CN103143298A - 基于遗传算法优化的人造金刚石液压机调功控制方法 - Google Patents

Abstract

本发明的基于遗传算法优化的人造金刚石液压机调功控制方法，其控制中心设置储存加热功率与时间关系的工艺参数和基于遗传算法的调节比例积分参数的控制规则的存储模块、信号处理模块以及比例积分微分控制模块；调功控制的步骤包含：（01）首先根据需求提取实际生产过程中的工艺参数；（02）根据优化需求对工艺参数进行预处理；（03）根据获得数据进行遗传算法寻优运算；（04）寻优结束，输出优化结果，根据优化结果进行功率调节。该系统能迅速针对外电网的变化对加热功率进行调节，减少了超调量，提高合成块加热功率的控制精度。

Description

基于遗传算法优化的人造金刚石液压机调功控制方法

技术领域

本发明涉及人造金刚石设备，特别是一种人造金刚石液压机，具体是一种基于遗传算法优化的人造金刚石液压机调功控制方法。

背景技术

人造金刚石液压机是通过在两个对顶的顶锤上加低电压大电流，电流经过合成块引起合成块内部电阻发热达到加热目的。根据热力学和高压物理，按人造金刚石合成机理可计算加热功率和液压系统的压力在时间上的配合曲线。为了更好地控制合成块内部温度、压力，从而控制整个合成过程，目前普遍采用的方法是通过测算加热系统加热功率和液压系统的压力并对其进行控制，即控制合成块内部温度和压力与时间的变化关系，使其符合人造金刚石温度压力配合曲线。

目前大部分人造金刚石液压机的调功系统都是按上述原理设计的。这种系统可以采用单片机、PLC或其他微处理器构成主控器，并采用交流互感器测量热变压器的原边电压和电流信号，并且转换为均值作下一步处理。这些信号与预先储存的工艺参数比较，经一定的控制算法处理后，通过控制可控硅的控制角来调节加热变压器的输出电压、电流，从而控制合成块的加热功率。调节方式有恒平均电压、恒平均电流、恒有效电压、恒有效电流、恒功率五种方式。工程上，常用的PID（比例积分微分）参数整定方法是ZN法（Ziegler-Nichols方法）。这种方法原理简单、操作方便，但由于其自身的特点，所获得的是粗略的结果，不适用于要求较高的场合。

但是，现场检测表明，上述人造金刚石液压机的调功系统控制精度并不高，尤其是外电网电压波动会对控制精度产生很大影响。由于生产现场存在很多不定时工作的大功率用电设备，电网电压甚至可能产生20%以上的波动。而且交流互感器的响应速度比较慢、检测精度不是很高、信号处理电路的惯性很大，因此难以保证合成块的加热控制精度。

合成块的温度控制精度已经成为影响人造金刚石质量和产量的最重要因素。因此，改进人造金刚石液压机的调功控制方法以提高控制精度是非常必要的。

发明内容

本发明针对现有技术的不足与缺陷，提供一种基于遗传算法优化的人造金刚石液压机调功控制方法，增加了优化参数原则的灵活性，实现了实时准确地检测加热电压、电流信号，并能迅速针对外电网的变化对加热功率进行调节，提高合成块加热功率的控制精度，最终可以有效地提高人造金刚石单晶和其复合片的质量。

本发明的基于遗传算法优化的人造金刚石液压机调功控制方法，包括含有单片机、PLC或其他微处理器的主控器、变压器和调功电路，将变压器原边经可控硅调压器连接交流电源，控制中心经光耦隔离电路与可控硅调压器连接，可控硅调压器连接在变压器的原边电路中，与变压器原边连接的电压检测电路的输出端和电流检测电路的输出端均连接与控制中心相连接的乘法器，同时也均直接连接控制中心，控制中心设置储存加热功率与时间关系的工艺参数和基于遗传算法的调节比例积分参数的控制规则的存储模块、信号处理模块以及比例积分微分控制模块；

调功控制的步骤包含：

（01）首先根据需求提取实际生产过程中的工艺参数；

（02）根据优化需求对工艺参数进行预处理；

（03）根据获得数据进行遗传算法寻优运算；

（04）寻优结束，输出优化结果，根据优化结果进行功率调节。

上述步骤（03）的具体过程包括：

A、设置初始化参数最大迭代次数、种群规模、交叉概率、变异率；

B、建立目标函数：

$J={\∫}_0^T\left(w_1\right|e\left(t\right)|+w_2{u}^2\left(t\right))\mathrm{dt}+w_3{t}_r$

C：选择编码方案将数据转换成遗传空间的基因型结构数据；

D：设定参数搜索范围的约束条件；

E：设定遗传算法寻优运算终止条件；

F：进行遗传算法寻优运算；

G：运算后判断是否达到终止条件，如达到则输出最优值，否则返回进行进一步寻优运算；

上述，

J:目标函数值；

u(t)：为比例积分微分控制模块输出；u(t)的引入是为了限制控制器输出，以避免加热功率（主要是电流）过大，导致相关功率器件损坏，以及合成材料损毁；

t_r：上升时间，定义为调功系统功率输出p_O从0至第一次达到给定值的95%的时间；

e(t)：为给定功率与输出功率的偏差；

W₁、W₂、W₃：为权值，可根据具体情况作适当调整；

T：时间t的极值上限，为方便计算取无穷大；

t：是时间变量。

过程A中，最大迭代次数M设定于200代—300代，种群规模设定于20—30，交叉概率设定于0.6—1.0，变异概率设定于0.005—0.01。

过程C中，编码方案采用二进制编码或实数编码。

过程D中，参数搜索范围的约束条件为 $\left\{\begin{array}{c}1\≤K_P\≤10\\ 0.1\≤K_I\≤1\\ 1\≤K_D\≤5\end{array}\right.$

K_P、K_I、K_D分别为比例系数K_P0、积分系数K_I0和微分系数K_D0的在线修正结果。

过程E中，遗传算法寻优运算终止条件为m>M，或者|J(X^m+1)-J(X^m)|≤ε。

上述，

m表示进化次数；

X：种群；

J(X^m)为第m次进化后种群的平均目标函数值；

J(X^m+1)为第m+1次进化后种群的平均目标函数值；

ε：相邻两次进化平均目标函数值之差应该小于等于的给定的精度。

过程F中，随机选取初始种群后，采用岛屿模型对初始种群进行划分，且根据目标函数计算个体适应度，采用Pareto优胜关系对种群中的个体进行排序，为保证优良个体不丢失，每一代中取具有最高适应度的个体强行遗传到下一代。

在调功控制的步骤（04），将优化结果送入比例积分微分控制模块准确计算下一时刻的可控硅控制角，控制中心将控制角信号送入可控硅调压器，对其进行移相触发，可控硅调压器控制变压器原边电压，变压器副边产生稳定低压大电流加热功率。

本发明的基于遗传算法优化的人造金刚石液压机调功控制方法，建立合适的目标函数是依据调功控制方法的性能指标，即稳定性、准确性和快速性，优化整定的过程就是要在有限步优化中得到目标函数值最小的参数组合。

本发明的控制中心的信号处理模块获得加热功率的当前给定值与实时加热功率平均值的偏差e，再对e进行微分运算，得到误差变化率ec。控制中心把偏差e和误差变化率ec当做输入变量，以上述目标函数及终止条件为约束，运用遗传算法规则进行寻优。

其遗传算法寻优具体过程描述如下：

（1）设定遗传算法初始化参数，包括种群规模、最大迭代次数、交叉率、变异率等。

（2）确定初始优化参数对应问题空间，在空间内随机选择个体构成第一代种群X¹。

（3）按岛屿模型将每一代子群分为

；将第一代种群X¹划分为子群体，。m为代数，n为子群数。

（4）根据适度值函数（适度值函数为F=1/J）分别计算第一代各子群X_i（i=1,2,3…n）中个体的适度值。

（5）分别对X_i（i=1,2,3…n）进行复制、交叉、变异操作，获得新的种群。

（6）根据适度值函数求取新一代种群中个体的适度值。

（7）基于Pareto优胜关系对每个种群中个体进行排序，保留健壮个体，去除劣势个体。再次进化过程中，为保证优良个体不丢失，在每一代子种群中适度值最大的个体不采用复制、交叉、变异操作直接进入下一代。

（8）将当代各个群体中适度值最高的5个个体按照岛屿群体模型进行交换。

（9）求取当前各子群中的最高适度值F^* _i（X），再取其中最大值为F^*（X），并计算各子群的平均适度值。

（10）判断是否达到终止条件，如达到输出最优值，否则返回（5）进行进一步进化。

本发明的基于遗传算法优化的人造金刚石液压机调功控制方法的优点为：采用遗传算法对PID控制器的参数进行控制调节，充分利用了遗传算法寻求全局最优解的特点，提高了系统性能，减少了计算时间，能根据实时加热功率信号迅速地应对外电网电压的变化，对加热变压器原边电压实时控制，达到加热功率的预设值，减少了超调量，实现有效提高人造金刚石单晶和其复合片的质量的最终目的。

附图说明

图1本发明的调功控制方法结构示意图；

图2本发明的遗传算法流程图；

图3本发明方法和以往方法实验结果对比图，其中，

图3（a）电源电压变化±20％时，用ZN法整定的实验结果；

图3（b）电源电压变化±20％时，本发明方法的实验结果；

图4用本发明方法获得的PID控制仿真结果。

具体实施方式

基于遗传算法优化，本发明方法开发了人造金刚石液压机调功控制方法（见图1）。该系统主要由控制中心、调功电路、变压器以及其他相关电路组成。其中调功电路包括触发驱动、可控硅装置、加热电路、功率检测等环节。变压器原边经可控硅调压器连接交流电源，副边连接合成块，控制中心控制端口经光耦隔离与可控硅调压器连接，调节其控制角，可控硅调压器连接在变压器的原边电路中，控制变压器的原边电压；与变压器原边连接的电压检测电路的输出端和电流检测电路的输出端均连接控制中心，乘法器同时连接控制中心。控制中心中储存有加热功率与时间关系的工艺参数，同时还有数字信号处理模块、比例积分微分控制模块。

以下对本发明的具体实施作进一步的描述：

步骤一：电压、电流检测电路测得变压器原边的电压电流的瞬时值输入控制中心和乘法器，由乘法器计算电压和电流的乘积，得到加热功率的瞬时值，并将功率瞬时值一起送入控制中心。

步骤二：控制中心的信号处理模块对输入的电压、电流和功率瞬时值整流，然后对其进行均值滤波，得到整流均值，再按照正常的有效值和均值的变换关系得到准确的实时加热电压、电流的有效值。

步骤三：控制中心的信号处理模块计算加热功率的当前给定值与上述得到加热功率平均值的偏差e，再对e进行微分运算，得到误差变化率ec。

步骤四：控制中心储存有基于遗传算法的调节比例积分参数的控制规则。控制中心把偏差e和误差变化率ec当做输入变量，按遗传算法规则求得比例系数K_P0、积分系数K_I0和微分系数K_D0的在线修正参数△K_P、△K_I、△K_D。用得到的△K_P、△K_I、△K_D对K_P0、K_I0、K_D0进行在线修正，修正结果为当前的K_P、K_I、K_D。

具体如下（见图2）：

4.1设置初始化参数，包括设定最大迭代次数、种群规模、交叉概率、变异率等。最大迭代次数M设定于200代，种群规模设定于25，交叉概率设定于0.8，变异概率设定于0.008。

设置目标函数：

$J={\∫}_0^T\left(w_1\right|e\left(t\right)|+w_2{u}^2\left(t\right))\mathrm{dt}+w_3{t}_r$

编码：由于遗传算法直接处理数据，必须通过编码将数据转换成遗传空间的基因型结构数据，这里采用实数编码方案。

式中W₁=0.999

W₂=0.001

W₃=5.0

4.2设定参数搜索范围，设置约束条件如下

$\left\{\begin{array}{c}1\≤K_P\≤10\\ 0.1\≤K_I\≤1\\ 1\≤K_D\≤5\end{array}\right.$

4.3初始个体由随机数产生，在上述区间内，生成第一代种群X¹。

4.4按岛屿模型将第一代种群X¹为划分子群体，

4.5按照“适者生存”的原则，分别对5个初始子种群群体进行复制、交叉、变异操作，获得新的种群。

4.6根据适度值函数F求取新一代种群中个体的适度值，按照Pareto优胜关系进行选择，保留健壮个体，去除劣势个体。再次进化过程中，为保证优良个体不丢失，在每一代子种群中适度值最大的个体不采用复制、交叉、变异操作直接进入下一代。

4.7将当代各个群体中适度值最高的5个个体按照岛屿群体模型进行交换。

4.8求取当前各子群中的最高适度值F^* _i（X），再取其中最大值为F^*（X），并计算各子群的平均适度值。

4.9判断是否满足终止条件：如果m>M，或者|J(X^m+1)-J(X^m)|≤ε，则转入步骤五；式中ε=0.001。

如果不满足上述条件，则转入4.4进行新一轮的进化。

经过近200次迭代，采用遗传算法优化获得的结果是：

$\left\{\begin{array}{c}{K}_P=6.49171\\ K_I=0.63459\\ K_D=2.48919\end{array}\right.$

步骤五：将当前的K_P、K_I、K_D送入比例积分微分控制块准确计算下一时刻的可控硅控制角，控制中心将控制角信号通过输出端口经过光耦隔离电路送入可控硅调压器，对其进行移相触发，控制变压器原边电压，从而在变压器副边得到稳定低压大电流加热功率。

见图3。在输入电压为50Hz/220V，波动为20%时，根据实验结果（具体实验结果如下表所示），从超调量δ、调节时间t_S等指标来看，本发明的方法GA获得的结果明显好于ZN法整定的结果；在抗干扰方面，前者也明显优于后者；稳态误差e_ss均<0.2，符合设计要求。

比较图3和图4可见，实验结果与仿真结果基本相符，但各项指标仍有一定差别。这主要是由于仿真过程中，器件参数的选择与实际器件的性能参数不完全一致造成的。要弥补这个不足，可以通过精确测定实验器件的性能参数来实现。此外，这与测量仪器和人工操作准确性也有一定关系。但两种结果基本反映了问题的实质，不影响研究的结果。

表中，F_R——电网电压变化20％时，输出功率的变化量。

Claims (10)

1.基于遗传算法优化的人造金刚石液压机调功控制方法，包括含有单片机、PLC或其他微处理器的主控器、变压器和调功电路，其特征在于：变压器原边经可控硅调压器连接交流电源，控制中心经光耦隔离电路与可控硅调压器连接，可控硅调压器连接在变压器的原边电路中，与变压器原边连接的电压检测电路的输出端和电流检测电路的输出端均连接与控制中心相连接的乘法器，同时也均直接连接控制中心，控制中心设置储存加热功率与时间关系的工艺参数和基于遗传算法的调节比例积分参数的控制规则的存储模块、信号处理模块以及比例积分微分控制模块；

调功控制的步骤包含：

（01）首先根据需求提取实际生产过程中的工艺参数；

（02）根据优化需求对工艺参数进行预处理；

（03）根据获得数据进行遗传算法寻优运算；

（04）寻优结束，输出优化结果，根据优化结果进行功率调节。

2.根据权利要求1所述的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：步骤（03）的具体过程包括：

A、设置初始化参数最大迭代次数、种群规模、交叉概率、变异率；

B、建立目标函数：

C：选择编码方案将数据转换成遗传空间的基因型结构数据；

D：设定参数搜索范围的约束条件；

E：设定遗传算法寻优运算终止条件；

F：进行遗传算法寻优运算；

G：运算后判断是否达到终止条件，如达到则输出最优值，否则返回进行进一步寻优运算；

上述，

J: 目标函数值；

u(t)：为比例积分微分控制模块输出； u(t)的引入是为了限制控制器输出，以避免加热功率（主要是电流）过大，导致相关功率器件损坏，以及合成材料损毁；

t _r ：上升时间，定义为调功系统功率输出p _O 从0至第一次达到给定值的95%的时间；

e(t)：为给定功率与输出功率的偏差；

W₁、W₂、W₃：为权值，可根据具体情况作适当调整；

T：时间t的极值上限，为方便计算取无穷大；

t：是时间变量。

3.根据权利要求2所述的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：过程A中，最大迭代次数M设定于200代—300代，种群规模设定于20—30，交叉概率设定于0.6—1.0，变异概率设定于0.005—0.01。

4.根据权利要求2所述的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：过程C中，编码方案采用二进制编码或实数编码。

5.根据权利要求2所述的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：过程D中，参数搜索范围的约束条件为

K_P、K_I、K_D分别为比例系数K_P0、积分系数K_I0和微分系数K_D0的在线修正结果。

6.根据权利要求2所述的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：过程E中，遗传算法寻优运算终止条件为m>M，或者

,

上述，

m表示进化次数；

X：种群；

J(X^m)为第m次进化后种群的平均目标函数值；

J(X^m+1)为第m+1次进化后种群的平均目标函数值；

ε：相邻两次进化平均目标函数值之差应该小于等于的给定的精度。

7.根据权利要求2所述的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：过程F中，随机选取初始种群后，采用岛屿模型对初始种群进行划分。

8.根据权利要求2所述的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：过程F中，按照目标函数计算个体适应度，采用Pareto优胜关系对种群中的个体进行排序。

9.根据权利要求2所述的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：过程F中，每一代中取具有最高适应度的个体强行遗传到下一代。

10.根据权利要求1的基于遗传算法优化的人造金刚石液压机调功控制系统，其特征在于：在步骤（04），将优化结果送入比例积分微分控制模块准确计算下一时刻的可控硅控制角，控制中心将控制角信号送入可控硅调压器，对其进行移相触发，可控硅调压器控制变压器原边电压，变压器副边产生稳定低压大电流加热功率。

Images