您的当前位置: 首页 >> 技术中心 >>
基于遗传算法的云台控制系统的参数优化

潘广全1,王伟2

1. 伟德国际app企业技术中心,济南,250101

摘 要:本文介绍了云台控制系统参数的优化方法,对云台控制系统进行了建模,确定了最优控制函数,通过遗传算法对云台控制系统的参数Kp、Ki、Kd进行了优化,并在MATLAB中进行了仿真实验,结果表明本算法要优于模糊PID 控制,可使控制系统具有更低的超调量,动态性能和稳态性能更好。

关键词遗传算法;云台控制系统; PID参数优化;模糊控制

Cloud platform control system based on genetic algorithm optimization parameters

Pan Guangquan1,Wang Wei2

1Enterprise Technology Center Of Shandong Zhengchen Technology Company co.,Ltd, Jinan, 250101)

Abstract: This article describes the optimization method for cloud platform control system parameters. Cloud platform control system was modeled. The optimal control function was determined. Through genetic algorithm, parameters(Kp、Ki、Kd) of cloud platform control system has been optimized. And simulation experiments was done in MATLAB. The results show that the algorithm is superior to the fuzzy PID control. Control system has a lower overshoot, better dynamic performance and steady-state performance.

Key  words: Genetic algorithms; Cloud platform control systems;PID parameter optimization; fuzzy control

 引言

云台控制系统是监控系统应用最广的设备之一,其动态性能和稳态性能直接决定监控系统的控制精度,如何对云台控制系统的 PID 的参数进行调节优化,提高其快速性能,提高其抗干扰的能力与鲁棒性能, 成为工业控制界多年来关注的热点。目前在控制系统中,PID 参数优化方法众多,如ziegler-Nichols、临界灵敏度法、Cohen-Coon整定方法等,这些优化方法由于初始值的不同,容易限制于局部求最优解等弊端,在一些特殊的场合如高阶非线性系统且对响应速度要求较高的条件下,一般难以达到设计要求。本文提出一种利用遗传算法进行云台控制系统PID参数寻优的设计方法,并与模糊控制PID参数算法方法进行对比,该方法与其它优化方法相比,不需要任何初始化信息,无复杂规则和流程,操作容易,响应迅速快,稳定性能好。

遗传算法原理

遗传算法,由Michigan大学的Holland教授在1962后提出,是在达尔文自然选择学说的基础上发展起来的,它是一种模拟自然界遗传机制的全局搜索算法。遗传算法广泛应用于工业自动化、图像处理、机器人等领域,在函数优化、组合优化、生产调度问题上显示出其强大的优越性。遗传算法借助生物界中染色体、基因、交叉、变异的概念,模拟遗传机制。遗传算法运用概率搜索技术,展示出在搜索过程中的灵活性和实用性,摒弃穷举式搜索,采用高效启发式搜索,对于寻优的函数要求较低,可以是数学解析式、映射矩阵或者神经网络函数,利用并行计算,加速大规模复杂问题的求解时间,所以有比较广的使用范围[1]

       ……

总结

遗传算法在云台控制系统中的应用,改变了传统PID控制器依赖历史经验、调试复杂的局面,云台控制系统达到了快速、无超调的设计结果,消除了对PID调节器初始化参数的依赖性,与模糊控制方法相比,没有过多的操作规则,只有复制、交叉、变异的简单操作过程,鲁棒性强,本文提出的基于遗传算法的云台控制参数优化是可行的, 它对传统方法的PID控制器的优化方法进行改进了,实用性较强。