遺傳優化的仿人智能控制在溫度控制系統中的研究

賈　勇

(西安郵電大學，陜西 西安 710121)

遺傳優化的仿人智能控制在溫度控制系統中的研究

賈勇

(西安郵電大學，陜西 西安 710121)

摘要：提出了一種基于遺傳優化的新型仿人智能控制方法和一些遺傳算法的基本概念，同傳統的仿人智能控制相比，遺傳優化后的仿人智能控制有許多優點。把遺傳優化的仿人智能控制方法應用到工業領域的溫度控制系統中，仿真結果表明這種控制方法具有較高控制精度和較強的適應性以及良好的控制效果。

關鍵詞：仿人智能控制；遺傳算法；溫度控制系統

對于工業中常見的溫度控制系統，其生產過程特性可用具有二階純滯后的傳遞函數近似等效[1-2]。針對純滯后對象的控制問題，采用常規的PID控制無法滿足控制精度的要求，因為常規PID控制器的參數是根據被控對象數學模型確定的，當被控對象的數學模型是變化的、非線性的時候，PID參數不容易根據其實際的情況做出調整，從而影響了控制質量，使控制系統的控制品質下降。仿人智能控制對滯后對象有良好的控制效果，但通常認為只適合于對一階純滯后對象的控制，對二階純滯后對象的控制效果很難令人滿意，因為仿人智能控制的控制性能主要取決于調節器的比例增益KP和抑制系數K，但由于它們與被控對象之間的關系尚不清楚，故難以優化。對于KP和 K的選擇，一階純滯后對象尚可憑經驗進行試湊，而二階純滯后對象則很難選擇好．此問題可歸結為一非線性組合優化問題，適合用遺傳算法求解；為此，本文提出了一種基于遺傳優化的仿人智能控制算法，并把該方法在溫度控制系統中用MATLAB仿真軟件進行了仿真。

1仿人智能控制算法

實際工業領域中的大部分對象都具有非線性、時變性和不確定性等特點，因此要獲得準確的數學模型比較難。仿人智能控制采用被控對象的“類等效”模型簡化方法為設計者提供了一個十分有效的途徑，它具有多模態(變結構，多參數)和分層遞階(運行控制MC、參數校正SR、任務適應TA)的控制結構，因而魯棒性和適應性較強。仿人智能控制器的設計任務就是采用盡可能簡單的結構和較少的控制模態和參數，在對象模型參數變化范圍內達到控制指標的要求，它解決了沒有對象準確數學模型條件下的對象模型處理問題。簡單來說就是以實際軌跡與理想軌跡的偏差軌跡為依據，劃分出特征模型，并給出對應的控制模態。為了簡化設計，將理想軌跡投影到平面，以該投影曲線為仿人智能控制器設計的目標軌跡。控制算法的具體設計過程如下所述[3]。

1.1運行控制級設計

運行控制級的特征模型如圖1所示，其中虛線為理想誤差目標軌跡，為了使實際誤差軌跡盡量與其一致，采用了下述控制策略：1)偏差很大時，對應區域1、2采用磅-磅控制；2)偏差和偏差變化率很小時，對應區域3采用保持控制；3)偏差增大時，對應區域4采用保持+比例控制；4)偏差減小，系統緩慢趨向給定值時，對應區域5采用適當加大保持控制；5)偏差減小，系統正常趨向給定值時，對應區域6采用保持控制；6)偏差減小，系統快速趨向給定值時，對應區域7采用保持+微分控制；7)系統設定值改變時，引入預估控制，改變控制量的保持值。控制方程見式1。

圖1　運行控制級的特征模型

e>e1

e<-e1

(1)

u0=u0(n-1)+β·ΔRΔR≠0

1.2參數校正級設計

參數校正級特征模型如圖2所示(一、二象限部分與三、四象限類似)，其中虛線為理想誤差目標軌跡，采用下述參數校正策略：1)區域1、2、3、5不需要參數校正；2)區域4偏差變化率低于要求，按與偏差變化率成反比增大保持作用；3)區域6偏差變化率高于要求，按與偏差變化率成反比增大微分作用；4)區域7偏差和偏差變化率較小，減小比例作用；5)區域8、9、10增大比例作用；6)區域11偏差變化率大，減小比例作用。

圖2　參靈敏校正級的特征模型

特征模態基元集：

特征模型：

決策模式集：

a21、a22、a23、a24、a25、a26、a27為常量。

推理規則集：

式中，Ω2i:Φ2i→Ψ2i,i=1,2,3,4,5,6,7。

2遺傳優化算法

2.1遺傳算法的基本操作

遺傳算法 (genetic algorithm，簡稱GA)是1962年由美國Holland提出的一種模仿模擬生命進化機制的隨機尋優算法[4],它將“優勝劣態，適者生存”的生物進化原理引入優化參數形成的編碼串群體中，按所選擇的適配值函數并通過遺傳中的復制、交叉及變異對各個體進行篩選，使適配值高的個體被保留下來，組成新的群體，新的群體既繼承了上一代的信息，又優于上一代。這樣周而復始，群體中各個體適應度不斷提高，直至滿足一定的條件。其算法簡單，可并行處理，能得到全局最優解。

圖3　遺傳算法流程圖

2.2基于遺傳算法的仿人智能控制參數尋優過程[5-6]

3)初始群體生成。為了同時保證選擇的隨機性和個體具有較大的適應值，本文采用輪盤選擇方式選擇個體，即個體被選中的概率與其適應值成正比，從而使適應度高的個體被選擇的概率大，有更多的繁殖后代的機會，保證優良基因得以遺傳。

4)算法終止條件。種群按照適應度的高低來排列，第1個染色體為最高的適應度，如果HSIC的控制效果滿足了系統的要求或是迭代的代數達到了預先的設定值，那么GA操作就停止。

5)生成新一代群體。遺傳算法有3個算子：選擇概率Ps、交叉概率Pc和變異概率Pm。選擇概率Ps通過適應值確定，交叉概率決定了交叉的次數，Pc過小導致搜索停滯不前，太大也會使高適應值的結構被破壞；因此，交叉概率一般選取0.25～0.8。變異概率一般為0.001～0.1，太大會引起不穩定，太小則難以尋到全局最優解。

3遺傳算法HSIC控制器結構

遺傳算法HSIC控制器結構如圖4所示。

圖4　遺傳逄法HSTC控制器組成框圖

4在溫度控制系統中的仿真實驗

對于工業中常見的溫度控制系統，其生產過程特性可用具有二階純滯后的傳遞函數近似等效。設被控的溫度控制過程的傳遞函數為：

3種控制方案參數取值見表1。

表1　3種控制方案參數取值

3種控制方案仿真結果如圖5所示。

從仿真結果可以看出，在3種控制方案中，遺傳優化后的HSIC控制產生的超調量和過渡時間比常規的PID控制和HSIC控制要小得多，控制性能最好，遺傳優化后的HSIC控制具有更好的自適應性和更好的控制精度。

圖5　3種控制方案仿真比較

5結語

本文利用遺傳優化的仿人智能控制算法對二階純滯后的溫度控制系統進行了仿真實驗，試驗結果表明，用遺傳算法優化后的仿人智能控制自適應性強，魯棒性好，控制精度高，其控制品質比常規PID和未優化的仿人智能控制有了顯著的改善。隨著研究的不斷深入，這種控制方法在工業過程控制中有著廣泛的應用前景。

參考文獻

[1] 曹曉莉．大滯后對象的仿人智能控制器設計及仿真研究[J]．重慶工商大學學報：自然科學版，2003，20(3)：18-20.

[2] Zhou Q J，B J G．Proceedings of a multinational instrument conference[C]．Shanghai: China Instrument and Control Society， 1983.

[3] 李祖樞，涂亞慶．仿人智能控制[M]．北京：國防工業大學出版社，2003.

[4] Holland J H. Adaption in natural and artificial systems[M]．Michigan : The University of Michigan Press．1975.

[5] 鄭雙泉，章兢．改進的遺傳算法及其在優化Ic中的應用[J]．湖南教育學院學報，1997，15(2)：44-48.

[6] 劉咪，王進華．遺傳優化模糊控制器方法[J]．福建電腦，2005(8)：40-41.

[7] 宇華，余發山．基于遺傳算法的IC自適應系統設計[J]．焦作工學院學報，2004，23(5)：386-388.

[8] 薛定宇．控制系統計算機輔助設計——MATLAB語言及應用[M]．北京：清華大學出版社，1998.

[9] 王以琦，施建華，蘇震，等.溫度和過程自動控制技術在感應加熱生產中的應用[J].新技術新工藝，2014(9):86-90.

責任編輯李思文

Research on Human-simulated Intelligent Control based on Genetic Optimization in Temperature Control System

JIA Yong

(Xi'an University of Posts and Telecommunications，Xi'an 710121，China)

Abstract:The paper presented a new kind of human-simulated intelligent control method based on genetic optimization and some basic concepts about genetic algorithm, human-simulated intelligent control based on genetic optimization has many advanced properties compared with traditional human-simulated intelligent control．The human-simulated intelligent control method based on genetic optimization was applied to temperature control system in industry field. The simulation results showed that the control method has high control accuracy, strong adaptation and excellent control effects.

Key words:human-simulated intelligent control, genetic algorithm, temperature control system

收稿日期：2014-12-03

作者簡介：賈勇(1980-)，男，工程師，主要從事公共管理等方面的研究。

中圖分類號：TP 273+.5

文獻標志碼：A