ЖУРНАЛ «СТА» №1/2007

88 СТА 1/2007 www.cta.ru мене генетическим материалом между хромосомами (роди- телями) для того, чтобы получить новую хромосому (потом- ка). Существует много различных форм операторов скре- щивания. Один из них состоит в том, что в двух родитель- ских хромосомах случайным образом выбирается некото- рая позиция (рис. 36), затем происходит обмен генетиче- ской информацией, расположенной справа от выбранной позиции [24]. После выполнения генетического алгоритма производят декодирование генетического представления результата в инженерные величины. Оценка приспособленности хромосом в популяции для оценки коэффициентов ПИДрегулятора может быть вы- брана, к примеру, как где e ( t ) – текущее значение ошибки регулирования, t – вре- мя [23]. Селекция хромосом осуществляется методом рулетки. На колесе рулетки имеются секторы, причём ширина сектора пропорциональна функции приспособленности. Поэтому чем больше значение этой функции, тем более вероятен от- бор соответствующей ей хромосомы. В работе [25] генетические алгоритмы используются как для идентификации объекта управления, так и для настрой- ки параметров ПИДрегулятора. В обоих случаях схема применения алгоритма одинакова: составляется критери- альная функция, зависящая в первом случае от параметров объекта управления, во втором – от параметров ПИДрегу- лятора K , T d , T i . Далее с помощью генетического алгоритма отыскивается глобальный минимум функции, координата- ми которого являются искомые параметры объекта или ПИДрегулятора. В работе [23] поиск оптимальных параметров ПИДрегу- лятора выполнялся генетическим алгоритмом со следую- щими параметрами: размер популяции – 20, максимальное количество поколений – 100, вероятность скрещивания – 0,9, вероятность мутации – 0,1, диапазон изменения пара- метров 0…40. В ЫВОДЫ 1. ПИДрегулятор остаётся основным типом регулятора в АСУ ТП. 2. Улучшить характеристики классического ПИДрегулято- ра может применение регулятора с двумя степенями сво- боды и фильтра для сигнала уставки. 3. Принцип разомкнутого управления, введённый в ПИДрегулятор, позволяет существенно уменьшить вре- мя регулирования и повысить запас устойчивости систе- мы, а также скомпенсировать внешние возмущения. 4. В системах, где время регулирования является опреде- ляющим показателем, следует использовать импульсное управление без обратной связи перед включением обыч- ного ПИДрегулятора. 5. Регулятор с точно идентифицированной внутренней мо- делью позволяет увеличить точность слежения за устав- кой, но плохо ослабляет внешние возмущения. 6. Для систем с транспортной задержкой более, чем 0,2…1 от постоянной времени объекта, следует использовать предиктор Смита или ППИрегулятор. 7. Если объект управления нелинеен, сложен и не может быть идентифицирован, но имеются эвристические пра- вила или опыт ручного управления таким объектом, то решить задачу управления можно с помощью фаззи или нейросетевого регулятора. 8. Для поиска оптимальных значений параметров ПИДре- гуляторов и идентификации объектов управления с успе- хом используются генетические алгоритмы. ● Л ИТЕРАТУРА 10.Изерман Р. Цифровые системы управления. — М. : Мир, 1984. — 541 с. 11. Smith O.J.M. Close control of loops with dead time // Chemical Engineering Progress. 1957. Vol. 53. P. 217235. 12.Методы робастного, нейронечёткого и адаптивного управле- ния: Учебник / Под ред. Н.Д. Егупова, 2е изд. — М. : Издво МГТУ им. Баумана, 2002. — 744 с. 13. Zadeh L.A. Fuzzy sets // Information and Control. 1965. № 8. P. 338353. 14. Ротач В.Я. Теория автоматического управления. — М. : Издво МЭИ, 2004. — 400 с. 15.Mamdani E.H. Application of fuzzy algorithm for simple dynamic plant // Proc. IEEE. 1974. № 12. P. 15851588. 16. Усков А.А., Кузьмин А.В. Интеллектуальные технологии управ- ления. Искусственные нейронные сети и нечёткая логика. — М. : Горячая линия — Телеком, 2004. — 143 с. 17. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные се- ти, генетические алгоритмы и нечёткие системы. —М. : Горячая линия — Телеком, 2006. — 383 с. 18.Mann G.K.I., BaoGang Hu, Gosine R.G. Analysis of direct action fuzzy PID controller structures // IEEE Transactions on Systems, Man and Cybernetics, Part B. June 1999. Vol. 29. Issue 3. P. 371388. 19. Yesil E., Guzelkaya M., Eksin I. Internal model control based fuzzy gain scheduling technique of PID controllers // World Automation Congress, 28 June  1 July 2004. Proceedings. Vol. 17. P. 501506. 20.Feng H.M. A selftuning fuzzy control system design // IFSA World Congress and 20th NAFIPS International Conference, 2528 July 2001. Vol. 1. P. 209214. 21.Kato M., Yamamoto T., Fujisawa S. A skillbased PID controller using artificial neural networks // Computational Intelligence for Modeling, Control and Automation and International Conference on Intelligent Agents, Web Technologies and Internet Commerce, 2830 Nov. 2005. Vol. 1. P. 702707. 22.Kawafuku R., Sasaki M., Kato S. Selftuning PID control of a flexible microactuator using neural networks // IEEE International Conference on Systems, Man and Cybernetics, 1114 Oct. 1998. Vol. 3. P. 30673072. 23.Li Jie, Xie Jianying, Wu Zhengmao. Design of disturbance rejection PID controllers for time delay system based on genetic algorithms // International Conference on Neural Networks and Brain (ICNN&B '05), 1315 Oct. 2005. Vol. 2. P. 876880. 24.Fleming P.J., Purshouse R.C. Genetic algorithms in control systems engineering. — IFAC Professional Brief. — http://www.ifac control.org . — 32 p. 25.Pereira D.S., Pinto J.O.P. Genetic algorithm based system identifica- tion and PID tuning for optimum adaptive control // IEEE/ASME International Conference on Advanced Intelligent Mechatronics, 2005. Proceedings. P. 801806. Автор — сотрудник НИЛ АП Телефон: (8634) 324-140 Факс: (8634) 324-139 E-mail: info@RLDA.ru В З АПИС Н УЮ К НИЖК У ИНЖЕ Н Е РА 0 1 ( ) , t J t e t dt = ∫ в н с и д т е щ с в л м г б л ч в м с м т н н т ч с т р л жд м с м м д КНИЖК У У г л н р т р А ИНЖЕ Н Е Р и к т м н ч н р м р р с т в г г л т р ш д ч л н н м щ з л н г л н к е т н м р к э ф ц е т г л т р ж к с с л н с м с п л ц т т ж н з и в д к д р в н н т ч с г с л н з ц с п н н н т ч с г г р м ф м ц е п л ж н в б н т и х д м н т ч з ц м с м ч н р з б р е с к т н л ч н н т д б с н г р г т н г л м п з ю с н т ч с г р м л т р т ф к ц е т л н п в р в т м л н п т ф к ц е т л н с б т н т ч с г р м п з ю с о в с в щ м с м ш ч н ц л р т п ц н н ц с с л н с э м л с л к ю с т р р н т р л ц м с щ с вл е с т д л к к щ ч н к г л р в н к с л с к с р н р ч с в н р н т г к н к к т л к н м т л т а н н л г р т м т ч с г л н м н т р п н с н т ч с г р м д б т и т м н р м р г г л т р т р г л ю с к м р м р е т с в е с б н н м ц о д н т л м щ н т ч с г г р м е т л н р н ц в с щ в ч р м р м н н г р м н к в с л е с т р р м р г л т р и ч я м р м р г л к н н т ч с г р м т м р ч ж м н н г л т р м п н м ш р т г л т т н н п г л т р р р я н т ц л ч с в к л н м р м р м м п л ц р с к с ч с г г л т п з м н н р р я н щ в н с м н г л т н т ф ц р в н р н г г л т р л н р н з р ч н е щ к з т л д т м м г л р в н л е с р д также с омпенсировать внешние возмущения. гулирования и повысить запас у регулятор, позволяет существенно уменьшить время ц разомкнутог управления, введённый в ПИД р д е п з в п н стойчивости системы, а т к н л ide tification a d PID tuning for o timum adaptiv D.S., Pinto J O.P — 3 2 p. control.org IF . Genetic algorithm C Professional Br ef. — http://www A // e control base system .ifac т ф ц р в ю с р с ч с л е л н л н е ж ж д т т г л т с я н м н е т д х л л е н м щ н л з л е л ч н ж н е п з в © т % % % Mechat nics, 2005. Proceedings. P EEE/ASME International Conference on Adv TA 801 806. . anced Intelligent 2007, C еТ л.: (495) 234 0635 Факс: (495) 232 1653 http://www.cta.ru