,张兴华,李纬基于差分进化算法的优能指标严重变坏。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，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设计样式设置特定包的级别和目的地包名级别，目的地,,,,,,,,,,,,,,,,,输出到文件设置每天产生日志的命名规则设置日志消息输出到中设置将日志消息追加到指定文件中设置日志消息输出的最低层次输出的样式将和的和信息去掉图片处理对于商品图片，本系统的处理方式是将商品的小图片转化成形式存储在数据库中，而对中图和大图，只将其路径存储在数据库中，这样有利于提高系统的性能。具体实现代码如下小图,由上传文件时获得的临时文件创建临时图片,熟的架构，使得整个开发过程获得更多的技术支持遇到些问题都能找到合理的解决方案。此系统的些源代码来源于无锡实训基地第八期欧美班的个实训项目校园网路商店。其中本人全程参与整个项目开发，在开发过程中负责管理员服务和商品管理这两项功能模块，以及些页面的设计，数据库的配置。所做工作和本人的论文课题有许多相似之处。因此，我以其为蓝本，经过修改，整理完成此毕业设计。本系统具有以下优点本系统采用模式，并将系统分成层，业务逻辑层，数据库层和表现层，这样使系统具有良好的扩展性和可维护性。采用提供的验证框架进行验证，使用验证配置文件进行统管理。代码条理性强，便于后期测试维护。当然由于资质有限，使得此系统存在以下局限性采用数据库，使得对系统性能要求较高。需求分析不够到位致使数据库设计与业务流程需求匹配度不高，进步使得程序代码设计有困难，不和常规逻辑。未对异常进行,张兴华,李纬基于差分进化算法的优能指标严重变坏。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，