基于改進(jìn)遺傳算法的控制參數(shù)研究.pdf

1、遺傳算法最早是由美國密執(zhí)安大學(xué)著名學(xué)者J.H. Holland教授在研究自然界自適應(yīng)現(xiàn)象的過程中提出來的,其基本的思想源于達(dá)爾文進(jìn)化論中“適者生存,優(yōu)勝劣汰”。它是一類基于自然選擇和群體遺傳學(xué)機(jī)理的有效的隨機(jī)搜索方法,適用于求解大規(guī)模、非線性、不連續(xù)、極多峰函數(shù)的優(yōu)化問題,具有簡單通用而且有較強(qiáng)的魯棒性等特點,可以進(jìn)行一系列的并行處理運算,已成為人工智能領(lǐng)域的一個重要的研究分支。然而遺傳算法也存在收斂速度慢、容易出現(xiàn)早熟等缺點,因此,針

2、對遺傳算法存在的不足進(jìn)行改善,使算法的性能得到優(yōu)化進(jìn)而擴(kuò)大其應(yīng)用的領(lǐng)域,這一操作具有重要的理論和實際價值。
　　論文的主要工作如下:
　　(1)對遺傳算法進(jìn)行了詳細(xì)的介紹,包括遺傳算法的仿生學(xué)基礎(chǔ)、基本概念、要素、理論基礎(chǔ)、運行過程、特點和它的相關(guān)應(yīng)用領(lǐng)域。
　　(2) PID控制方法是目前為止發(fā)展最早的控制方法之一,不光是因為其簡單的結(jié)構(gòu)、具有明確的物理意義,較強(qiáng)的魯棒性,較高的穩(wěn)定性,PID的成熟的應(yīng)用經(jīng)驗也使得其

3、能夠廣泛地應(yīng)用于各種工業(yè)過程控制之中。PID控制器的參數(shù)性能決定著它控制的效果,也決定著工業(yè)設(shè)備能否高效可靠地運行,早期的PID參數(shù)整定是靠手動的,又費時又繁瑣。隨著工業(yè)自動化的普及,參數(shù)的整定被逐漸地提上日程。本文設(shè)計了一種基于改進(jìn)遺傳算法參數(shù)優(yōu)化的 PID控制方法,該算法采用的是小區(qū)間生成的初始種群策略、自適應(yīng)改變的交叉和變異概率,最優(yōu)保留策略和競爭策略等來減小算法陷入局部最優(yōu)的可能性,提高算法找到最優(yōu)解的能力。采用Ziegler-

4、Nichols法,基本遺傳算法和改進(jìn)的遺傳算法分別對二階滯后系統(tǒng)進(jìn)行PID控制器參數(shù)優(yōu)化,經(jīng)過Matlab仿真發(fā)現(xiàn),改進(jìn)的遺傳算法算法具有更好的控制效果,證明了該算法的有效性和可靠性。
　　(3)車輛懸架系統(tǒng)是汽車的重要組成部分,它把車體和車軸連接起來,使他們之間具有一定的彈性。除了傳遞汽車在行駛過程中路面與車輪之間的摩擦力,懸架的作用還包括吸收和緩沖來自車輪的振動,以及外界的其他擾動對車身的沖擊,以保證汽車行駛的平順性和操縱的穩(wěn)

5、定性。主動懸架系統(tǒng)的控制目標(biāo)是獲得良好的行駛平順性和操縱穩(wěn)定性,傳統(tǒng)的控制理論和方法很難將其性能完全發(fā)揮。一些新型的控制方法也逐漸地顯現(xiàn)出來。本文將一種新的遺傳-粒子群優(yōu)化算法應(yīng)用到主動懸架的控制中,該算法將PSO算法快速的局部搜索的能力與遺傳算法的全局搜索的能力相結(jié)合。具體的設(shè)計為將混合算法分成前期和后期兩個階段:在進(jìn)化的前期,充分地利用了遺傳算法強(qiáng)大的全局尋優(yōu)能力,讓種群能在可能的搜索空間中去獲得盡可能大的搜索范圍,降低陷入局部最優(yōu)