文章导读：在新的一年中，各位网友都进入紧张的学习或是工作阶段。网学的各位小编整理了电子数电单片机-遗传PID控制算法的研究的相关内容供大家参考，祝大家在新的一年里工作和学习顺利！
论文编号:JD529 论文字数:20376,页数:41
摘 要
PID控制器的特点是结构简单，适应性强，特别是不依赖对象的精确模型，对系统参数的变化具有较好的鲁棒性，可以解决在工业过程中精确建模的困难。而且其应用时期较长，控制工程师们已经积累了大量的PID控制器参数调节经验。但是简单的PID控制往往不能达到令人满意的程度，对于时变对象和非线性系统，传统的PID控制更显得无能为力。
GA是一种具有极高鲁棒性的全局优化方法，在自控领域得到广泛的应用。用 MATLAB 作为仿真工具，针对所设定的控制对象，基于遗传算法所选取出的 PID 参数，实现了多性能目标优化。通过仿真分析结果可知，这种选取方法，是一种比较好的方法，具有比较好的理论意义和现实意义。
关键词：PID；遗传算法；PID参数优化；MATLAB仿真
Abstract
The character of PID controllers is simple is simple structure, good adaptability and great robustness,especially they don’t depend on the precise model of the objects.They can also solve the difficulty of precsise modeling in industrial process.Since they are used for a long time , the control engineers have already accumulated a great deal of tuning experience of PID controllers’parameters.But the simple PID controllers can’t get the satisfied degree,especially for the time-varying objects and non-linear systems , the traditional PID controllers can do nothing for them.
GA is a global optimization algorithms with high robustperformance． It has been widely applied in automatic controlfield． PID optimization based on GA realizes the multi. Form the simulation result,we can see GA is a good methodto select PID factors, and has its theoreticism and actuality
Key words: PID;Genetic algorithms; PID optimal-tuning;MATLAB simulate
目 录
1 绪论 1
1.1引言 1
1.2 PID参数整定智能控制的研究现状 1
1.3本论文所研究的主要内容 5
2 数字PID控制技术 7
2.1 数字PID基本算法 7
2.2改进的数字PID算法 7
2.2.1积分分离PID算法 8
2.2.2 抗积分饱和PID控制算法 8
2.3 本章小节 9
3遗传算法 10
3.1 概述 10
3.2 遗传算法的数学理论 12
3.3 标准遗传算法 13
3.3.1 编码方式 14
3.3.2 初始种群的设定 15
3.3.3 适应度函数 15
3.3.4 遗传操作 16
3.3.5 收敛性 17
3.3.6 遗传算法中关键参数的确定 17
3.4 遗传算法与系统的最优化 18
3.5 本章小结 19
4 基于遗传算法的PID参数优化整定 20
4.1 概述 20
4.1.1 PID参数整定 20
4.1.2 基于GA的PID参数整定的优点和需要解决的问题 20
4.1.3 本章阐述的方法所具有的特点 20
4.2 基于遗传算法的PID参数整定程序设计方案 21
4.2.1 参数的编码 21
4.2.2 参数变化范围的确定 22
4.2.3 选取初始种群 22
4.2.4 适应度函数调整 22
4.2.5 遗传算法流程图 23
4.3 本章小结 27
5 基于遗传算法PID参数整定的MATLAB仿真 28
5.1 二阶模型 28
5.1.1 基于遗传算法的PID整定式 28
5.1.2 经典PID整定 …29
5.1.3 两种方法比较 30
5.2 三阶模型 30
5.2.1 基于遗传算法的PID整定式 31
5.2.2 经典PID整定 32
5.2.3 两种方法比较 33
5.3 本章小结 33
结束语 34
致谢 35
参考文献 36
附录 37
