CN108646547A - 一种基于混代遗传优化的张力控制方法 - Google Patents
一种基于混代遗传优化的张力控制方法 Download PDFInfo
- Publication number
- CN108646547A CN108646547A CN201810391447.4A CN201810391447A CN108646547A CN 108646547 A CN108646547 A CN 108646547A CN 201810391447 A CN201810391447 A CN 201810391447A CN 108646547 A CN108646547 A CN 108646547A
- Authority
- CN
- China
- Prior art keywords
- genetic
- mixed
- tension
- genetic optimization
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种基于混代遗传优化的张力控制方法,该方法采用了离线和在线控制器共同输出的方式,离线控制器是张力误差和误差变化率设计,输出值查表方式得到,在线控制器输出值采用混代遗传优化得到。通过混代遗传优化算法,有效减少个体等待时间,大大加快了算法执行速度,提高了效率。并且,优化过程中限定参数范围和时间,保证遗传算法结果的可靠性,提高系统稳定性。本发明实现简单,满足实际应用的需要。
Description
技术领域
本发明涉及一种基于混代遗传优化的张力控制方法。
背景技术
张力系统在造纸、纺织等工业场合中应用广泛,它是典型的多输入多输出非线性系统,卷径及转动惯量是一个时变参数,而且速度和张力存在耦合关系,造成系统的动力学模型十分复杂。另外,张力系统中还存在速度扰动,严重的情况下会发生材料断裂等问题,张力控制一直以来是制约制造业发展的瓶颈。
针对张力控制问题,近年来国内外展开了较为广泛的研究,取得了一定的研究成果。譬如,发明专利“卷绕张力控制系统”(授权公告号:CN 102923511 B)、“一种络筒机纱线张力控制装置及其控制方法”(授权公告号:CN 103010837 B)、“一种真空镀膜高速恒卷绕张力设备和控制方法”(授权公告号:CN 105603380 B)等等,但是张力系统收放卷机构在运行过程中,卷径不断变化引起转动惯量和张力的变化,然而张力控制系统要求系统响应速度快、抗干扰能力强、鲁棒性好,而且要求控制系统能够在线实时调节,能够抑制卷径时变的影响,因此必须提出新的方法提高张力控制精度。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种高精度的张力控制方法。
为实现上述目的,本发明一种基于混代遗传优化的张力控制方法,针对张力控制系统中的收卷轴和放卷轴,通过电机速度调节控制张力恒定,其特征在于在线和离线控制器共同输出控制电机的方式,离线控制器是根据张力误差和误差变化率设计,使用时采用查表方式得到,在线控制器采用混代遗传算法对PID的三个参数在线优化,在遗传优化过程中,将子代和父代个体同等对待,根据个体适应度函数,选择适应度高的个体进行遗传优化操作,并且遗传操作采用平行形式,多个遗传优化操作并行进行,加快算法收敛速度。
优选的,采用混代遗传算法对在线控制器PID的三个参数优化时,限定参数范围和时间,超出范围参数删除,保证系统稳定运行。
综上所述,本发明提出的张力控制方法采用了离线和在线控制器共同输出的方式,在线控制器的参数优化过程中利用混代遗传优化算法和并行操作形式,有效减少个体等待时间,大大加快了算法执行速度,提高了效率。并且,限定参数范围和时间保证遗传算法优化结果的可靠性,提高系统稳定性。
附图说明
图1为本发明系统张力控制结构图。
图2为本发明张力混代遗传优化流程图。
图3为本发明并行操作实施例。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地实施。
本发明一种基于混代遗传优化的张力控制方法,针对张力控制系统中的收卷轴和放卷轴,通过电机速度调节控制张力恒定。如图1所示,在线和离线控制器共同输出控制电机的方式,离线控制器是根据张力误差和误差变化率设计,使用时采用查表方式得到,在线控制器采用混代遗传算法对PID的三个参数在线优化,图1中V为相邻导轮的速度。在线遗传优化过程中,将子代和父代个体同等对待,根据个体适应度函数,选择适应度高的个体进行遗传优化操作,并且遗传操作采用平行形式,多个遗传优化操作并行进行,加快算法收敛速度。优化流程如图2所示,说明如下:
A.PID参数编码,采用二进制编码将PID的比例、积分、微分三个参数编码,长度根据具体情况设计,且比例、积分、微分参数设置范围。
B.产生种群,随机产生各个参数初始种群。
C.适应度函数,在遗传优化过程中,考虑张力系统时滞的影响,设计带误差预测功能的适应度函数:
式中:z1=e,e为张力误差。
D.个体评价,采用轮盘法,由适应度函数计算种群中的父代和子代个体适应值。
E.选择运算,以个体适应值确定各个体的选择和复制概率。适应值越高,就有更多的机会产生一个甚至多个相同的子代个体。选择操作时不区分父代和子代,按照混代处理,即同代来对待。个体i被选中复制的几率Pi为:
其中:fi为第i个个体适应值。
F.交叉运算,在两个父代染色体的位串上随机选择一个位置(交叉点),并把交叉点以后的部分互换而产生两个子代染色体。
H.变异运算,随机地把染色体的某些基因位的状态变成其他状态而产生新的染色体,变异操作能够阻止一些有用遗传基因的丢失,起到保持和恢复染色体多样性的作用,防止早熟现象出现。
I.判断是否超出范围,如果PID参数超出范围,则删除,否则,保留。
J.判断时间是否到:采用遗传算法对PID的三个参数在线优化时,限制遗传优化计算时间,保证系统稳定运行。如果时间到,则停止运行,反之,继续优化参数。
为了详细描述遗传操作采用平行形式,下面举例说明。如图3所示,假设初始种群为M1、M2、M3、M4、M5、M6、M7,计算所有个体适应度,选择适应度最高的个体M1、M2进行遗传操作,在M1、M2进行交叉操作时,M3、M4进行选择操作,M1、M2突变操作时,M3、M4交操作,M5、M6选择操作,实现了遗传的并行操作。假设M1、M2的子代中,有一个满足参数范围,一个不满足参数范围,保留满足参数范围的子代,编号M8,M7、M8进行遗传操作。假设M3、M4子代M9、M10满足参数范围,均保留编号,同理,M5、M6子代M11、M12保留,然后计算各个子代适应度值,挑选适应度值高的个体M9、M11配对,其余M10、M12配对进行遗传优化操作。M13是M7、M8符合参数范围的子代,图3中下划线表示配对成功。通过遗传操作的并行处理,大大加快了优化效率。
综上所述,本发明提供一种基于混代遗传优化的张力控制方法,针对收卷轴和放卷轴,通过电机速度调节控制张力恒定张力,采用了离线和在线控制器共同输出的方式。在线控制器的参数优化过程中利用混代遗传优化算法和并行操作形式,限定参数范围和时间,大大加快了算法执行速度,提高了系统稳定性。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
Claims (2)
1.一种基于混代遗传优化的张力控制方法,针对张力控制系统中的收卷轴和放卷轴,通过电机速度调节控制张力恒定,其特征在于:在线和离线控制器共同输出控制电机的方式,离线控制器是根据张力误差和误差变化率设计,使用时采用查表方式得到,在线控制器采用混代遗传算法对PID的三个参数在线优化,在遗传优化过程中,将子代和父代个体同等对待,根据个体适应度函数,选择适应度高的个体进行遗传优化操作,并且遗传操作采用平行形式,多个遗传优化操作并行进行,加快算法收敛速度。
2.根据权利要求1所述的一种基于混代遗传优化的张力控制方法,其特征在于:采用混代遗传算法对在线控制器PID的三个参数在线优化时,限定参数范围和时间,超出范围参数删除,保证系统稳定运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810391447.4A CN108646547A (zh) | 2018-04-27 | 2018-04-27 | 一种基于混代遗传优化的张力控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810391447.4A CN108646547A (zh) | 2018-04-27 | 2018-04-27 | 一种基于混代遗传优化的张力控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108646547A true CN108646547A (zh) | 2018-10-12 |
Family
ID=63748218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810391447.4A Withdrawn CN108646547A (zh) | 2018-04-27 | 2018-04-27 | 一种基于混代遗传优化的张力控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108646547A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5971579A (en) * | 1996-04-08 | 1999-10-26 | Samsung Electronics Co., Ltd. | Unit and method for determining gains a of PID controller using a genetic algorithm |
CN101794114A (zh) * | 2010-03-02 | 2010-08-04 | 天津大学 | 助行功能性电刺激系统中遗传算法整定控制参数的方法 |
CN103962390A (zh) * | 2013-01-28 | 2014-08-06 | 宝山钢铁股份有限公司 | Vc辊平整机湿平整过程中张力与轧制压力综合设定方法 |
-
2018
- 2018-04-27 CN CN201810391447.4A patent/CN108646547A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5971579A (en) * | 1996-04-08 | 1999-10-26 | Samsung Electronics Co., Ltd. | Unit and method for determining gains a of PID controller using a genetic algorithm |
CN101794114A (zh) * | 2010-03-02 | 2010-08-04 | 天津大学 | 助行功能性电刺激系统中遗传算法整定控制参数的方法 |
CN103962390A (zh) * | 2013-01-28 | 2014-08-06 | 宝山钢铁股份有限公司 | Vc辊平整机湿平整过程中张力与轧制压力综合设定方法 |
Non-Patent Citations (3)
Title |
---|
何金保 等: "基于遗传优化的张力模糊控制", 《控制理论与应用》 * |
胡晓锐 等: "遗传算法在恒张力控制系统中的应用", 《电子科技》 * |
陈未如 等: "CARP问题混代并行遗传算法的研究", 《沈阳化工大学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Adaptive parameter control for quantum-behaved particle swarm optimization on individual level | |
Serpell et al. | Self-adaptation of mutation operator and probability for permutation representations in genetic algorithms | |
Teo | Exploring dynamic self-adaptive populations in differential evolution | |
CN109546912A (zh) | 基于改良型粒子群优化算法的永磁同步电机控制器 | |
CN108646547A (zh) | 一种基于混代遗传优化的张力控制方法 | |
Masrom et al. | Hybridization of particle swarm optimization with adaptive genetic algorithm operators | |
Abdennour | Adaptive optimal gain scheduling for the load frequency control problem | |
Raa et al. | A robust dynamic planning strategy for lot-sizing problems with stochastic demands | |
CN116560313A (zh) | 一种多目标柔性作业车间问题的遗传算法优化调度方法 | |
Mukaidani | Gain-scheduled H∞ constraint Pareto optimal strategy for stochastic LPV systems with multiple decision makers | |
CN108763779A (zh) | 一种应用改进的粒子群算法对四旋翼无人机控制的方法 | |
CN112230545A (zh) | 一种基于ppga自适应优化pid参数的auv航向角控制方法 | |
CN106919041A (zh) | 一种基于改进的量子遗传算法的扇形磨片排序方法 | |
Fan et al. | Optimization of Controller for Microbial Fuel Cell: Comparison between Genetic Algorithm and Fuzzy Logic | |
CN107831781A (zh) | 一种机器鱼运动的控制方法及系统 | |
Zhang et al. | Automatic fuzzy rules generation using fuzzy genetic algorithm | |
Hurst et al. | A self-adaptive classifier system | |
CN109754108B (zh) | 基于变加速度系数混沌粒子群的机组经济负荷分配方法 | |
CN106517548A (zh) | 一种溶解氧控制装置及其系统 | |
CN106440844A (zh) | 一种篦冷机刮板速度控制方法 | |
CN117970783B (zh) | 一种基于改进河马算法的数控高速钻铣床控制方法 | |
Kishnani et al. | Comparison of different performance index factor for GA-PID Controller | |
CN115598963A (zh) | 一种基于混合遗传自动调压系统控制器制备方法 | |
Nagaraj et al. | Soft computing-based optimum design of PID controller for a position control of DC motor | |
CN111273545A (zh) | 基于多群多选择交流策略的quatre算法的自动寻优控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181012 |