简单的复制交叉变异，便可达到寻优。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，避免了过早的陷入局部最优解。本设计正是利用遗传算法的这些优点来进行参数整定的，构造基于遗传算法的控制器，通过仿真，取得了不错的效果。第章遗传算法的参数优化设计及仿真结论控制器结构简单，容易实现，且鲁棒性好，因此广泛应用于各种控制领域，并取得了良好的控制效果。本文完成了以下几点工作介绍了控制器和遗传算法的基本理论，给出了遗传算法的基本步骤。解释了遗传算法工具箱函数，了解了控制器模型。将遗传算法和控制结合起来应用于柴油机调速系统，利用遗传算法强大的寻优能力来整定控制中的三个参数，取得了满意的效果。遗传算法运用于的参数整定，就可以克服常规整定方法的缺点，使要整定的参数精确收敛，从而使控制效果最优。考虑到在线整定的实时性，遗传算法只进行了次的迭代，因此准确度可能不能满足所有的应用场合，个有效的解决方法是先按经验选取组参数，然后在这组参数的周围利用遗传算法进行设计，从而大大提高寻优的盲目性，节约计算量，使控制器的实时性得到提高。遗传算法虽然可以在多种领域都有实际应用，并且也展示它的潜力和宽广前景。但是，遗传算法还有大量的问题需要研究，目前也还有很多不足之处。首先，在变量多，取值范围大或者无给定搜索范围时，收敛速度下降其次，可以接近最优解附近，但是无法精确确定最优解位置最后，遗传算法的参数选择尚未有定量方法。对于遗传算法，还需要进步研究其数学基础理论，还需要在理论上证明它与其他优化技术的优劣及原因，还需要研究硬件化的遗传算法，以及遗传算法的通用编程的形式等。燕山大学本科生毕业设计论文参考文献,,,,,张磊于单纯形法控制器的最优设计信息与控制,刘晓谦,王勇,穆顺勇基于单纯形法的控制器参数优化设计,李勇,段正澄,胡伦骥基于粒子群优化算法的液压伺服控制系统参数优化华中科技大学湖北武汉周刘喜,张兴华,李纬基于差分进化算法的优化设计南京工业大学自动化学院,江苏南京郭鹏,韩濮基于神经网络的参数优化方法研究华北电力大学动力系，保定,李奇,李世华类神经网络智能控制算法的分析和改进控制与决策卢进，徐文立神经网络并联辨识算法的收敛性研究控制理论与应用张晓楠,方浩,戴冠遗传算法的编码机制研究信息与控制郭庆鼎,李蒙,郭威控制器参数的遗传算法优化设计沈阳工业大学学报参考文献曹世宏,王正茂,等柴油发电机组数字调速系统的设计与分析微电机薛定宇控制系统计算机辅助软件北京清华大学出版社，毛敏，于希宁基于遗传算法的参数优化中国电力刘国贤，杨奇逊基于遗传算法的控制器参数寻优现代电力王小平，曹立明遗传算法理论应用与软件实现西安交通大学出版社刘志俭应用与仿真国防工业出版社周明遗传算法原理及其应用北京人民邮电出版社，刘勇非数值并行算法遗传算法北京科学出版社,李敏强遗传算法的基本理论与应用北京机械工业出版社，李国勇智能控制及其实现电子工业出版社燕山大学本科生毕业能指标严重变坏。柴油机调速系统可近似为阶惯性纯滞后模型，简化后的柴油机传递函数为时间常数是表征柴油机动力装置的个主要参数，它对动态过程影响极大。减小时，超调量会加大，过渡过程加长。时，动态过程基本良好，对于缸柴油发动机，其值般在左右，本仿真试验燕山大学本科生毕业设计论文取。由于，查阅文献，计算得，取，则柴油机的传递函数为本文运用遗传算法对柴油机调速系统的参数进行优化，遗传算法是种简单高效的寻优算法，与传统的寻优方法相比明显地改善了控制系统的动态性能。利用遗传算法优化和,的具体步骤如下确定每个参数的大致范围和编码长度，进行编码随机产生个个体构成种群将种群中各个体解码成对应的参数值，用此参数求代价函数值,及适应函数值，取，应用复制交叉和变异算子对种群进行操作，产生下代种群重复步骤和，直至参数收敛或达到预定的指标。第章遗传算法的参数优化设计及仿真图遗传算法的基本流程图柴油机调速系统仿真实验在编程时要先设定选择算子交叉算子和变异算子。我在变量参数编码种群计算适配值满足条件种群解码算法结束复制交叉变异是否燕山大学本科生毕业设计论文仿真时选择算子为高位选择。交叉算子为中间重组双点交叉。变异算子为高位变异。仿真采用的采样时间为，输入指令为阶跃信号。采用二进制编码方式，用长度为位的二进制编码串分别表示个决策变量为获得满意的过渡过程动态特性，采用误差绝对值时间积分性能指标作为参数选择的最小目标函数。为了防止控制能量过大，在目标函数中加入控制输入的平方项。最优指标式中，为系统误差，为控制器输出，为上升时间，为权值。为了避免超调，采用了惩罚功能，即旦产生超调，将超调量作为最优指标的项，此时最优指标为式中，为权值，且为被控对象输出。遗传算法使用的样本个数为，交叉概率和变异概率分别为,参数的取值范围为，取值范围为取。,,,经过代进化，获得的优化参数如下,,,性能指标，整定过程中代价函数的变化如图所示。采用整定后的二进制遗传算法优化阶跃响应如图所示。由图可以看出采用遗传算法的控制器跟踪速度快，超调量较小，稳态误差很小，弥补了传统控制器在调节控制参数上能力的不足，取得了较好的控制效果。第章遗传算法的参数优化设计及仿真图代价函数的优化过程图二进制遗传算法优化阶跃响应燕山大学本科生毕业设计论文本章小结经过上面的仿真及结果分析，此种遗传算法在参数优化上有较好的寻优能力，对柴油机调速系统的控制效果很好，精度也很高。经过遗传算法优化参数后得出的响应结果好，系统稳定而且无论是系统的响应速度还是超调量都有明显改善，符合要求。本设计应用遗传算法对控制器进行参数寻优，遗传算法是全局优化算法，该方法是种不需要任何初始信息并可以寻求全局最优解的高效的优化组合方法，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，它具有操作方便速度快的优点，不需要复杂的规则，只通过字串进行设计结果具有定的可比性，在进行数值实验时所有的控制参数初始迭代风量迭代精度等都取同样的值。同时为使实验更加真实，所有原始数据均来自矿山通风系统的真实数据，这些数据来自吴超同志在年至年期间各矿山所做的课题或项目。这些矿山分别为安庆铜矿凡口铅锌矿丰山铜矿康家湾铅锌矿铜绿山铜矿等。各矿山节点数，分支数等网络参数见表。表各矿山通风系统中节点数和分支数的情况在同样的控制参数下风压迭代次数为次风量迭代次数为次迭代精度为初始迭代风量为，进行网络解算，结果见表。表各矿山通风网络解算结果通过对表中的数据分析可知在定的控制参数下，网络解算结果满足精度要求，这充分说明了网络解算结果的可行性，满足工程要求。从实际迭代次数来看，结果同最初设想基本致，即在同样的控制参数下，网络越复杂，相对应的迭代次数就越多。详细分析表中数据可知对具体的通风系统来说，节点数目越多，相对应的分支数和独立网孔的数目就越多，这三者的关系具有很强的正相关性，但有点是值得我们注意的安庆铜矿的节点数和分支数都小于康家湾铅锌矿的相应数据，但实际迭代次数多于康家湾铅锌矿的迭代次数。其原因只能从网络自身拓扑结构来分析。节点数和分支数相同，而网络结构不同，形成的网络差异是很大的，这必然会对迭代次数有较大影响。具有相同节点数和分支数，而网络结构不同，形成了差异较大网络，见图。从图中还可以看出，个极其简单的网络只有六条分支五个节点，只要对其中条边作调整，就可以衍生中国矿业大学届本科毕业设计论文出九种不同的网络图。当分支数节点数以及可作调整的分支数增多时，衍生出的网络图千变万化无以穷举，这些差异必然会对迭代计算产生很大影响。图相同节点数和分支数，结构不同的网络矿井通风系统网络解算结果可靠性分析矿井通风网络解算结果是否可靠，对通风软件来说是个极为重要的评价因素。个好的矿井通风软件，其网络解算结果必需具备实用性可靠性，否则，就没有任何价值，更谈不上好的通风软件。导致通风解算结果同实际值不同的因素很多，从大的方面来说，通风系统的初始值是最为重要的因素。通风系统是个耗散结构体系，对初值较为敏感。具体来说，影响因素有各分支风阻风机初始数据网络拓扑结构等。同样，软件中所采用的计算方法，对通风解算也有定的影响，本节从以上几个方面进行研究。网络解算结果误差分析误差的定义设分别为风网分支的模拟结果，为该分支的实际真实参数，则该分支的风量风阻绝对误差分别为模拟值与实际值之差的绝对值，即。相对误差分别可用下式表示中国矿业大学届本科毕业设计论文各相对误差之间的关系，由阻力定律得相对误差大小比较，由上式得网络解算结果可靠性判断与验证设为风网中分支的真实阻力，为模拟结果中的阻力,ε为允许误差，则当时，通风系统现状模拟结果是可靠的。只要则定存在。必须指出上式中的取值目前尚无标准，从理论上讲，用上式作为判断通风系统网络解算结果可靠性依据，其模拟结果更可靠。在实际通风网路解算过程中，因风网的每分支风阻不可简单的复制交叉变异，便可达到寻优。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，避免了过早的陷入局部最优解。本设计正是利用遗传算法的这些优点来进行参数整定的，构造基于遗传算法的控制器，通过仿真，取得了不错的效果。第章遗传算法的参数优化设计及仿真结论控制器结构简单，容易实现，且鲁棒性好，因此广泛应用于各种控制领域，并取得了良好的控制效果。本文完成了以下几点工作介绍了控制器和遗传算法的基本理论，给出了遗传算法的基本步骤。解释了遗传算法工具箱函数，了解了控制器模型。将遗传算法和控制结合起来应用于柴油机调速系统，利用遗传算法强大的寻优能力来整定控制中的三个参数，取得了满意的效果。遗传算法运用于的参数整定，就可以克服常规整定方法的缺点，使要整定的参数精确收敛，从而使控制效果最优。考虑到在线整定的实时性，遗传算法只进行了次的迭代，因此准确度可能不能满足所有的应用场合，个有效的解决方法是先按经验选取组参数，然后在这组参数的周围利用遗传算法进行设计，从而大大提高寻优的盲目性，节约计算量，使控制器的实时性得到提高。遗传算法虽然可以在多种领域都有实际应用，并且也展示它的潜力和宽广前景。但是，遗传算法还有大量的问题需要研究，目前也还有很多不足之处。首先，在变量多，取值范围大或者无给定搜索范围时，收敛速度下降其次，可以接近最优解附近，但是无法精确确定最优解位置最后，遗传算法的参数选择尚未有定量方法。对于遗传算法，还需要进步研究其数学基础理论，还需要在理论上证明它与其他优化技术的优劣及原因，还需要研究硬件化的遗传算法，以及遗传算法的通用编程的形式等。燕山大学本科生毕业设计论文参考文献,,,,,张磊于单纯形法控制器的最优设计信息与控制,刘晓谦,王勇,穆顺勇基于单纯形法的控制器参数优化设计,李勇,段正澄,胡伦骥基于粒子群优化算法的液压伺服控制系统参数优化华中科技大学湖北武汉周刘喜,张兴华,李纬基于差分进化算法的优化设计南京工业大学自动化学院,江苏南京郭鹏,韩濮基于神经网络的参数优化方法研究华北电力大学动力系，保定,李奇,李世华类神经网络智能控制算法的分析和改进控制与决策卢进，徐文立神经网络并联辨识算法的收敛性研究控制理论与应用张晓楠,方浩,戴冠遗传算法的编码机制研究信息与控制郭庆鼎,李蒙,郭威控制器参数的遗传算法优化设计沈阳工业大学学报参考文献曹世宏,王正茂,等柴油发电机组数字调速系统的设计与分析微电机薛定宇控制系统计算机辅助软件北京清华大学出版社，毛敏，于希宁基于遗传算法的参数优化中国电力刘国贤，杨奇逊基于遗传算法的控制器参数寻优现代电力王小平，曹立明遗传算法理论应用与软件实现西安交通大学出版社刘志俭应用与仿真国防工业出版社周明遗传算法原理及其应用北京人民邮电出版社，刘勇非数值并行算法遗传算法北京科学出版社,李敏强遗传算法的基本理论与应用北京机械工业出版社，李国勇智能控制及其实现电子工业出版社燕山大学本科生毕业