传算法的参数寻优遗传算法概述标准遗传算法操作编码方式初始种群的设定适应度函数遗传操作收敛性遗传算法中关键参数的确定遗传算法的主要步骤准备工作基本遗传算法的步骤遗传算法参数整定的编程实现初始群体编码基本操作算子目标函数画图第章整定方法的仿真应用阶对象二阶对象三阶对象第章结论致谢,参考文献附录第章前言控制发展概况控制是最早发展起来的控制策略之，是迄今为止最通用的控制方法，大多数反馈回路用该方法或其较小的变形来控制。调解器及其改进型是在工业过程控制中最常见的控制器，至今在全世界过程控制中用的以上仍是纯调解器，若改进型包括在内则超过。我们今天所熟悉的控制器产生并发展与年期间，尽管自年以来，许多先进控制方法不断推出，但控制器以其结构简单，对模型误差具有鲁棒性及易于操作等优点，仍被广泛应用于冶金化工电力和机械等工业过程控制中。但是同其它控制方法样，近几十年来，控制方法和技术也处于不断发展中，出现过以下几种控制思想自适应控制思想和常规控制器相结合的自适应控制或自校正控制。它既能自动整定控制器参数能够适应被控过程参数的变化，也具有常规控制器结构简单鲁棒性好可靠性高等优点。智能控制与常规控制相结合形成的智能控制。它具有不依赖系统精确数学模型的特点，对系统的参数变化具有较好的鲁棒性。模糊控制和控制器两者的结合具有模型控制灵活而适应性强的优点，又具有控制精度高的特点。适用于工业控制过程中大滞后时变非线性的复杂系统，它可以不要求掌握受控对象的精确数学模型，而根据人工控制规则组织控制决策表，然后由该表决定控制量的大小。神经网络控制。神经网络具有自学习能力和大规模并行处理能力，在认知处理上比较擅长。预测控制。预测控制算法采用非参数模型，不通过复杂的系统辨识来建立过程的数学模型，而是通过检测到的过程响应根据优化性能指标设计控制系统，确定个控制量的时间序列，是未来段时间内的被调量与经过柔化后的期望轨迹之间的误差最小。而实际工业生产过程往往具有非线性不确定性，难以建立精确的数学模型，应用常规的控制器难以达到理想的控制效果在实际生产过程中，由于受到参数整定方法烦杂的困扰，常规控制器参数往往整定不良性能欠佳，对运行环境的适应性较差。针对上述问题，长期以来，人们直在寻求控制器参数的自整定技术，以适应复杂的工况和高指标的控制要求。微机处理技术的发展和数字智能控制器的实际应用，以及近年来各种先进算法的不断涌现，为控制复杂系统开辟了新途径。参数整定方法概述自从有了控制，回路整定直就是人们研究的问题之，许多整定方法及公式己经开发出来。最早提出参数工程整定方法是在年，由和提出，简称为经验公式，即根据带有时滞环节的阶近似模型的阶跃响应或频率响应数据来换算成相应参数。尽管时间已经过去半个世纪了，但至今还在工业控制中普遍应用。年，和继承和发展了公式，同时也提出了种考虑被控过程时滞大小的整定公式。常规控制器的传统整定方法往往是技巧多于科学，制定参数的选择取决于多种因素，如被控过程的动态性能控制目标以及操作人员对过程的理解等等。回路制定仍然比较费时费力，过程特性及操作条件的频繁变化，操作人员对回路整定方法不熟悉都可造成整定失误。在这种背景下，自整定控制器产生了。控制器参数整定是指在控制器形式己经确定的情况下，针对定的控制对象调整控制器参数，以达到控制要求为目的。同其它控制方法样，几十年来，控制的参数整定方法和技术也处于不断发展中。综观各种参数整定方法，可以有如下分类根据研究方法的划分，可分为基于频域的参数整定方法和基于时域的参数整定方法根据发展阶段的划分，可分为常规参数整定方法和智能参数整定方法按照被控对象个数来划分，可分为单变量参数整定方法和多变量参数整定方法，前者包括现有大多数整定方法，后者是最近研究的热点及难点按控制量的组合形式来划分，可分为线性参数整定方法和非线性参数整定方法，前者适用于经典调节器，后者适用于由非线性跟踪微分器和非线性组合方式生成的非线性控制器。目前，在众多的整定方法中，主要有两种方法在实际工业过程中应用较好。种是基于模式识别的参数整定方法基于规则，另种是基于继电器反馈的参数整定方法基于模型。这些技术极大地简化了控制器的使用，显著改进了它的性能，它们被统称为自适应智能控制技术。常规参数整定方法随着控制理论的发展而不断发展，其各种整定方法很