改进的遗传算法在电加热锅炉温控系统中的应用

金鹏　李晶

摘 要：目前，电加热锅炉的控制方式一般采用PID控制。针对PID控制存在的震荡周期较长、超调较大、稳态误差较大等缺点，提出基于改进遗传算法的PID算法。利用改进的遗传算法进行仿真寻优确定PID的参数Kp、Ki、Kd。经仿真及实验证明由于采用智能控制算法，电加热锅炉的效率和精度都得到了提高。

关键词：锅炉；控制；遗传算法；仿真

中图分类号：TK229 文献标识码：A

1 引言

电锅炉是将电能转换为热能的装置。由于电锅炉具有结构简单、无污染、热效率高、能量转化率高等优点，近年来，电锅炉在工业生产以及供热采暖等领域的应用日趋广泛。锅炉控制作为典型温度过程控制，其动态特性具有大惯性大延迟的特点，而且伴有非线性。目前电热锅炉控制大都采用开关式控制或简单的PID控制。采用这些控制方法缺点是控制精度不高、超调较大、效率较低。

为避免上述缺点，提出利用改进的遗传算法全局寻优PID参数，进而提高系统的反应速度及控制精度。

2 电加热锅炉的模型的建立

式中：K为控制对象的静态增益；T为控制对象的时间常数；τ为控制对象的纯滞后时间。为求得模型的三个参数，其方法是：给电锅炉加上一个阶跃控制信号，采集阶跃响应的温度值，采集周期1s。在matlab软件仿真环境下，进行相同输入信号的的阶跃响应仿真。然后，将采集到的温度值导入matlab，将实测数据与仿真曲线进行曲线拟合，当相关系数在80%以上时，即认为此仿真曲线为电炉的飞升曲线。利用飞升曲线法求得参数：K=2.2，T=208，τ=70。图1为实测数据与模型曲线拟合图。

3 改进的遗传算法

PID算法的优点是编程简单、易于实现，所以在温度控制中应用较为广泛。但它也有其难以克服的缺点，震荡周期较长、超调较大、稳态误差较大等。这些缺点都会降低温控精度。其原因是PID控制要求系统具有精确的数学模型，不具备对参数的寻优性。

遗传算法GA是一种通过模拟自然进化过程搜索全局最优解的方法。针对不同的实例，只需调整算子参数，通过对初始群体进行選择、交叉、变异等一系列遗传操作，从而产生出新一代的群体，并逐步使群体进化到包含或接近最优解的状态。

但遗传算法GA也有其缺点，就是“早熟”现象，系统进化初期产生了超常个体，限制了其他个体进化，使系统较早收敛于局部最优解。针对“早熟”现象本文采用自适应遗传算法AGA可以做到全局寻优。其方法是适应度高的个体的交叉和变异概率应该较小，适应度低的个体的交叉和变异概率应该较大，也就是交叉率和变异率随适应度自适应调整。基于这种思想，交叉率Pc，变异率Pm可以设为：

（4）Step4：由式（2）计算交叉算子Pc，并将交叉算子作用于群体。

（5）Step5：变异运算，由式（3）计算变异算子Pm，将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。

（6）Step6：终止条件判断，若t=N，则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。

4 仿真

基于Matlab/Simulink仿真时设初始种群M=50，进化代数N=100，Pc=0.9，Pm=0.1。PID、基于遗传算法PID、基于改进遗传算法PID的阶跃响应仿真对比如图2所示。

图2都表明，基于遗传算法PID、基于改进遗传算法PID都能做到稳定控制。基于改进遗传算法PID超调量更小、过渡过程时间更短，控制效果由于其他两种算法。

5 测试

采用S7-300 PLC作为温控系统的控制器，S7-300 PLC自带PID模块。实际运行时，将遗传算法寻优得到的PID参数Kp、Ki、Kd写入PLC。温控曲线如图3所示。

可见，温控系统的实际运行效果良好，系统获得较好的动态性能，证明设计方案的正确性。

结论

考虑到PID控制器的瓶颈和缺陷，利用改进的遗传算法对PID控制器整体优化。通过Matlab/Simulink仿真结果以及实际的温度控制效果表明，优化后的电锅炉控制系统具有更高的控制精度和更好的动静性能，也证明了智能控制算法应用于实际的过程控制的可行性，因此，本设计具有应用价值和发展空间。

参考文献

[1]许肇均.传热学[M].北京：机械工业出版社，1998.

[2范立南，李雪飞.计算机控制技术[M].北京：机械工业出版社，2009.

[3]高丽媛.基于嵌入式的模糊PID锅炉温度控制系统的研究[D].山西：中北大学，2013.

[4]刘金琨.先进PID控制MATLAB仿真[M].北京：电子工业出版社，2004.

[5]高丽媛.基于嵌入式的模糊PID锅炉温度控制系统的研究[D].山西：中北大学，2013.