Параметрическая оптимизация автоматических систем стабилизации с помощью генетического алгоритма

• Автор: Лукьянов, Никита Дмитриевич
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Иркутск
• Количество страниц: 138 с. : ил.

СОДЕРЖАНИЕ
Содержание
Введение
Глава 1. Генетические алгоритмы при решении задачи параметрической оптимизации автоматических систем
1.1 Параметрическая оптимизация автоматических систем
1.2 Методы решения задачи параметрической оптимизации
1.3 Общая схема генетического алгоритма
1.4 Выводы по главе
Глава 2. Алгоритм параметрической оптимизации на основе генетического
алгоритма
2.1 Формирование алгоритма параметрической оптимизации на основе генетического алгоритма
2.2 Компьютерная реализация алгоритма параметрической
оптимизации
2.3 Разработка методики исследования алгоритма параметрической оптимизации
2.4 Выводы по главе
Глава 3. Решение задачи параметрической оптимизации для одноконтурных
автоматических систем
3.1 Непрерывные автоматические системы
3.2. Автоматические системы с элементом, осуществляющим
амплитудно-импульсную модуляцию
3.3. Автоматические системы с широтно-импульсной модуляцией
3.4 Выводы по главе
Глава 4. Применение алгоритма параметрической оптимизации для
настройки промышленных автоматических систем
4.1 Автоматическая система управления насосной станцией 2-ого
подъема системы холодного водоснабжения
4.2 Параметрическая оптимизация многосвязной системы
регулирования мощности и температуры прямоточного котла П-
4.3 Выводы по главе
Заключение
Библиографический список
Приложение А
Приложение Б
Приложение В
Приложение Г
Приложение Д

ВВЕДЕНИЕ
Развитие методов и средств искусственного интеллекта позволяет применять их к все более широкому кругу проблем вообще и к задачам теории оптимального управления в частности. В первую очередь это относиться к задачам, для которых получены только приближенные методы решения либо время решения точными методами достаточно велико. К классу таких задач, несомненно, относится параметрическая оптимизация различного рода автоматических систем по критериям разного вида. Решению задачи параметрической оптимизации с помощью приближенных методов, как для линейных, так и для импульсных автоматических систем, посвящены работы Я.З. Цыпкина [57], Л.А. Растригина [37], К.А. Пупкова и Н.Д. Ергупова [30], Е.П. Стефани [50], В.Я. Ротача [41], Ш.Е. Штейнберга [59], В.П. Плютто [35], В.И. Костюка и Л.А. Широкова [18], Д.П. Кима [16] и др.
Вместе с тем современной тенденцией при проектировании и разработке • систем автоматического управления является применение не только интегральных, но и иных, нестандартных критериев [41], а также увеличение числа настраиваемых параметров. Все это вынуждает исследователей при решении задач параметрической оптимизации обращаться к новым методам и инструментам, в том числе и к такому сравнительно новому методу искусственного интеллекта, как генетический алгоритм. Увеличение как зарубежных [16, 73, 65, 70, 71, 78, 72], так и отечественных [52, 56, 36, 11] публикаций по данной тематике говорит о значительном интересе исследователей к такого рода проблеме. Большой вклад в применение генетического алгоритма для решения различного рода оптимизационных задач внесли Дж. Холланд [67, 68], К.А. де Йонг [63], Д. Голдберг [64], Р.Л. Хаупт [66], Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев [5], Д. Рутковская [43], В.М. Курейчик [19],В.Р. Сабанин, Н.И. Смирнов, А.И. Репин [44, 45, 40] и др.
Однако при всем многообразии публикаций нерешенными остаются ряд вопросов, касающихся применимости генетического алгоритма для решения задачи
1.4 Выводы по главе
С достаточно общих позиций рассмотрена задача параметрической оптимизации автоматических систем, что при такой постановке позволяет применять для ее решения широкий класс алгоритмов.
Представлены критерии, используемые в дальнейшей работе, с их преимуществами и недостатками. В частности широко распространенный квадратичный критерий, критерий, учитывающий запас устойчивости, и критерий, основанный на прямых показателях качества.
Представлен краткий обзор существующих методов оптимизации, с учетом специфики решаемой задачи. Наряду с методами, использующими в том или ином виде понятие градиента целевой функции, представлены прямые методы оптимизации, к классу которых и относится генетический алгоритм. Приведены основные понятия генетического алгоритма, а также выполнен обзор используемых в дальнейшем методов отбора и способов перехода в следующее поколение. Представлена блок-схема классического варианта генетического алгоритма, применяемого в настоящей работе. В итоге путем комбинации представленных в данной главе методов отбора и перехода особей в следующее поколение возможно создание восьми вариантов генетического алгоритма в соответствии с классической схемой.