遗传算法修正蚁群算法优化的PID控制器及其应用制造技术

本发明专利技术提供的一种遗传算法修正蚁群算法优化的PID控制器，所述遗传修正蚁群算法的优化方法包括以下步骤：将种群初始化，确定种群的规模为m以及最大迭代循环次数NCmax；规定种群的m个蚂蚁从不同的地点开始行走；建立禁忌表格，填充初始的出发地点；使每个蚂蚁根据概率转移状态公式进行搜索路径；使用式(1)完成信息素的更新，通过使用式(2)将信息素通过遗传算法修正；使用式(3)评价每次蚂蚁搜索路径后的效果，选出最佳的行进路径；若达到最大迭代次数，输出优化的PID参数，若未达到最大迭代次数，则返回使每个蚂蚁根据概率转移状态公式进行搜索路径步骤。通过将遗传算法嵌入蚁群算法，改善了PID控制器的控制性能，提高了控制的精确度。

PID controller optimized by genetic algorithm and ant colony algorithm and its application

The invention provides a PID controller optimized by genetic algorithm modified ant colony algorithm. The optimization method of the genetic modified ant colony algorithm includes the following steps: initializing the population, determining the size of the population as m and the maximum number of iterations NCmax; specifying that the M ants of the population start walking from different places; and establishing taboos. Formulas are used to fill in the initial departure site, each ant searches the path according to the probabilistic transition state formula, updates the pheromone by using formula (1), modifies the pheromone by using formula (2), evaluates the effect of each ant searching the path by using formula (3) and chooses the best path if it is achieved. The maximum number of iterations, the output of the optimized PID parameters, if not the maximum number of iterations, then return to each ant according to the probability of transition state formula to search the path step. By embedding genetic algorithm into ant colony algorithm, the control performance of PID controller is improved and the control accuracy is improved.

【技术实现步骤摘要】
遗传算法修正蚁群算法优化的PID控制器及其应用
本专利技术涉及注塑工艺领域，特别是涉及一种遗传算法修正蚁群算法优化的PID控制器及其应用。
技术介绍
传统注塑机是通过控制液压油路来实现对注射过程的控制，其对液压油压力和注射速度的控制可以归结于对液压油路的比例先导阀和比例插装阀的控制。传统注塑机闭环压射控制较成熟、控制精度较高、工艺较完善，但是传统液压注塑机能效低、污染严重、能耗较大，这是其本身电动力转液压压力固有的缺陷。研发电动力直接控制的注塑机迫在眉睫，近几年随着大功率半导体技术和电机伺服系统的迅猛发展，全电动注塑机也获得了较快的发展。全电动注塑机比传统液压注塑机的控制还要复杂，由于是直接对伺服电机进行控制，其控制系统不仅是非线性、强耦合、大滞后的系统，而且电机本身数学模型的复杂更加大了其控制难度。20世纪30年代末，随着现代科技的迅速发展，工业自动控制系统对系统控制的快速性、准确性以及稳定性提出要求，PID控制因此而生。PID控制器(ProportionIntegrationDifferentiation，比例-积分-微分控制器)是在PID控制原理基础上，由比例单元P(Proportion)、积分单元I(Integration)以及微分单元D(Differentiation)构成的控制器，其原理是将偏差的比例、积分和微分通过线性组合构成控制量，用这一控制量对被控对象进行控制，根据反馈原始采集的历史数据与参考值相对比，根据差别的出现率纠正输入值，最终实现目标输出。到目前为止PID闭环控制器仍然是最快速、最稳定的闭环控制系统，但是复杂的注塑机控制系统依靠简单的PID控制器控制当然较为乏力，难免会出现响应速度慢、超调量较大的问题。很多学者将智能控制算法应用于其中但是都多多少少有一定的缺陷。例如模糊控制算法可以有效调节系统的超调量，但是由于模糊化和去模糊化的计算量较大，反而延长了了系统的调节时间；神经网络算法可以适应多种PID闭环控制系统，但是需要大量的实验历史数据，不适于实际控制系统；自整定控制算法需要根据不同注塑机机型、不同注塑件注射工艺分别建模，不适于批量生产。蚁群算法是一种群体智能算法，全局搜索能力差、易陷入早熟停滞是群体智能算法的共有缺陷，这种缺陷会增加PID控制器的调节时间，降低系统的鲁棒性，超调量大。
技术实现思路
基于此，有必要针对传统的PID控制器无法满足全电动注塑机的控制需求，而独立的蚁群算法优化的PID控制器会增加调节时间，且超调量大的技术问题，提供一种遗传算法修正蚁群算法优化的PID控制器及其应用。本专利技术提供的一种遗传算法修正蚁群算法优化的PID控制器，所述遗传修正蚁群算法的优化方法以下步骤：将种群初始化，确定所述种群的规模为m以及最大迭代循环次数NCmax；规定所述种群的m个蚂蚁从不同的地点开始行走；建立禁忌表格，填充初始的出发地点；使每个蚂蚁根据概率转移状态公式进行搜索路径；S400，使用式(1)完成信息素的更新，通过使用式(2)将所述信息素通过遗传算法修正；τij(t+1)＝(1-ρ)τij(t)+△τij(t)………………………式(1)式中：ρ--这条路径上的信息素挥发程度；△τij(t)--t次迭代后路径(i,j)上新增加的信息素；次跌代时编号为k的蚂蚁在这条路径上走过并遗留下的信息素；τs＝τ+τG………………………………………式(2)式中：τs--修正后的信息素；τ--原有的信息素；τG--使用遗传算法变异出来的信息素；使用式(3)评价每次蚂蚁搜索路径后的效果，选出最佳的行进路径；若达到所述最大迭代次数，输出优化的PID参数，若未达到所述最大迭代次数，则返回所述使每个蚂蚁根据概率转移状态公式进行搜索路径步骤。在其中一个实施例中，所述概率转移状态公式为式(4)：式中：allowedk--在所述禁忌表tabuk中允许编号为k的蚂蚁能够到达的最近目标，这个表格是人为加入的目的是改善自然蚁群寻找食物的盲目性，因而称之为人工蚁群算法；ηij--这里表示的是单个蚂蚁寻找最优路径的能力，简单地说就是蚂蚁从出发地到目标地的最短路径，一般可以用与路径成反比例如倒数形式表示；α--这条路线对于这只蚂蚁来说的重要程度；β--这只蚂蚁识别能力对转移概率的影响。在其中一个实施例中，所述最大迭代循环次数NCmax为200～400次。在其中一个实施例中，所述遗传算法修正的修正方法为使用随机函数rand生成种群，所述种群使十进制的实数种群，再使用顺序交叉算法进行双点交叉，利用染色体片段断裂反向插入进行逆转变异，获得τG。在其中一个实施例中，所述使用顺序交叉算法进行双点交叉，利用染色体片段断裂反向插入进行逆转变异，包括以下步骤：Step.1两个随机父串为：Father1＝12|3456|789Father2＝98|7654|321Step.2将选取的交配区相互交叉到两个父串的前面：Father1’＝7654|123456789Father2’＝3456|987654321Step.3删除父串中互相重复的交配区域：Son1＝765412389Son2＝345698321。本专利技术还提供了一种如上所述的PID控制器在全电动注塑机中的应用。在其中一个实施例中，所述全电动注塑机的数学模型为式：式中：G(s)-表示前向通道传递函数；s-表示复变量。上述遗传算法修正蚁群算法优化的PID控制器，通过将遗传算法嵌入蚁群算法，以实现遗传算法对蚁群算法的修正，从而弥补独立使用蚁群算法优化PID控制器时增加调节时间、超调量大的缺陷，改善了PID控制器的控制性能，提高了控制的精确度。附图说明图1为本专利技术遗传算法修正蚁群算法优化的PID控制器一实施例的应用示意图；图2为本专利技术遗传算法修正蚁群算法优化的PID控制器与AS优化的PID控制器的收敛速度对比图；图3为本专利技术遗传算法修正蚁群算法优化的PID控制器与AS优化的PID控制器的控制效果对比图。具体实施方式本专利技术提供的遗传算法修正蚁群算法优化的PID控制器，遗传修正蚁群算法的优化方法包括以下步骤：将种群初始化，确定种群的规模为m以及最大迭代循环次数NCmax；规定种群的m个蚂蚁从不同的地点开始行走；建立禁忌表格，填充初始的出发地点；每个蚂蚁根据概率转移状态公式进行搜索路径；使用式(1)完成信息素的更新，通过使用式(2)将信息素通过遗传算法修正；τij(t+1)＝(1-ρ)τij(t)+△τij(t)…………………………式(1)式中：ρ--这条路径上的信息素挥发程度；△τij(t)--t次迭代后路径(i,j)上新增加的信息素；次跌代时编号为k的蚂蚁在这条路径上走过并遗留下的信息素；τs＝τ+τG………………………………式(2)式中：τs--修正后的信息素；τ--原有的信息素；τG--使用遗传算法变异出来的信息素；S500，使用式(3)评价每次蚂蚁搜索路径后的效果，选出最佳的行进路径；S600，若达到最大迭代次数，输出优化的PID参数，若未达到最大迭代次数，则返回步骤S300。上述遗传算法修正蚁群算法优化的PID控制器，通过将遗传算法嵌入蚁群算法，以实现遗传算法对蚁群算法的修正，从而弥补独立使用蚁群算法优化PID控制器时增加调节时间、超调量大的缺陷，改善了PID控制器的控制性能本文档来自技高网...

【技术保护点】
1.一种遗传算法修正蚁群算法优化的PID控制器，其特征在于，所述遗传修正蚁群算法的优化方法包括以下步骤：将种群初始化，确定所述种群的规模m，以及所述种群的最大迭代循环次数NCmax；规定所述种群的m个蚂蚁从不同的地点开始行走；建立禁忌表格，填充初始的出发地点；使每个蚂蚁根据概率转移状态公式进行搜索路径；使用式(1)完成信息素的更新，通过使用式(2)将所述信息素通过遗传算法修正；τij(t+1)＝(1‑ρ)τij(t)+△τij(t)…………………式(1)式中：

【技术特征摘要】
1.一种遗传算法修正蚁群算法优化的PID控制器，其特征在于，所述遗传修正蚁群算法的优化方法包括以下步骤：将种群初始化，确定所述种群的规模m，以及所述种群的最大迭代循环次数NCmax；规定所述种群的m个蚂蚁从不同的地点开始行走；建立禁忌表格，填充初始的出发地点；使每个蚂蚁根据概率转移状态公式进行搜索路径；使用式(1)完成信息素的更新，通过使用式(2)将所述信息素通过遗传算法修正；τij(t+1)＝(1-ρ)τij(t)+△τij(t)…………………式(1)式中：ρ--这条路径上的信息素挥发程度；△τij(t)--t次迭代后路径(i,j)上新增加的信息素；--t次跌代时编号为k的蚂蚁在这条路径上走过并遗留下的信息素；τs＝τ+τG…………………………………式(2)式中：τs--修正后的信息素；τ--原有的信息素；τG--使用遗传算法变异出来的信息素；使用式(3)评价每次蚂蚁搜索路径后的效果，选出最佳的行进路径；若达到所述最大迭代次数，输出优化的PID参数，若未达到所述最大迭代次数，则返回所述使每个蚂蚁根据概率转移状态公式进行搜索路径步骤。2.根据权利要求1所述的PID控制器，其特征在于，所述概率转移状态公式为式(4)：式中：allowedk--在所述禁忌表tabuk中允许编号为k的蚂蚁能够到达的最近目标，这个表格是人为加入的目的是改善自然蚁群寻找食物的盲目性，因而称之为人工蚁群算法；ηij--这...

【专利技术属性】
技术研发人员：黄力，
申请(专利权)人：黄力，
类型：发明
国别省市：广西,45