改进的遗传算法及其在H型钢连轧张力控制中的应用研究

摘要

遗传算法是一种产生于生物进化思想的随机搜索算法。它借鉴于优胜劣汰、适者生存的自然选择机理，简单通用、鲁棒性强、适合于并行处理，是一种有效的全局搜索方法，在多个领域得到了成功的应用。但是遗传算法也存在收敛速度慢、易早熟、局部搜索能力差等缺点，在搜索速度与求解精度上往往不能两者兼顾。为了解决这些问题，在对遗传算法进行深入分析的基础上，本文做了如下研究工作： 在系统地介绍了遗传算法的基本思想、算法特点、运算过程及其应用的基础上，对它的操作算子逐一作了说明。最后介绍了遗传算法的两个重要的评价指标(收敛时间和收敛代数)。 介绍了一些常见的改进遗传算法，主要是分层遗传算法、CHC算法、messy遗传算法、自适应遗传算法、基于小生境技术的遗传算法、混合遗传算法、并行遗传算法等，并对相关理论作了详细说明。 针对经典遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点，在前人研究成果的基础上，提出了一种新型改进的遗传算法，并将其应用于PID参数寻优。该改进算法既具有经典遗传算法的全局寻优能力，又具有局部寻优能力，同时它又能有效地抑制早熟，保证得到的优化参数为最优。 最后，将基于新型改进遗传算法的PID控制器应用到H型钢连扎张力控制系统中，实现微张力或零张力控制。仿真结果表明，该PID控制器可以极大地提高寻优的速度，鲁棒性强，具有很好的动态品质和稳定性。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题背景和意义

1.2遗传算法的发展背景

1.3遗传算法的扩展与搜索

1.3.1遗传算法与传统算法比较

1.3.2遗传算法的应用

1.3.3遗传算法的局限性

1.4遗传算法的研究热点与研究现状

1.4.1遗传算法的研究热点

1.4.2遗传算法的研究现状

1.5本文的主要工作

第2章基本遗传算法

2.1遗传算法概述

2.1.1遗传算法简介

2.1.2遗传算法的基本概念

2.1.3遗传算法的基本思想

2.1.4遗传算法的特点及应用

2.1.5遗传算法的运算过程

2.2遗传算法的基本实现技术

2.2.1编码方法

2.2.2适应度函数

2.2.3选择运算

2.2.4交叉运算

2.2.5变异运算

2.3遗传算法的性能评价

2.4本章小结

第3章遗传算法的改进

3.1分层遗传算法

3.1.1选择

3.1.2交叉

3.1.3变异

3.2 CHC算法

3.2.1选择

3.2.2交叉

3.2.3变异

3.3 messy GA

3.4自适应遗传算法

3.5基于小生境技术的遗传算法

3.6混合遗传算法

3.6.1遗传算法与最速下降法相结合的混合遗传算法

3.6.2遗传算法与模拟退火法相结合的混合遗传算法

3.7并行遗传算法

3.7.1并行遗传算法的实现方案

3.7.2迁移策略

3.7.3并行遗传算法的性能与参数选取关系

3.8本章小结

第4章基于新型改进遗传算法的PID控制器

4.1概述

4.2经典遗传算法的特点

4.3新型改进的遗传算法

4.3.1新型改进遗传算法的特点

4.3.2新型改进遗传算法的进化过程

4.4计算机仿真

4.4.1仿真对象

4.4.2仿真参数

4.4.3仿真结果

4.5本章小结

第5章基于新型GA的PID控制器在H型钢张力控制系统中的应用

5.1 H型钢连轧机张力控制简述

5.1.1概述

5.1.2张力的产生及微张力控制的意义

5.1.3影响张力的因素及建立张力模型的意义

5.2 H型钢连轧机张力控制系统模型的建立

5.2.1拖动系统的数学模型

5.2.2张力模型的建立

5.2.3单机架动态调节的仿真

5.3新型PID控制器在H型钢张力控制系统中的应用

5.3.1控制算法设计

5.3.2仿真研究

5.4本章小结

结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢

作者简介