數(shù)字仿真在控制系統(tǒng)參數(shù)優(yōu)化應用

1、第12章 數(shù)字仿真在控制系統(tǒng)參數(shù)優(yōu)化中的應用v121 系統(tǒng)仿真與參數(shù)優(yōu)化v 在控制系統(tǒng)的設計過程中，通常需要考慮最優(yōu)化的問題，也就是如何使控制系統(tǒng)在滿足一定約束條件下使得某些指標達到最優(yōu)值。一類是控制系統(tǒng)參數(shù)優(yōu)化；另一類是控制系統(tǒng)函數(shù)優(yōu)化，也就是控制器優(yōu)化?？刂葡到y(tǒng)參數(shù)最優(yōu)化一般是指，控制對象是已知的，控制器的結(jié)構(gòu)、形式也已確定，需要通過調(diào)整或找出控制器的某些參數(shù)，使得系統(tǒng)的性能在某種性能指標意義下達到最佳。這一章我們主要來研究控制系統(tǒng)的參數(shù)優(yōu)化問題。v1211 目標函數(shù)v 衡量控制系統(tǒng)調(diào)節(jié)品質(zhì)的指標一般概括為：穩(wěn)定性、準確性、快速性。但是通常情況下，這三種調(diào)節(jié)品質(zhì)指標是互相矛盾的，譬如，為了

2、提高系統(tǒng)的穩(wěn)定性，往往會引起被調(diào)量的動態(tài)及靜態(tài)偏差加大。在保證調(diào)節(jié)系統(tǒng)具有一定的穩(wěn)定裕度的情況下，應盡量提高系統(tǒng)的準確性和快速性。v 控制系統(tǒng)參數(shù)優(yōu)化需要解決兩方面的問題：怎樣把上述的三個指標歸結(jié)為一個目標函數(shù)：在目標函數(shù)確定后如何通過改變系統(tǒng)參數(shù)來使其達到最小值(最大值)。 v 若目標函數(shù)用Q來表示，需要尋優(yōu)的參數(shù)用a來表示，則對于數(shù)學模型 的控制系統(tǒng)(x為n維狀態(tài)矢量，f為n維系統(tǒng)運動方程的結(jié)構(gòu)矢量)，要求滿足下列約束條件：v 不等式約束 H(a)0 (q維)v 等式約束 G(a)0 (p維)v 等式終端約束 S(a，tf)0 (m維，tf為終端時間)v 尋找一組參數(shù)aa*，使目標函數(shù)Q(

3、a*)=minQ(ai) (ai a ) ),(taxfx v 1目標函數(shù)的選取v 基于不同的目的，可以構(gòu)造多種不同的目標函數(shù)，使它既能比較確切地反映系統(tǒng)的品質(zhì)，又能比較方便的計算。顯然，當選擇不同的目標函數(shù)時，對同一系統(tǒng)，使這些目標函數(shù)達到最優(yōu)時參數(shù)將是不同的。v 在工程上，一般有兩種選擇目標函數(shù)的方法。第一類目標函數(shù)是直接按系統(tǒng)的調(diào)節(jié)品質(zhì)提出的。由于衡量調(diào)節(jié)品質(zhì)的指標一般有三個，而目標函數(shù)一般只有一個。所以，一般是根據(jù)實際系統(tǒng)的要求，取上述三個特征數(shù)值中的一個作為目標函數(shù)，而另外兩個作為檢驗條件，或者由經(jīng)驗估計系統(tǒng)的某些參數(shù)可能對某個特征數(shù)值影響較大，則相應取目標函數(shù)并對不同參數(shù)講行尋優(yōu)計

4、算。當然這樣并不一定是總體最優(yōu)。v 第二類目標函數(shù)是所謂誤差目標函數(shù)，即采用期望的系統(tǒng)響應(應該是階躍響應)和實際系統(tǒng)響應之差的某個函數(shù)作為目標函數(shù)，這實際上是對第一類目標函數(shù)的幾個特征數(shù)值做某種數(shù)學上的處理，設法將它們統(tǒng)一地包含在一個數(shù)學表達式中。v 在實際使用中，積分的上限一般取系統(tǒng)過渡過程時間的152倍即可。同時，還考慮控制量或控制量變化速率作為積分項引入目標函數(shù)，表示對控制量的限制。v 2目標函數(shù)的程序設計與實現(xiàn)v 前面提到的目標函數(shù)都可以在計算機上實現(xiàn)。第一類目標函數(shù)需要求系統(tǒng)的調(diào)節(jié)品質(zhì)，第二類目標函數(shù)是需要求出系統(tǒng)的階躍輸入響應。無論使用哪類目標函數(shù)，最后歸結(jié)為先對控制系統(tǒng)進行仿真

5、，然后根據(jù)仿真結(jié)果求出目標函數(shù)值。v (1)控制系統(tǒng)調(diào)節(jié)品質(zhì)指標的計算。計算控制系統(tǒng)調(diào)節(jié)品質(zhì)指標的程序框圖如圖121和圖122所示。 v1212 目標函數(shù)的尋優(yōu)方法v 控制系統(tǒng)的參數(shù)優(yōu)化問題的解決途徑一般有兩種：間接尋優(yōu)法和直接尋優(yōu)法。v 1.間接尋優(yōu)法v 2.直接尋優(yōu)法v 直接尋優(yōu)法就是直接計算目標函數(shù)Q(a)之值。按一定規(guī)律改變a，從而得到相應的Q(a)，然后判斷是否達到最小，若是則停止搜索；否則再改變a，直到滿足為止。 v 一般地，目標函數(shù)的尋優(yōu)往往不是經(jīng)過幾次搜索就能實現(xiàn)的，至少要經(jīng)過幾十次甚至上百次的搜索，而每次搜索都要對系統(tǒng)進行一次仿真計算。因此，必須選擇收斂性好，收斂速度快的尋優(yōu)

6、方法，盡量減少計算目標函數(shù)值的次數(shù)；另外，還要選擇快速數(shù)字仿真方法或并行處理技術(shù)進行仿真以提高尋優(yōu)速度。 v122 單變量尋優(yōu)技術(shù)v 單變量尋優(yōu)法是最基本的直接尋優(yōu)法。上一節(jié)中我們提到參數(shù)尋優(yōu)過程中需要按照一定的規(guī)律確定尋優(yōu)步長hk及尋優(yōu)方向pk，其中hk的最優(yōu)選擇是一維尋優(yōu)問題，即通過在搜索過程中不斷縮小區(qū)間后達到最優(yōu)值。v 單變量尋優(yōu)法主要有兩類：區(qū)間消去法和插值法。v1221 區(qū)間消去法v 區(qū)間消去法的基本思想就是逐步縮小搜索區(qū)間，直至最小點存在的范圍達到允許的誤差范圍為止。 v 根據(jù)確定a1、a2方法的不同，單變量尋優(yōu)一般有Fibonacci法、黃金分割法。v 1Fibonacci法v

7、 該方法是按Fibonacci數(shù)列的規(guī)律進行的區(qū)間縮減的一種搜索方法。Fibonacci數(shù)列是由以下差分方程遞推產(chǎn)生的： v 2黃金分割法v 我們已知 ，如果每次縮短的區(qū)間均均為0.618，既每次迭代an，bn的長度與an+1，bn+1的長度之比均為0.618，這種方法稱為黃金分割法。 618. 0lim1kkkFFv1222 差值法v 差值法的基本思想就是先按照某種規(guī)律確定若干點并計算出這些點的目標函數(shù)值，然后通過這些點的某一類型曲線來近似目標函數(shù)的曲線，最后消去不需要的區(qū)間，在新的區(qū)間繼續(xù)進行搜索。v 二次差值法是最為常用的差值法，該方法是用二次多項式來逼近Q(a)的。v123 多變量尋優(yōu)

8、技術(shù)v 多變量尋優(yōu)就是在多維空間尋優(yōu)，即搜索a*(a1*，a2*，an*)，其中n為被尋參數(shù)的維數(shù)。首先需要確定尋優(yōu)方向P(k)(其中k表示第k步搜索)，然后確定在該方向上的步長h(k)。v1231 單純形法v 1單純形法的基本思想v 上面介紹的最速下降法和共扼梯度法都是以梯度為基礎的多變量尋優(yōu)方法，均需計算目標函數(shù)的梯度。但在實際問題中目標函數(shù)的梯度往往很難求得，而且誤差比較大。 v 為了避免計算目標函數(shù)的梯度，產(chǎn)生了許多只計算目標函數(shù)的尋優(yōu)方法，就是直接依據(jù)目標函數(shù)的信息來確定尋優(yōu)方向的方法，即模式尋優(yōu)法。單純形法是使用最為廣泛的模式尋優(yōu)法。v 單純形法多維尋優(yōu)是利用單純形的頂點計算目標函

9、數(shù)的值，按一定的規(guī)則進行探索性搜索，并對搜索區(qū)單純形頂點的函數(shù)值進行比較，判斷目標函數(shù)的變化趨勢，確定有利的搜索方向和步長。v 2單純形法的步驟 v 3應用單純形法需要解決的問題v4單純形法應用舉例v 單純形法尋優(yōu)過程不必計算梯度，只需不斷地進行頂點函數(shù)值的計算比較。因而算法簡單，易于編程實現(xiàn)。下面用單純形法對火力發(fā)電機組主汽溫串級控制系統(tǒng)進行PID參數(shù)尋優(yōu)。v 主汽溫串級控制系統(tǒng)工藝流程圖如圖129所示。v1232 遺傳算法v 1遺傳算法的基本思想 v 1975年Holland受生物進化論的啟發(fā)提出了遺傳算法(genetic algorithms，簡稱GA)，GA是基于“適者生存”的一種高度

10、并行、隨機和自適應的優(yōu)化算法，它將問題的求解表示成“染色體”的適者生存過程，通過“染色體”群的一代代不斷進化，包括復制、交叉和變異等操作，最終收斂到“最適應環(huán)境”的個體，從而求得問題的最優(yōu)解。GA是一種通用的優(yōu)化算法，其編碼技術(shù)和遺傳操作比較簡單，優(yōu)化不受限制性條件的約束。v2遺傳算法的基本步驟v 遺傳算法是一類隨機優(yōu)化算法，但它不是簡單的隨機比較搜索而是通過對染色體的評價和對染色體中基因的作用，有效的利用已有信息來指導搜索有希望改善優(yōu)化質(zhì)量的狀態(tài)。標準遺傳算法的主要步驟如下：v (1)隨機產(chǎn)生一組初始個體構(gòu)成初始種群，評價每一個體的適配值。v (2)判斷算法收斂準則是否滿足，若滿足，則輸出搜

11、索結(jié)果；否則，執(zhí)行下一步。v (3)根據(jù)適配值的大小以一定方式執(zhí)行復制操作。v (4)按交叉概率執(zhí)行交叉操作，生成新個體。v (5)按變異概率執(zhí)行變異操作，生成新個體。v (6)由交叉和變異產(chǎn)生新一代的種群，返回步驟(2)。v標準遺傳算法的流程圖如圖12.13所示。v3遺傳算法的設計與實現(xiàn)v (1)編碼。遺傳算法尋優(yōu)首先要確定問題的編碼方案。所謂編碼就是將問題的解用一種碼來表示，從而將問題的狀態(tài)空間與GA的碼空間相對應。不同的碼長和碼制，對問題求解的精度與效率有很大影響，常用的編碼形式為二進制編碼。v (2)初始種群的產(chǎn)生。初始種群的產(chǎn)生一般有兩種方法。一種是完全隨機的方法產(chǎn)生的，它適合于對問

12、題的解無任何先驗知識的情況；另一種就是加入先驗知識，在滿足先驗知識轉(zhuǎn)變的必要條件的解中隨機選取樣本。 v (3)適配值函數(shù)。適配值函數(shù)用于對個體進行評價，也是優(yōu)化發(fā)展的依據(jù)。簡單問題的優(yōu)化，通常采用將目標函數(shù)直接變換成適配值函數(shù)的方法。復雜問題的優(yōu)化往往需要根據(jù)實際問題及經(jīng)驗構(gòu)造合適的適配值函數(shù)。v (4)算法參數(shù)。在運行遺傳算法程序時，需要對種群大小、染色體長度、交叉率、變異率、最大進化代數(shù)等參數(shù)進行預先選擇，這些參數(shù)對遺傳算法的性能有很重要的影響。 v1233 蟻群算法v 覓食行為是蟻群一個重要而有趣的行為。根據(jù)昆蟲學家的觀察和研究發(fā)現(xiàn)，生物世界中的螞蟻有能力在沒有任何可見提示下找出從蟻穴

13、到食物源的最短路徑，并且能隨環(huán)境的變化而變化適應性地搜索新的路徑，產(chǎn)生新的選擇。v 在從食物源到蟻穴并返回的過程中，螞蟻能在其走過的路徑上分泌一種化學物質(zhì)-信息激素，通過這種方式形成信息激素軌跡。螞蟻在運動過程中能夠感知這種物質(zhì)的存在及其強度，并以此指引自己的運動方向，使螞蟻傾向于朝著該物質(zhì)強度高的方向移動。信息激素軌跡可以使螞蟻找到它們返回食物源(或蟻穴)的路徑，其他螞蟻也可以利用該軌跡找到由同伴發(fā)現(xiàn)的食物源的位置。 v 意大利學者MDorigo等人通過模擬螞蟻覓食行為與TSP(旅行商問題)的相似性提出了蟻群算法。我們就以TSP問題來說明螞蟻系統(tǒng)模型，對于其他問題，可以對此模型稍作修改便可應

14、用。雖然它們從形式上看略有不同，但基本原理是相同的，都是通過模擬蟻群行為達到優(yōu)化的目的。v MDorigo曾給出蟻群算法的三種不同模型，分別稱為Ant-cycle system、Ant-quantity system、Ant-density system。在一系列標準測試問題上運行的實驗表明，Ant-cycle算法的性能優(yōu)于其他兩種算法。因此，對螞蟻系統(tǒng)的研究朝著更好的了解Ant-cycle系統(tǒng)特征的方向發(fā)展?，F(xiàn)在，Ant-cycle算法模型通常被稱作螞蟻系統(tǒng)，而另外兩種算法模型被放棄了，這里也將根據(jù)Ant-cycle模型來介紹蟻群算法。 v 作為一種帶有構(gòu)造性特征的隨機搜索優(yōu)化方法，蟻群算法的應用前景和影響將會越來越廣泛和深遠。但是蟻群算法的研究時間畢竟不長，有許多課題尚待研究和解決。它的發(fā)展還遠沒有像遺傳算法、模擬退火算法等那樣形成系統(tǒng)的分析方法和堅實的數(shù)學基礎，多數(shù)研究成果都只是基于大量實驗的數(shù)據(jù)分析，其中各種算法參數(shù)的選取也比較復雜，需要從算法理論