專利名稱：基于改進的量子進化算法的分數階pid控制器整定方法
技術領域：
本發明屬于自動化控制領域，具體涉及一種基于改進的量子進化算法的分數階PID控制的整定方法。
背景技術：
在冶金、電力和機械等工業過程，由于技術的發展，被控對象往往具有復雜的特性，這使得對被控對象的建模非常的困難。PID控制由于其結構的簡單性，較強的魯棒性特點，成為了工業控制領域中應用最為廣泛的控制技術手段。PID控制規律分為比例、積分、微分控制，當被控對象的數學模型無法精確得到時，基于模型的控制技術難以應用，PID控制更加體現其參數容易調節的優越特性。分數階PID控制將分數階控制理論與PID控制整定理論相結合，成為一個新的研究方向。由1.Podlubny首先提出形式為PIaDij的分數階PID控制器，對積分和微分項分別引入了可調節的分數指數，增加了兩個可調節參數，從而可以準確實現更加靈活的控制，得到更好的控制效果。同時分數階PID控制的參數整定問題也成為了新的研究熱點。現已有的整定方法包括:基于給定幅值裕度和相角裕度的控制器參數設計方法，基于經典的Zigler-Nichols的控制器參數整定方法，針對最小相位分數階的控制器參數整定方法以及基于內模控制原理的兩自由度分數階控制器整定方法。此外，智能優化算法也被用來進行分數階PID控制器的整定，其中包括:基于神經網絡進行分數階PI控制器參數整定方法，運用粒子群優化算法整定分數階PID控制器參數整定方法，基于遺傳算法的控制器整定方法等。
發明內容
為了克服現有技術的缺陷，本發明提供一種基于改進的量子進化算法的分數階PID控制器整定方法，其待整定參數為Kp，Ki, Kd，A，u，包括以下步驟:S1:初始化種群，設當代代數為0，設定種群規模，設定量子旋轉門的轉角大小，設定變異概率和最大進化代數，初始化各參數的取值范圍，隨相在Bloch球面上產生初始化種群；S2:變換解空間，將每條染色體代表的近似解，由單位空間映射到優化問題的解空間，得到近似解集，該解空間對應于該PID的各待整定參數；S3:計算全部近似解集中各近似解的適應度，得到當代的最優解和當代最優染色體；S4:將當代最優解作為全局最優解，將當代最優的染色體作為全局最優染色體。S5:進入下一代，通過更新和變異得到新的種群；S6:對S5中新的種群進行步驟S2到S4得到當代最優解和當代最優染色體；S7:比較當代最優解與全局最優解，來更新全局最優解，并更新全局最優染色體；S8:返回步驟S5，直到最大迭代次數。
較佳地，步驟SI中得到的每條染色體同時代表搜索空間中的三個優化解分別為:
權利要求
1.一種基于改進的量子進化算法的分數階PID控制器整定方法，其待整定參數為Kp, Ki, Kd, A, U，其特征在于，包括以下步驟: S1:初始化種群:設當代代數為O，設定種群規模，設定量子旋轉門的轉角大小，設定變異概率和最大進化代數，初始化待整定參數的取值范圍，隨相在Bloch球面上產生初始化種群； 52:變換解空間:將每條染色體代表的近似解，由Bloch球面上的單位空間映射到優化問題的解空間，得到近似解集，該解空間中的近似解對應于該P I D控制器的各待整定參數； 53:計算全部近似解集中各近似解的適應度，得到當代的最優解和當代最優染色體； 54:將當代最優解作為全局最優解，將當代最優的染色體作為全局最優染色體。
55:進入下一代，通過更新和變異得到新的種群； S6:對步驟S5中新的種群進行步驟S2到S4得到當代最優解和當代最優染色體； S7:比較當代最優解與全局最優解，來更新全局最優解，并更新全局最優染色體； S8:返回步驟S5，直到達到最大進化代數。
2.如權利要求1所述的基于改進的量子進化算法的分數階PID控制器整定方法，其特征在于，步驟S2中依據以下公式將Bloch球面上的單位空間映射到優化問題的解空間:
3.如權利要求2所述的基于改進的量子進化算法的分數階PID控制器整定方法，其特征在于，bj和a]分別為與待整定參數的取值上限和取值下限。
4.如權利要求1所述的基于改進的量子進化算法的分數階PID控制器整定方法，其特征在于，步驟S3中ITAE指標值小者為佳，ITAE性能指標的表達式為
5.如權利要求1所述的基于改進的量子進化算法的分數階PID控制器整定方法，其特征在于，步驟S5中通過量子旋轉門和量子非門實現更新和變異。
全文摘要
本發明公開了一種基于改進的量子進化算法的分數階PID控制器整定方法，其待整定參數為Kp,Ki,Kd,λ，μ，其過程為初始化種群和待整定參數的取值范圍，將種群中的各染色體的Bloch坐標映射到優化問題的解空間，得到近似解集，該解集對應PID的各待整定參數，計算各解的適應度，得到當代最優染色體和當代最優解，將當代最優解和當代最優的染色體作為全局最優解和全局最優染色體；通過更新和變異得到新的一代種群，計算得到當代最優染色體和當代最優解，與全局最優染色體和全局最優解比較并對二者更新，繼續變異和更新直到最大迭代次數。本發明可以有效地提高過程的收斂速率，可以獲得最優分數階PID參數，同時該方法結構簡單、計算量小、可操作較高。
文檔編號G05B11/42GK103105774SQ20131003771
公開日2013年5月15日 申請日期2013年1月30日 優先權日2013年1月30日
發明者王昕 , 牟金善, 黃淼 申請人:上海交通大學