CN109557811A - 采用单值中智余弦相似度量和遗传算法的pid参数整定方法 - Google Patents
采用单值中智余弦相似度量和遗传算法的pid参数整定方法 Download PDFInfo
- Publication number
- CN109557811A CN109557811A CN201910058568.1A CN201910058568A CN109557811A CN 109557811 A CN109557811 A CN 109557811A CN 201910058568 A CN201910058568 A CN 201910058568A CN 109557811 A CN109557811 A CN 109557811A
- Authority
- CN
- China
- Prior art keywords
- intelligence
- monodrome
- cosine similarity
- genetic algorithm
- setting method
- 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- Withdrawn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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002068 genetic effect Effects 0.000 title claims abstract description 27
- 230000004044 response Effects 0.000 claims abstract description 15
- 230000001052 transient effect Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012942 design verification Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 description 4
- 238000011524 similarity measure Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 238000012369 In process control Methods 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002986 genetic algorithm method Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- 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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了采用单值中智余弦相似度量和遗传算法的PID参数整定方法,包括单值中智余弦相似度量和遗传算法两个部分,其中单值中智余弦相似度量包括:选定三角形和梯形隶属函数用于中智化过程,选定六种瞬态特性的隶属函数作为特性集C={C1,C2,C3,C4,C5,C6},可以根据实际应用对象确定单值中智集中的Ti,Ii和Fi(i=1,2,...,6)隶属函数的类型及其范围值,遗传算法的步骤包括:随机生成N个Kp,Ki和Kd值的解集作为初始种群,通过选择、交叉、变异寻找最优Kp,Ki和Kd值,以达到适值函数的最小值(min f)。本发明通过设计实例对所提出的整定方法进行了设计验证,仿真结果表明了所提出的PID参数整定方法的有效性和方便性。
Description
技术领域
本发明涉及工业自动化控制技术领域,特别涉及采用单值中智余弦相似度量和遗传算法的PID参数整定方法。
背景技术
PID控制是过程控制中广泛应用的一种控制。按偏差的比例(Proportion)、积分(Integral)、微分(Derivative)控制,简称PID控制。由于PID控制器有着结构简单、稳定性好、工作可靠、调整方便等优点,已成为了工业控制的主要控制技术之一。在PID控制器投入应用之前都需要进行PID参数整定以获得PID整定参数,所述PID控制器利用所述PID整定参数控制所述被控对象运行。
现有技术中进行PID参数整定的方法通常是利用继电器法获得被控对象的数学模型,然后利用Ziegler-Nichols或极点配置等方法来整定PID参数,获得所述PID整定参数,现有的PID参数整定方法操作不便,并且其整定效果不理想。
发明内容
发明的目的在于提供采用单值中智余弦相似度量和遗传算法的PID参数整定方法,通过设计实例对所提出的整定方法进行了设计验证,仿真结果表明了所提出的PID参数整定方法的有效性和方便性,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
采用单值中智余弦相似度量和遗传算法的PID参数整定方法,包括单值中智余弦相似度量和遗传算法两个部分,其中单值中智余弦相似度量包括如下步骤:
S1:建立单值中智隶属函数
选定三角形和梯形隶属函数用于中智化过程,选定六种瞬态特性的隶属函数作为特性集C={C1,C2,C3,C4,C5,C6},可以根据实际应用对象确定单值中智集中的Ti,Ii和Fi(i=1,2,...,6)隶属函数的类型及其范围值,通过隶属函数可以得到单值中智集S={<C1,T1,I1,F1>,<C2,T2,I2,F2>,<C3,T3,I3,F3>,<C4,T4,I4,F4>,<C5,T5,I5,F5>,<C6,T6,I6,F6>},那么理想的单值中智集S*={<C1,1,0,0>,<C2,1,0,0>,<C3,1,0,0>,<C4,1,0,0>,<C5,1,0,0>,<C6,1,0,0>};
S2:单值中智余弦相似度量
S和S*之间的余弦相似度量可以定义为:
遗传算法的步骤包括:随机生成N个Kp,Ki和Kd值的解集作为初始种群,通过选择、交叉、变异寻找最优Kp,Ki和Kd值,以达到适值函数的最小值(minf)。
进一步地,还包括PID控制器,PID控制器输出如下:
进一步地,S1中包含六种瞬态特性隶属函数。
进一步地,为了获得PID控制系统的最优控制性能,作为最小函数值的优化问题,可以建立如下的适值函数:minf=1-Cs(S,S*),然后,在PID控制器中使用三个参数Kp,Ki,Kd的实值编码。
进一步地,为了显示所提PID参数整定方法的有效性,给出以下开环传递函数:
进一步地,遗传算法的搜索参数范围被定为1≤Kp≤30,0≤Ki≤30,0≤Kd≤30,种群大小N=20,交叉概率Pc=0.9,变异概率Pm=0.1,运算终止条件为f=0.017。
与现有技术相比,本发明的有益效果是:本发明提出的采用单值中智余弦相似度量和遗传算法的PID参数整定方法,在PID参数整定过程中,控制系统的阶跃响应特性值(上升时间,调整时间,超调率,下调率,峰值时间和稳态误差)通过中智隶属函数被转换成单值中智集。通过遗传算法来确定PID控制器中的三个最优参数值,其优化目标是实际输出的单值中智集和先前确定的理想单值中智集之间的相似性度量达到最大值。最后,通过设计实例对所提出的整定方法进行了设计验证,仿真结果表明了所提出的PID参数整定方法的有效性和方便性。
附图说明
图1为本发明控制系统的PID参数整定方法原理图;
图2为本发明的六种瞬态特性的隶属函数图;
图3为本发明的遗传算法流程图;
图4为本发明的基于余弦相似度量和GA的阶跃响应图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
采用单值中智余弦相似度量和遗传算法的PID参数整定方法,包括单值中智余弦相似度量和遗传算法两个部分,其原理如图1,还包括PID控制器,PID控制器输出如下:
其中单值中智余弦相似度量包括如下步骤:
(1)建立单值中智隶属函数
选定三角形和梯形隶属函数用于中智化过程,六种瞬态特性隶属函数如图2所示,图中,(1)C1:上升时间(s),(2)C2:调整时间(s),C3:超调率(%),(4)C4:下调率(%),(5)C5:峰值时间(s),以及(6)C6:稳态误差。选定六种瞬态特性的隶属函数作为特性集C={C1,C2,C3,C4,C5,C6},可以根据实际应用对象确定单值中智集中的Ti,Ii和Fi(i=1,2,...,6)隶属函数的类型及其范围值,通过图2中的隶属函数可以得到单值中智集S={<C1,T1,I1,F1>,<C2,T2,I2,F2>,<C3,T3,I3,F3>,<C4,T4,I4,F4>,<C5,T5,I5,F5>,<C6,T6,I6,F6>},那么理想的单值中智集S*={<C1,1,0,0>,<C2,1,0,0>,<C3,1,0,0>,<C4,1,0,0>,<C5,1,0,0>,<C6,1,0,0>};
(2)单值中智余弦相似度量
S和S*之间的余弦相似度量可以定义为:
(3)遗传算法(GA)
遗传算法可以用来解决广泛的优化问题,为了获得PID控制系统的最优控制性能,作为最小函数值的优化问题,可以建立如下的适值函数:
minf=1-Cs(S,S*)
然后,在PID控制器中使用三个参数Kp,Ki,Kd的实值编码。一般而言,GA包含的典型算法如图3所示。
GA算法过程如下:随机生成N个Kp,Ki和Kd值的解集作为初始种群,通过选择、交叉、变异寻找最优Kp,Ki和Kd值,以达到适值函数的最小值(minf)。
(4)PID参数整定实例
为了显示所提PID参数整定方法的有效性,给出以下开环传递函数:
作为PID参数整定的设计实例。
在PID控制器设计中,使用基于实数值编码的GA算法来搜索Kp,Ki和Kd三个PID参数值,GA的搜索参数范围被定为1≤Kp≤30,0≤Ki≤30,0≤Kd≤30,种群大小N=20,交叉概率Pc=0.9,变异概率Pm=0.1,运算终止条件为f=0.017。图4给出了在最终Kp,Ki和Kd值的阶跃响应曲线。最大度量值和PID参数的相应值如表1所示;对应于得到的Kp,Ki,Kd值,G1(s)的阶跃响应特性如表2所示。
表1最大余弦相似度量值时的PID参数整定值
表2基于余弦相似度量和GA的G1(s)阶跃响应特性
在表1中,对应于Kp=1.9122,Ki=1.0635,Kd=0.9517,GA运算中第42代的最大余弦相似性度量值为0.9833,而表2和图4分别显示了相应的阶跃响应特性值和曲线。由于余弦相似性度量值非常接近于1,因此这些结果说明了所提PID参数整定方法的有效性和合理性。
综上所述,本发明提出的采用单值中智余弦相似度量和遗传算法的PID参数整定方法,在PID参数整定过程中,控制系统的阶跃响应特性值(上升时间,调整时间,超调率,下调率,峰值时间和稳态误差)通过中智隶属函数被转换成单值中智集。通过遗传算法来确定PID控制器中的三个最优参数值,其优化目标是实际输出的单值中智集和先前确定的理想单值中智集之间的相似性度量达到最大值。最后,通过设计实例对所提出的整定方法进行了设计验证,仿真结果表明了所提出的PID参数整定方法的有效性和方便性。
值得说明的是,本发明中:Ti代表“真”,Ii代表“不确定”和Fi代表“假”。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (6)
1.采用单值中智余弦相似度量和遗传算法的PID参数整定方法,其特征在于,包括单值中智余弦相似度量和遗传算法两个部分,其中单值中智余弦相似度量包括如下步骤:
S1:建立单值中智隶属函数
选定三角形和梯形隶属函数用于中智化过程,选定六种瞬态特性的隶属函数作为特性集C={C1,C2,C3,C4,C5,C6},可以根据实际应用对象确定单值中智集中的Ti,Ii和Fi(i=1,2,...,6)隶属函数的类型及其范围值,通过隶属函数可以得到单值中智集S={<C1,T1,I1,F1>,<C2,T2,I2,F2>,<C3,T3,I3,F3>,<C4,T4,I4,F4>,<C5,T5,I5,F5>,<C6,T6,I6,F6>},那么理想的单值中智集S*={<C1,1,0,0>,<C2,1,0,0>,<C3,1,0,0>,<C4,1,0,0>,<C5,1,0,0>,<C6,1,0,0>};
S2:单值中智余弦相似度量
S和S*之间的余弦相似度量可以定义为:
遗传算法的步骤包括:随机生成N个Kp,Ki和Kd值的解集作为初始种群,通过选择、交叉、变异寻找最优Kp,Ki和Kd值,以达到适值函数的最小值(minf)。
2.根据权利要求1所述的采用单值中智余弦相似度量和遗传算法的PID参数整定方法,其特征在于,还包括PID控制器,PID控制器输出如下:
3.根据权利要求1所述的采用单值中智余弦相似度量和遗传算法的PID参数整定方法,其特征在于,S1中包含六种瞬态特性隶属函数。
4.根据权利要求1所述的采用单值中智余弦相似度量和遗传算法的PID参数整定方法,其特征在于,为了获得PID控制系统的最优控制性能,作为最小函数值的优化问题,可以建立如下的适值函数:minf=1-Cs(S,S*),然后,在PID控制器中使用三个参数Kp,Ki,Kd的实值编码。
5.根据权利要求1所述的采用单值中智余弦相似度量和遗传算法的PID参数整定方法,其特征在于,为了显示所提PID参数整定方法的有效性,给出以下开环传递函数:
6.根据权利要求1所述的采用单值中智余弦相似度量和遗传算法的PID参数整定方法,其特征在于,遗传算法的搜索参数范围被定为1≤Kp≤30,0≤Ki≤30,0≤Kd≤30,种群大小N=20,交叉概率Pc=0.9,变异概率Pm=0.1,运算终止条件为f=0.017。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058568.1A CN109557811A (zh) | 2019-01-22 | 2019-01-22 | 采用单值中智余弦相似度量和遗传算法的pid参数整定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058568.1A CN109557811A (zh) | 2019-01-22 | 2019-01-22 | 采用单值中智余弦相似度量和遗传算法的pid参数整定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109557811A true CN109557811A (zh) | 2019-04-02 |
Family
ID=65873337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910058568.1A Withdrawn CN109557811A (zh) | 2019-01-22 | 2019-01-22 | 采用单值中智余弦相似度量和遗传算法的pid参数整定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109557811A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111506994A (zh) * | 2020-04-14 | 2020-08-07 | 西北工业大学 | 一种基于中智集的电机转子故障诊断方法 |
-
2019
- 2019-01-22 CN CN201910058568.1A patent/CN109557811A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111506994A (zh) * | 2020-04-14 | 2020-08-07 | 西北工业大学 | 一种基于中智集的电机转子故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Iruthayarajan et al. | Evolutionary algorithms based design of multivariable PID controller | |
CN103558755B (zh) | 分数阶积分pid控制器整定和自整定方法 | |
CN101950156B (zh) | 一种自适应串级pid控制方法 | |
CN105697074A (zh) | 一种汽轮机组高压调门流量优化装置及其优化方法 | |
Orukpe et al. | Model predictive control based on mixed H2/H control approach | |
CN110601222A (zh) | 一种基于Lévy飞蛾算法的分数阶负荷频率控制方法 | |
CN104950672A (zh) | 一种最优积分滑模控制方法 | |
CN109557811A (zh) | 采用单值中智余弦相似度量和遗传算法的pid参数整定方法 | |
CN109116738A (zh) | 一种工业加热炉的二自由度内模控制分析方法 | |
CN105356801A (zh) | 基于智能优化算法的同步发电机自动电压调节方法 | |
JPH077285B2 (ja) | プラント制御装置 | |
CN110912185B (zh) | 一种含风力发电电网自动发电控制系统pid控制器设计方法 | |
CN110854852B (zh) | 一种高比例水电区域agc主站关键参数的配置方法 | |
SÖNMEZ | Computation of stability regions for load frequency control systems including incommensurate time delays | |
Li et al. | The application of immune genetic algorithm in PID parameter optimization for level control system | |
CN105974800A (zh) | 一种反馈前馈控制系统 | |
Moreno-Negrete et al. | Some remarks on the design of robust PIR controllers for step-down DC-DC converters | |
CN115061364A (zh) | 一种基于改进灰狼优化算法的区域负荷频率分数阶pid优化控制方法 | |
Zítek et al. | Ultimate-frequency based dominant pole placement | |
Selvakumaran et al. | Genetic algorithm tuned IP controller for Load Frequency Control of interconnected power systems with HVDC links | |
CN112861315A (zh) | 一种电力系统非凸单目标最优潮流全局解的一维下降搜索法 | |
Vlachos et al. | PI controller tuning for multivariable processes using genetic algorithms | |
CN110244551A (zh) | 一种超超临界机组协调控制系统的控制优化方法 | |
Mohanty et al. | Analysis of Hybrid Tilt Integral Derivative Controller for Multi area Power System with Real Time Simulation | |
Vu et al. | Independent design of multi-loop PI/PID controllers for multi-delay processes |
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 |
Application publication date: 20190402 |
|
WW01 | Invention patent application withdrawn after publication |