本发明专利技术公开一种非线性MIMO?PID控制器参数多目标优化方法。特征是：1.优化目标为：在满足最大超调量小于设定值50％和静态误差小于设定值1％的前提下，使得误差累积和最小，且能耗最低；2.采用多目标遗传算法进行优化问题求解；算法改进包括引入四进制编码、新型交叉和变异算子以及基于自适应密度信息的精英保留和维护策略；3.依方法中提供的算法参数取值范围进行设置并优化控制器参数。本发明专利技术具有无需反复调试，在给定模型下对参数进行多目标优化，快速找出静态误差小、超调量小、能耗低的参数，且方法直观、易于操作及多变量控制对象的扩展，一阶时滞模型及PID控制器广泛适用于现有工业过程，对象模型便于工业测量的优点。
【技术实现步骤摘要】
本专利技术涉及--种非线性MIMO PID控制器参数多目标优化方法。
技术介绍
工业生产过程中普遍存在具有时滞的多输入多输出(MIMO)过程。由于各输出通道之间存在耦合作用，使得大多数已发展的单变量控制方法很难用于多变量过程，如何实现解耦调节和控制是过程控制领域中的研究难题。目前，通过设置静态解耦和动态解耦控制器，并基于单位反馈闭环控制结构可以进行解耦控制器设计，也取得了一些好的控制效果，但这些方法推导麻烦，很难进行工程实际应用推广。具有η维输入m维输出的多变量闭环控制系统如附图说明图1所示。图中，ri(t)，i = 1，2，...，11为设定值叫(0，1 = l，2，...，m为操作变量；yi(t)，i = l，2，...，m为系统输出，G(s)为过程传递函数矩阵，G。(s)为全维控制器矩阵，如下式(1)、(2)所示 gu(s) Snis)权利要求1. 一种非线性MIMO PID控制器参数多目标优化方法，其特征在于包括带约束的多目标函数设置、约束处理、获取Pareto优化解(1)目标函数设定目标函数如(5)式所示2.根据权利要求1所述的非线性MIMOPID控制器参数多目标优化方法，其特征在于 步骤C3)所述的采用多目标优化算法获取Pareto优化解，具体过程为步骤1 算法参数设定种群规模N，第i个目标函数格子数Ki,最大进化代数G ； 步骤2 随机产生四进制初始种群N，按式( 进行个体的适应度值计算及按式(6)进行约束处理；步骤3 进行精英个体保留及个体维护；步骤4 将保留个体选为遗传操作的父本，若保留个体数小于N，对不足部分，应用锦标赛方式在剩余个体中进行选择；步骤5 执行转位、换位和置换及颠换、转换、对换算子；步骤6 对步骤5产生的个体，选择最好的N/2个序列和最差的N/2个序列作为下一代的初始种群，计算子代的适应度值，转至步骤3，重复进行直到满足停止条件。3.根据权利要求2所述的非线性MIMOPID控制器参数多目标优化方法，其特征在于步骤3所述的精英个体保留及个体维护，具体过程如下由于决策者希望给出一个有代表性的Pareto前沿，同时保持其大小有限，此处，设保留个体的最大值为N'；若保留群体数大于N'，则进行精英维护，以使其分布均勻地代表整个Pareto最优集；具体维护算法按照如下条件之一决定是否将新解加入精英群体(1)新解支配了精英种群的部分解，则去除被支配解，加入新解；(2)根据个体密度值移出部分个体，位于较稀疏区域的个体总是优先成为精英保留个体；根据上述原则，提出了一种新的种群维护策略首先精英个体的加入与否按照第一条规则，若当前得到的精英个体数为1，1 < N，则与保留群体中的个体进行比较，若支配了精英种群的部分解，则去除被支配解，加入新解；该精英加入算法类似于Pareto排序算法，计算复杂度取决于当前精英个体和保留个体中的数量，为0(1N')；当非支配解很多时，仅采用以上策略将使精英群体数量快速上升，大大增加计算复杂度；因此，设定保留个体数的最大值为N'，若保留群体中的个数大于N'，则需要种群维护；本算法对保留群体的个体基于单元密度信息进行维护；经过精英保留后，保留群体中的个体都为非支配个体，其Pareto排序值均为1 ；当保留个体数过多时，在密度格子的限制下，个体密度过高，可进行删除；维护算法将实现每个格子只保留一个个体，以目标函数为维度的单元格宽度为 Wi = /Ki式中，Wi为单元格第i维的宽度，Ki为第i维的单元格子数；在不同的进化代数，目标函数的最大值和最小值不尽相同，单元格宽度随进化代数产生变化，但单元格子数始终不变； 得到格子信息后，对处于同一格子的个体进行选择，删除密集个体；个体维护算法的具体步骤如下步骤1 以fl的目标函数值为基准，利用冒泡排序，对保留个体进行排序； 步骤2:针对保留个体，根据格子的单位fi轴步长，并加上一较小的数ζ，ξ < ΙΟ'5, 使得所有个体都落在格子中，避免有个体处于格子边界；步骤3 扫描原始数据的每个点确定当前点所处的格子位置，判断当前个体所处格子是否存在历史最优点；若有，则比较当前个体和历史个体的适应度值，如果当前点更优，则取代历史个体，否则结束当前扫描过程，进行下一个点的处理；若格子中不存在点，即当前点为该格子中出现的第一个点，则将当前点作为一个局部最优点记入初选点的数组中。4.根据权利要求2所述的非线性MIMO PID控制器参数多目标优化方法，其特征在于 所述的基于DNA计算的交叉和变异算子，即步骤5所述的执行转位、换位和置换及颠换、转换、对换算子，具体过程如下所示 (1)引入的新交叉操作算子如下转位算子将序列中的一个子序列，转移至新的位置；设原序列R = I^5R4RJ2R1,转位后新的序列为R' = R5R2R4R3Ri ；换位算子将序列中的两个或两段子序列互相交换位置；设原序列为R = I^5R4R3R2R1，交换子序列R4与R2的位置，可得新的RNA序列为R' = R5R2R3R4R1 ；置换算子序列中的一个子序列被另一个子序列所替换；设原序列为R = R5R4R3R2RijR2 被IV替换后，形成新的序列为R = I^5R4R3IV礼；若&和1 2'选为两条序列的某一部分，则置换运算转变为传统遗传算法的单点交叉运算；若置换的子序列为某一段，该操作相当于引入多点交叉操作；(2)引入的新变异算子如下颠换算子指序列中的结构编码位都发生变换而功能编码位均未发生变化，这相当于数字编码中的首位数字均出现变化，而末位数字均保持不变，即，0^2，1^3四种情况；转换算子序列中只有功能编码位发生变换，而结构编码位均未变化，这相当于数字编码中的末位均出现变化而首位数字均保持不变，即，0^1，2^3四种情况；对换算子序列中的结构编码位和功能编码位都同时变化，这相当于数字编码的首位和末位都出现了变化，即，0G3四种情形。全文摘要本专利技术公开一种非线性MIMO PID控制器参数多目标优化方法。特征是1.优化目标为在满足最大超调量小于设定值50％和静态误差小于设定值1％的前提下，使得误差累积和最小，且能耗最低；2.采用多目标遗传算法进行优化问题求解；算法改进包括引入四进制编码、新型交叉和变异算子以及基于自适应密度信息的精英保留和维护策略；3.依方法中提供的算法参数取值范围进行设置并优化控制器参数。本专利技术具有无需反复调试，在给定模型下对参数进行多目标优化，快速找出静态误差小、超调量小、能耗低的参数，且方法直观、易于操作及多变量控制对象的扩展，一阶时滞模型及PID控制器广泛适用于现有工业过程，对象模型便于工业测量的优点。文档编号G05B13/04GK102346438SQ201110145070公开日2012年2月8日 申请日期2011年5月25日 优先权日2011年5月25日专利技术者刘小英, 朱勇, 陶吉利 申请人:浙江大学宁波理工学院本文档来自技高网...
【技术保护点】
１．一种非线性ＭＩＭＯ ＰＩＤ控制器参数多目标优化方法，其特征在于：包括带约束的多目标函数设置、约束处理、获取Ｐａｒｅｔｏ优化解：（１）目标函数设定目标函数如（５）式所示：＊＊＊ｓ．ｔ． Ｏｉ，ｍａｘ≤５０％ｒｉ（ｋ）（５） ｜ｅｉ，ｓｓ｜≤１％ｒｉ（ｋ） ｉ＝１，２，Ｌ ｎ式中，ｅｉ（ｋ）＝ｒｉ（ｋ）－ｙｉ（ｋ）为控制系统的偏差，ｕｉ（ｋ）为控制器输出，ｒｉ（ｋ）为设定值，ｅｉ，ｓｓ为静态误差，为最大超调量；（５）式的优化目标为：在满足最大超调量小于设定值５０％和静态误差小于设定值１％的前提下，使得误差累积和最小，且能耗最低；（２）约束处理由于目标函数中包含了两个约束条件，需要在无约束多目标优化的基础上，进行约束处理；对约束进行处理遵循：（１）可行解优于不可行解；（２）目标函数值小的可行解优于目标函数值大的可行解；（３）约束违反小的不可行解优于约束违反大的不可行解；在多目标优化中，解的优劣通过Ｐａｒｅｔｏ占优概念进行比较，并将上述遵循条件结合到Ｐａｒｅｔｏ优劣比较中，从而实现多目标优化中的约束处理；对于第ｉ个解和第ｊ个解，当满足如下任一条件时：（１）第ｉ个解可行，第ｊ个解不可行；（２）两者都不可行，第ｉ个解的约束偏移量小于第ｊ个解的约束偏移量；（３）两者都可行，第ｉ个解支配第ｊ个解；则第ｉ个解优于第ｊ个解；按照以上原则，进行带约束的多目标优化设计，如下式（６）；ｆｉ，ｍａｘ（ｋ）为进化到第ｋ代时目标函数的最差值，ｆｉ，ｍａｘ（ｋ）≠０；ｓｉｇｎ为符号函数；（３）采用多目标优化算法获取Ｐａｒｅｔｏ优化解；（４）优化得到的求解参数为一组解，根据实际生产过程需要，选择其中一组投入生产。...
【技术特征摘要】
【专利技术属性】
技术研发人员：陶吉利，朱勇，刘小英，
申请(专利权)人：浙江大学宁波理工学院，
类型：发明
国别省市：97
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。