（译文 页数：24 字数：8376）基于进化算法的多变量PID控制器设计

摘要：本文主要阐述不同进化算法（EAs）之间的性能比较，如实数编码遗传算法（RGA），变异粒子群优化（MPSO），协方差矩阵的自适应策略（ CMAES ）和差分进化算法（DE）在多变量PID控制器设计的优化设计中性能表现。Wood 和 Berry描述在二元精馏塔对象中多变量解耦PI和PID控制器结构，有2输入和2输出 。进化算法仿真运行用绝对积分无差做为性能标准，它使用两种类型的静止标准，即最大数量的功能评价（ Fevalmax ）和Fevalmax中的PID参数误差和积分的绝对误差。比较各种进化算法性能，统计措施看起来最好，这就意味着需要进行至少20次的独立测试，来得到标准差的结果，平均计算时间。通过先前使用布鲁默学习测验和遗传算法的多交叉方法得到的结果报告来比较各种进化算法，从而获得结果。结果清楚地表明了在多变量系统CMAES和MPSO设计的PI/ PID控制器拥有更好的性能。模拟还显示，所有四个算法被认为是适合PID控制器离线调整的。然而，只有CMAES和MPSO算法适合PID控制在线调整，这是由于其拥有更好的一致性和最小计算时间。

关键词：PID控制器；进化算法；多输入多输出系统；在线调节；离线调节

目录

1、绪论：
2、PID控制结构：
3、进化算法：
4、多入多出系统：
5、进化算法在多变量PID控制器中的应用：
6、仿真结果：
7、总结：

1、绪论：
比例积分微分PID控制在许多控制问题中提供最简单的但最有效的解决办法。拥有三项控制功能的PID控制器涵盖瞬态和稳态响应。当代PID控制技术成长很快，从在1910年提出PID控制技术到在1942年齐格勒—尼科尔的直接整定方法。随着数字技术的进步，自动控制科学现在控制计划上提供各种各样的选择，如自适应控制（ Astrom ＆ Wittenmark ， 1995年） ，神经网络控制（Fukuda & Shibata, 1992， 1992年）和模糊逻辑控制（Lee， 1990年） 。但是90 ％以上的工业控制器仍然实施基于PID控制算法，因为没有其他控制器拥有PID控制器（Ang, Chang, & Li， 2005）的下列优点：匹配性，简单性，明确的功能性，适用性和易用性。调整PID控制器参数的方法早已出版了相关文献。Ziegler–Nichols(齐格勒一尼科尔斯)和Cohen–Coon(科恩 -库恩)是整定PID控制器最常用传统的方法，而神经网络，模糊方法，神经模糊方法和进化计算技术是最近的方法（ Astrom ＆Hagglund， 1995）。