改进的分数阶PIλDμ控制器模型降阶与整定：基于遗传编程的解析规则提取
系统与控制
2012-02-28 v1 神经与进化计算
摘要
本文使用遗传算法(GA)实现了一种新方法：在奈奎斯特平面中进行次优模型降阶，并对PID和分数阶(FO) PIλDμ控制器进行最优时域整定。仿真研究表明，基于奈奎斯特的新模型降阶技术优于传统的基于H2范数的降阶参数建模技术。利用整定后的控制器参数和降阶模型参数数据集，通过遗传编程(GP)针对高阶过程测试平台开发了最优整定规则。GP对降阶过程参数进行符号回归，以演化出能提供最佳解析表达式来映射数据的整定规则。整定规则针对由误差指标和控制器努力加权和描述的最小化时域积分性能指标而开发。从报告的基于GP的最优规则提取技术的帕累托最优前沿中，可以在整定公式的复杂性与控制性能之间进行权衡。将基于单基因和多基因GP的整定规则的有效性与原始基于GA的PID和PIλDμ控制器控制性能进行了比较，处理了四类代表性的高阶过程。这些规则对过程控制工程师非常有用，因为它们继承了基于GA的整定方法的强大功能，但无需每次运行计算密集的GA即可轻松计算。给出了PID/FOPID控制器参数随降阶过程参数变化的三维图作为操作员指南。还通过可信的仿真示例展示了所报告的基于GP的整定规则的参数鲁棒性。
引用
@article{arxiv.1202.5683,
title = {Improved Model Reduction and Tuning of Fractional Order PI{\lambda}D{\mu} Controllers for Analytical Rule Extraction with Genetic Programming},
author = {Saptarshi Das and Indranil Pan and Shantanu Das and Amitava Gupta},
journal= {arXiv preprint arXiv:1202.5683},
year = {2012}
}
备注
41 pages, 29 figures