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。