基于遺傳優(yōu)化和模糊推理PID參數(shù)及MATLAB仿真

本文提出一種基于遺傳優(yōu)化和模糊推理相結(jié)合的自適應(yīng)模糊PID 控制算法，算法由
遺傳算法和模糊推理兩部分構(gòu)成，分別用于離線優(yōu)化和在線優(yōu)化。仿真結(jié)果表明，這種自適應(yīng)PID 控制器的性能，比僅用遺傳算法優(yōu)化的PID 控制器更好,并且抗干擾能力更強。
關(guān)鍵詞PID，遺傳算法，模糊推理
PID 控制具有結(jié)構(gòu)簡單、穩(wěn)定性能好、可靠性高等優(yōu)點，尤其適用于可建立精確數(shù)學(xué)模
型的確定性控制系統(tǒng)。在控制理論和技術(shù)飛速發(fā)展的今天，工業(yè)過程控制領(lǐng)域仍有近90%的回路在應(yīng)用PID 控制策略。在實際的應(yīng)用中，許多被控過程機理復(fù)雜，具有高度非線性、時變不確定性和純滯后等特點。在噪聲、負(fù)載擾動等因素的影響下，過程參數(shù)甚至模型結(jié)構(gòu)均會隨時間和工作環(huán)境的變化而變化。這就要求在PID 控制中，不僅PID 參數(shù)的整定不依賴于對象數(shù)學(xué)模型，并且PID 參數(shù)能夠在線調(diào)整，以滿足實時控制的要求，PID 控制器性能的好壞完全依賴于其參數(shù)的整定效果。針對這一現(xiàn)象，一系列的智能PID 控制算法提出來了，其中有兩類主要的優(yōu)化方法：1、模糊自適應(yīng)PID 控制器[2，4，6]，該方法是在J.G.Ziegler出了一種PID 參數(shù)整定方法(即ＺＮ法)的基礎(chǔ)上，得到Kp， Ki ， Kd 的初始值，然后利用預(yù)先制定的一組模糊控制規(guī)則表，在控制過程中通過表，在線調(diào)整求得PID 參數(shù)。這種方法對于初始規(guī)則的制定，隸屬函數(shù)的選擇依賴性很強。而且ZN 法整定的參數(shù)，系統(tǒng)的超調(diào)大。2 基于遺傳算法的PID 控制，該方法是利用遺傳算法的全局優(yōu)化能力，通過優(yōu)勝劣汰選擇PID 參數(shù)。然而遺傳算法優(yōu)化不適于在線優(yōu)化，實時性不強。作者考慮是否可利用遺傳算法的全局優(yōu)化能力，得到一個比用ZN 法更好的初始參數(shù)Kp， Ki ， Kd ，然后再用模糊推理方法在線優(yōu)化調(diào)整PID 參數(shù)Kp， Ki ， Kd 的權(quán)值α，β，γ。本文正是基于此提出一種先用遺傳算法優(yōu)化ＰＩＤ參數(shù)，得到初始的Kp， Ki ， Kd ，以這三個參數(shù)作為在線調(diào)整的初始值，根據(jù)系統(tǒng)當(dāng)前的誤差E 和誤差變化率EC 在線調(diào)整PID 參數(shù)的Kp， Ki ， Kd 。仿真結(jié)果證明該方法是有效的。