改进遗传算法在二次供水PID控制中的应用研究

　　摘 要：文章提出了一种改进的遗传算法，并将其应用于恒压变频供水系统中。该算法能克服传统遗传算法存在稳定性差，调节时间比较长、易于早熟等问题。该算法能够对二次供水PID参数进行全局优化以及局部优化，并且能够有效地抑制早熟，使其更好地适应供水系统的实际需求。仿真结果表明，基于此遗传算法寻优设计的二次供水PID控制器寻优速度大幅提高，鲁棒性强。优化后的恒压变频供水系统，控制品质有了较大的改善和提高。 

　　关键词：供水系统；遗传算法；PID控制 

　　引言 

　　随着经济社会的快速发展，城市里高层建筑越来越多，人们对供水系统可靠性的要求不断提高。恒压变频供水系统将采集到的用户端压力信号，实时反馈给可编程控制器（PLC）[6]。PLC通过控制算法产生控制量，去实时维持管网水压基本恒定，以满足用户用水需求。由于，PID控制算法简单、可靠性及鲁棒性好等优点。所以城市供水系统普遍采用PID控制。但是对于城市二次供水这样的大时滞、水泵运行状态切换频繁、难以确定数学模型的复杂控制系统，PID控制存在调节时间过长、抗扰动能力差等缺点尤为突出[1][5]。 

　　遗传算法可以快速的将解空间中的全体解搜索出来，具有较强的参数寻优能力，所以文章将这种算法应用于恒压变频供水系统的PID参数寻优。但是我们知道，经典的遗传算法优化的PID参数无法有效的抑制早熟，鲁棒性较差，无法适应水泵状态频繁切换的场合。因此，文章提出了一种改进的遗传算法来优化恒压变频供水系统的PID参数。 

　　1 基于遗传算法的PID控制 

　　1.1 PID控制算法 

　　PID控制的过程：被控对象（如管网压力）经过比例、积分、微分三部分运算，来实时维护管网水压的基本稳定。PID控制系统统的运算过程，如图1所示。 

　　图1 PID控制系统原理框图 

　　r（t）是系统的给定值（如给定水压），y（t）是被控对象的输出值（实际管网压力），e（t）是系统偏差。 

　　（1） 

　　u（t）是PID控制器运算管网压力的偏差所得到的输出量，其完整的数学表达式为： 

　　（2） 

　　其中，kp为增益，TI为积分常数，TD为微分常数。这三个核心参数的取值，PID控制器的性能直接由这三个参数决定[9]。 

　　1.2 遗传算法 

　　遗传算法（Genetic Algorithms，GA）是一种基于自然选择和自然群体遗传学机理而发展成的一种自适应启发式的概率论迭代式全局搜索算法[2]。这三个核心参数的取值，直接决定着PID控制器的性能[8]。“优胜略汰，适者生存”的规律和概率机制被应用于遗传算法中。遗传算法经过多伦的交叉、变异，筛选出适应度值较高的子代。 

　　1.3 传统遗传算法优化PID控制器参数 

　　1.3.1 种群初始化 

　　染色体定义为三维向量。该三维向量由PID的三个核心参数构成。初始种群以格雷编码为编码方式，随机产生出一个种群规模为30的群体。 

　　1.3.2 适应度函数 

　　适应度函数是用于衡量子代染色体性能的好坏的指标。遗传算法依据该指标筛选出性能优良的子代染色体。适应度函数定义： 

　　（3） 

　　式中J是所选参数的优良指标[3]。 

　　（4） 

　　式中，e（t）为系统误差；u（t）为控制器输出；tu为上升时间；w1w2w3为权值，分别取0.99，0.01，2.0。 

　　1.3.3 单点基因交叉 

　　遗传算法以交叉概率来交换染色体的部分基因。这是产生染色体新个体的主要方式。 

　　单点交叉的计算过程是：首先对群体进行随机配对。其次随机设置交叉点位置。最后部分基因在染色体对的交叉点进行互换。其中交叉概率Pc取值为0.9。 

　　1.3.4 变异 

　　变异是随机发生在染色体的部分基因上。变异后的染色体构成了遗传运算的新个体。其中变异概率取值为Pm为0.033。经过100代的进化，获得最优参数为：kp=6.046，TI=0.402，TD=1.2504。 

　　2 改进的遗传算法优化PID控制器参数 

　　2.1 传统遗传算法和改进遗传算法比较