2.7 遗传PID控制
遗传PID控制是将控制器参数构成基因型,将性能指标构成相应的适应度,利用遗传算法来整定控制器的最佳参数,不要求系统是否为连续可调,能否以显式表示。基于遗传算法的自适应PID控制的原理框图如7。遗传PID温控系统将测量值与给定值进行比较,用遗传算法来优化PID参数,然后将控制量输出,实现将PID参数串接构成完整染色体,从而构成遗传空间中的个体,过通过繁殖交叉和变异遗传操作生成新一代群体,经过多次搜索获得最大适应度值的个体。
图7 基于遗传算法的自适应PID控制结构图
2.8 广义预测控制
预测控制(Predictive Control)是基于模型的计算机控制算法。其预测模型有脉冲响应模型、阶跃响应模型、camRMA模型和CARIMA模型。基于CARIMA模型的广义预测控制(GPC)是一种新型计算机控制算法。
3、常见温度控制方法的对比分析
通过上述温度控制方法的原理分析,表1给出各种温度控制特性与应用场合的情况。
全站搜索
温控仪控制算法 |
控制算法的控制特性 |
温控仪应用场合 |
|
单 |
常规PID拄制 |
优点:结构简单、实用,性价比高。 |
易于建立的线性温度控制系统的被控对 |
模糊控制 |
与传统的PID控制相比,响应快,超 |
纯滞后,参数时变或非线性的温度控制 |
|
神经网络控制 |
鲁棒性强,响应速度快,抗干扰能力 |
多变量、多参数、非线性与时变系统 |
|
复 |
Fuzzy-PID控制 |
具有很强的适应性,只要知道部分知识 |
一些大滞后系统中自动寻优P、I、D参 |
模糊神经网络控制 |
动态响应快,能达到高精度的快速控制, |
需要不断修正控制参数的温度控制系统。 |
|
遗传PID控制 |
调试方便,控制精度高,抗干扰性强, |
寻求全局最优且不需任何初始信息的P、 |
|
自适应广义预测 |
鲁棒性强,控制精度高 |
医用温度控制,如微波热疗中的 温度 |
|
模糊、神经网络 |
模糊控制鲁棒性强。动态响应与上升时 |
具有较太的滞后性,非线性、时定性的 |
|
模糊、神经网络 |
实现温度随外界干扰条件的乏化,实时的 |
对升温速度和恒温过程的精度要求较高 |