基于图形化组态技术的免疫遗传PID控制器的实现方法

摘要

本发明涉及工业自动化控制技术领域，特别是一种基于图形化组态技术的免疫遗传PID控制器的实现方法，该方法在控制策略组态软件中采用图形化组态的方法构建免疫遗传PID控制策略，并通过组态软件技术使得免疫遗传PID控制器算法能够直接运行于控制站中。该方法提高了免疫遗传PID控制算法的执行效率、通用性和应用范围。

主权项

一种基于图形化组态技术的免疫遗传PID控制器的实现方法，其特征在于，在控制策略组态软件中采用图形化组态的方法构建免疫遗传PID控制策略，并通过组态软件技术使得免疫遗传PID控制器算法能够直接运行于控制站中；该方法包括以下步骤：步骤1：在数据库组态软件中添加免疫遗传PID控制器算法所需要的IO模块；将工艺设备和控制设备添加进数据库中，同时匹配工艺设备和控制设备之间的IO口，所述IO模块用于连接控制策略组态软件以及人机界面组态软件中的IO口；步骤2：根据免疫遗传算法在线优化和整定PID参数的原理，在控制策略组态软件上采用图形化组态的方法搭建免疫遗传PID控制器的控制逻辑，所述控制逻辑经过系统分析、链接之后在线传送至控制站中；步骤3：控制站将控制逻辑和数据库相连，控制站执行控制逻辑，同时对数据库中的数据进行读写，并将IO实时数据传送至控制逻辑，以利用控制策略组态软件对免疫遗传PID控制过程的中间数据进行实时监控；步骤4：在人机界面组态软件上，设置系统的启动和停止操作窗口，通过调用实时监控趋势图，在线观察系统的运行情况和控制效果；在步骤2中，采用图形化组态的方法搭建免疫遗传PID控制器的控制逻辑，按如下步骤进行：步骤201：产生初始群体，初始群体中的每个个体由PID的比例参数Kp、积分作用参数Ki和微分作用参数Kd组成，所述三个参数Kp、Ki和Kd均为初始群体取值范围内的任一随机数；将所述三个参数变换到整数空间，在群体更新时再将其映射回实际的取值范围；步骤202：在每个采样周期都对所有个体进行适应度计算：首先计算每个个体的误差信号e(i)、误差信号累积值ie(i)、误差信号变化率de(i)、再利用公式J(i)＝α_p|e(i)|+β_p|ie(i)|+γ_p|de(i)|计算出第i个个体的适应度值，上述公式中，J(i)是第i个个体的适应度值，α_p、β_p、γ_p分别是e(i)、ie(i)、de(i)的加权系数；在所有个体适应度计算完成之后，选取适应度最高的个体的PID参数作为下一个采样周期的实际PID控制器参数，计算出PID控制器的输出，作用于实际的被控对象中；步骤203：采用基于矢量矩的抗体浓度计算方法计算抗体浓度，其中每个个体代表一个抗体；抗体的距离计算公式为：$\rho \left(i\right)=\underset{j=1}{\overset{N}{\Sigma }}|f\left(i\right)-f\left(j\right)|$基于抗体浓度的选择概率计算公式为：$P\left(i\right)=\frac{\rho \left(i\right)}{{\Sigma }_{j=1}^N\rho \left(j\right)}=\frac{{\Sigma }_{j=1}^N|f\left(i\right)-f\left(j\right)|}{{\Sigma }_{i=1}^N{\Sigma }_{j=1}^N|f\left(i\right)-\left(j\right)|}$其中，i是第i个抗体，即当前的个体，j是第j个抗体，N是抗体总数，ρ(i)是第i个抗体的距离，f(i)是第i个抗体的适应度值，P(i)是第i个抗体的选择概率；步骤204：选择、交叉、变异算子计算按如下方法计算选择算子、交叉算子以及变异算子：选择算子：采用锦标赛选择的方法，每次从群体中选出两个个体，在比较概率浓度后，把概率较大的个体复制出来，重复进行的次数为群体的个体数；交叉算子：采用算术交叉的方法，交叉开始前，产生[0,1]的随机数；设交叉前的两个个体编码分别为a、b，则交叉后的两个个体分别为a’、b’，其中a′＝p·a+(1‑p)·b，b′＝(1‑p)·a+p·b，式中p为交叉概率；变异算子：采用随机变异的方法，当某个参数变异信号产生时，该参数变异成取值区间内的任意一个数值；步骤205：在选择、交叉、变异算子计算完成之后，得到新一代的群体，进入下一个采样周期；重复执行步骤202、步骤203和步骤204，直到符合终止条件时结束。