热门关键词：
热门关键词：
PID是古典控制理论中技术最成熟，应用最广泛的一种控制方式，其控制效果的好坏取决于参数的整定和优化。PID控制器的设计可视为一个多目标的优化问题。PID的参数整定，就是在系统控制的快速性和稳定性之间进行折衷。常规的PID参数整定方法很难同时兼顾各项指标，都带有经验性，因此，设计出的PID控制器通常不是最优的，常难以满足实际控制中的要求。近年来许多学者提出了基于各种智能算法的PID整定策略(如模糊PID、神经元网络PID)。但这些先进算法都要求对被控对象有很多的先验知识，这在实际控制系统应用中往往难以做到。
进一步提高PID控制算法的能力或者依据新的现代控制理论来设计PID控制算法是一个非常吸引人的课题。人们在这一领域做的工作主要有以下两方面：
(1)PID参数自整定。由于受控对象存在着大量不可知因素，如随机扰动、系统时变、敏感误差等，这些不可知因素的作用常会导致受控对象参数的改变。在一个PID反馈控制回路中，受控对象参数的变化就会造成原来的PID参数控制性能的降低，为了克服这个问题人们提出了PID参数自整定，也就是随着受控对象的变化PID调节器自我调整和重新设定PID参数，科研人员根据古典控制理论和现代控制理论提出了许多种PID参数的在线自整定的方法。PID参数在线自整定方法比较典型的有改进型Ziegler-Nichols临界比例度法、基于过程模型辨识的参数自整定、基于经验的专家法参数自整定、模糊型PID调节器等[38]。
(2)PID参数优化。PID参数优化是指依据一定的控制目标和给定的生产过程的模型通过理论计算得到最优的PID参数。PID参数的优化由于是在生产过程的模型确定的情况下通过理论计算得到的，因此PID参数优化对于对象模型有很强的依赖性，生产现场的受控对象由于受不可知因素影响不能被精确的确定，这就导致以前PID参数优化应用的局限性。
综上所述可知，PID控制有两方面问题需要解决：
a) 对于生产对象不确定性的克服；
b) 对PID控制进行优化。
从以上的论述可知，目前PID参数的整定与优化是分离的。PID参数自整定较有效地解决了生产对象的不确定性，但自整定所得到的PID参数一般不是最优的，而且其自整定的目标往往也是非常简单的。而PID参数优化也因为不能有效地克服对象不确定性，控制大扰动和参数时变的对象时难以获得满意的控制效果。
本文采用新的策略解决上面的矛盾，同时解决对象参数的时变和获得最优控制效果。应用遗传算法在线优化PID控制器既是一种自整定控制，又是一种自适应控制。对于存在大扰动和参数时变的对象，可以同时采取在线辨识与PID参数优化的策略，用在线辨识的结果优化PID控制器参数，保证任何时刻控制器都能取得最佳的控制效果。在线辨识与在线优化都可以归结为某种性能指标的优化问题，因此都能用遗传算法加以解决。
遗传算法是一种基于自然选择和基因遗传学原理的群体寻优搜索方法。它通过适应度函数来决定寻优方向，对控制对象的先验知识要求少。同时，对于适应度函数，它既不要求连续，也不要求可导。具有较好的全局搜索能力、较强的鲁棒性、自组织性、自适应性，不依赖于初始条件，能够找到全局最优解的特点，正适合寻找最优的PID参数，达到最优的控制效果。因此在实际控制中是一种较为理想的PID参数整定方法。遗传算法是计算技术发展的产物，尤其是在当今计算机技术突飞猛进的时代，更为遗传算法的研究和应用提供了基础。遗传算法又可以解决非线性、多峰值等用经典优化方法无法解决的问题，适合于对象复杂，工况多变的优化控制。
优化的方法很多，尤其是有些经典最优化方法应用普遍，智能优化方法还有模拟退火等方法。但是在加热炉炉温控制系统中，PID控制器参数的优化本文准备采用遗传算法。采用遗传算法优化PID三个系数，具有以下优点：
(1)与单纯形法相比，遗传算法同样具有良好的寻优特性，且它克服了单纯形法参数初值的敏感性。在初始条件选择不当的情况下，遗传算法在不需要给出调节器初始参数的情况下，仍能寻找到合适的参数，使控制目标满足要求。同时单纯形法难以解决多值函数问题以及在多参数寻优中，容易造成寻优失败或时间过长，而遗传算法的特性决定了它能很好的克服以上问题。
(2)与专家整定法相比，它具有操作方便，速度快的优点，不需要复杂的规则，只通过字串进行简单的复制、交叉、变异，便可达到寻优。避免了专家整定法中前期大量的知识库整理工作及大量的仿真实验。
(3)遗传算法是从许多点开始并行操作，在解空间进行高效启发式搜索，克服了从单点出发的弊端及搜索的盲目性，从而使寻优速度更快，避免了过早陷入局部最优解。
(4)遗传算法不仅适用于单目标寻优，而且也适用于多目标寻优。根据不同的控制系统，针对一个或多个目标，遗传算法均能在规定的范围内寻找到合适参数。
