和需要解决的问题 23

4.1.3 本章阐述的方法所具有的特点 24

4.2 基于遗传算法的参数整定程序设计方案 24

4.2.1 参数的编码 24

4.2.2 参数变化范围的确定 25

4.2.3 选取初始种群 26

4.2.4 适应度函数调整 26

4.2.5 遗传算法流程图 26

4.3 本章小结 30

第五章基于遗传算法用于神经元参数整定的MATLAB仿真 31

5.1 二阶模型 31

5.1.1 基于遗传算法的参数整定 31

5.1.2 经典参数整定 32

5.1.3 两种方法的比较 34

5.2 三阶模型 34

5.2.1基于遗传算法的参数整定 34

5.2.2 经典参数整定 35

5.2.3 两种方法的比较 36

5.3 本章小结 37

结论与展望 38

参考文献 39

第一章 绪论

1.1 引言

神经元非模型控制器是迄今为止最通用的控制方法。大多数反馈回路用该方法或其较小的变形来控制。神经元非模型控制器及其改进型是在工业过程控制中最常见的控制器。我们今天所熟知的控制器产生并发展于1915~1940年期间，尽管自1940年以来，许多先进控制方法不断推出，但神经元控制器以其结构简单，对模型误差具有鲁棒性及易于操作等优点，仍被广泛应用于冶金、化工、电力、轻工和机械等工业过程控制中。如前所述，神经元控制在工业控制中占主导地位，无论是常规调节仪表还是集散控制系统(DCS)或者可编程序控制器(PLC)控制器大多还是采用神经元控制。然而神经元控制器的参数决定了被控对象控制品质的优劣，因此，整定好控制器的参数，选择它们之间的最佳组合，是广大工人技术人员和现场维护人员的一项重要任务^[1]。

目前神经元控制器研究面临的主要问题：

虽然神经元控制器的结构简单，容易被理解和实现，应用中不需要精确的系统模型的预先知识，因而神经元控制器成为应用最广泛的控制器；但是人们对神经元控制器的认识和改进远没有完成，到目前为止神经元控制的机理、使用范围、鲁棒性等问题还没有彻底全面的分析研究，有很多问题值得深入研究：

1、神经元非模型控制器对系统基本线性和动态特性不随时间变化的系统能较好的控制，而很多工业过程是非线性或时变的。

2、参数必须根据过程的动态特性才整定得很好。如果过程的动态特性变化，例如可能由负载的变化引起系统动态特性变化，参数要重新整定。实际应用中，参数的整定很困难。

3、神经元非模型控制器在控制非线性、时变、强耦合及结构不确定的复杂过程时显得无能为力。

1.2 参数整定智能控制的研究现状

神经元非模型控制器（亦称神经元调节器）是应用最为广泛的一种自动调节器，它是具有几十年应用经验的一种算法，无论在模拟调节还是在数字控制中，都得到了广泛的应用。最新的调查结果表明：在现今使用的控制方式中，神经元非模型占84.5 % ,优化型占6.8%，现代控制型占1.5%，手动控制型占6.6%，人工智能(AI)型占0.6%。如果把神经元型与优化型加起来，则占90%以上，这说明神经元控制方式在现阶段的工业控制中绝对的主导地位。

请支付后下载全文，论文总字数：27327字