PID控制是大多数实际工业过程中应用最为广泛的控制策略,同时对其研究的成果颇丰。在工业过程中,超过95%的控制器是PID控制器。特别是1993年以来,由于现代控制理论的发展与实际工程相脱离及现代工业过程对控制系统的高要求,使得关于PID控制的研究呈暴发的趋势。PID控制器参数优化设计和整定对于控制系统性能来说至关重要。目前,国内外学者多是在控制对象标称模型下对PID控制器进行整定和优化设计的,然而在实际控制系统中由于受工作环境、元器件老化、结构的几何误差、材料制造以及测量等因素的影响,控制对象参数不确定性是客观存在的。基于控制对象标称模型下的控制器整定和优化方法,在控制对象参数发生较大变化时,很难满足控制性能要求。因此本文针对控制领域普遍存在的模型参数具有不确定性的一类PID线性控制系统,结合随机算法的优点,提出了一种改进的遗传算法,并将其应用到车辆线控系统PID控制器优化设计中,主要做了如下工作：
首先,利用Hermite-Biehler定理及广义Hermite-Biehler定理确定了遗传算法的PID参数优化空间。在传统遗传算法的通用框架下,引入随机算法,改进了传统遗传算法中的目标函数,目标函数不再是某一时域、频域、积分误差或它们的组合等确定函数,而是随机函数,即被控对象模型参数发生变化时,满足指标概率的函数。最后应用改进遗传算法对模型参数具有不确定性的一类PID线性控制系统进行了PID控制器参数整定的数值仿真,仿真结果与传统遗传算法相比较,在控制器参数发生较大变化时,仍能具有较好的控制质量,验证了算法的有效性。
其次,对实际车辆转向系统控制对象建模,应用改进遗传算法对PID控制参数进行优化和整定,仿真结果与传统遗传算法比较,当模型不确定参数发生较大变化时,仍能具有较好的动态性能品质,具有很强的鲁棒性。
最后,对全文进行了总结,并结合本人在遗传算法方面的学习和研究对下一步的工作提出了展望。
