电子论文-遗传算法在pH过程控制中的应用
遗传算法在pH过程控制中的应用
曾成1 赵锡均1 徐红2
1中国工程物理研究院电子工程研究所 四川绵阳 621900
2四川警察学院 四川泸州 646000
摘要: pH(酸碱度)控制广泛存在于化工等生产过程之中,属于典型的过程控制对象。pH控制不佳可能会在化工生产过程中造成生产过程波动,质量不稳定,产量降低,原材料浪费,装置腐蚀和环境污染等状况。因此,优良的pH控制对化工生产非常有必要。pH控制过程具有独特的对象特性,这些特性给控制带来了较大的难度。本文在分析以往pH控制方法的基础上,应用传统控制算法——PID结合遗传算法实施pH控制。该控制方法在文中给出了详尽的介绍,并通过仿真验证了其可行性。
关键词:pH过程控制,PID,遗传算法
中图分类号:TP273.5 文献标识码:A
Application of Genetic Algorithm in pH Process
Control
Zeng Cheng1 Xijun Zhao1 Xu Hong2
1Institute of Electronic Engineering, China Academy of Engineering Physics
Mianyang 621900 Sichuan
2 Sichuan Police College Luzhou 646000 Sichuan
Abstract: pH control which is representative control object widely exists in chemical industry. In chemical production process, bad pH control should cause some defects, such as production fluctuation, quality instability, output reduction, raw materials waste , device corrosion and environment pollution etc. Then good pH control is very important to chemical production. PH control process has unique characteristic and brings difficulty on control. This paper analyses pH control means, combines Genetic Algorithm and traditional control algorithm ——PID as pH control means, introduces the control means in detail, and proves it effective in simulation.
Keywords: pH Process Control, PID, Genetic Algorithm
一、 引言
pH值是酸碱中和反应中对溶液酸碱度的定义,大量化工过程都需要对其化学反应过程中的pH值进行控制。化工过程对pH值的控制,通常采用加中和剂的方式来进行,一般以强酸、强碱作为中和剂。虽然pH控制并非一个新课题,可是要获取良好的控制效果却不容易,原因在于酸碱中和反应的pH值变化特性,它给pH控制带来极大困难,不仅难以控制准确,而且还浪费中和剂,增加了生产成本。
酸碱中和过程是一个严重非线性与变动态特性问题,pH过程本身具有严重的非线性特性,且难以建立准确的数学模型。这种严重的非线性如图1中pH过程的实测滴定曲线所示:可以看出在远离中和点的部分,pH值变化缓慢,过程增益相对很小,即由中和剂加入引起的pH值变化很小;而在中和点的附近,过程增益陡然增加,具有极高的灵敏度,即少量的中和剂加入即可引起pH值极大变化[1]。酸碱中和的这种严重非线性特性给控制带来了较大的难度,此外,实际pH过程由于生产装置的工艺路线的限制,往往引入了纯滞后环节,这也加大了控制的难度。虽然存有难度,但pH控制作为一个控制课题已被大量关注,人们也提出了若干行之有效的控制方法。目前,诸如非线性PID、模糊控制、预估补偿控制和仿人智能控制等方法被成功地应用于pH控制[1-8]。
本文提出将PID算法的控制优势与遗传算法(GA)的优化计算优势相结合:利用
PID
算法进行底层过程控制,运用遗传算法整定PID参数,以PID和GA相结合的方法实现pH过程控制。
图1
强酸强碱滴定曲线
二、 遗传算法在pH控制中的实现
图2
遗传算法流程
遗传算法是模拟生物进化的智能优化算法,它提供了求解复杂系统优化问题的通用框架,且不依赖问题的具体领域,被广泛应用于很多学科领域。遗传算法基本步骤如下:①在一定的编码方案下,随机产生一个初始种群;②用相应的解码方法,将编码后的个体转换成问题空间的决策变量,并求得个体的适应度;③按照个体适应度的大小,从种群中选出适应度较大的一些个体;④对选出的这些个体,进行交叉和变异操作,形成新一代的种群。⑤反复执行步骤②一④,直至满足收敛判据为止。遗传算法基本流程如图2所示。将遗传算法用于pH过程控制的要点如下:
(1) 参数编码
本文底层控制算法采用的是带Bang-Bang控制的PID控制算法,其算式如下:
⎧umaxorumin⎪t
u(t)=⎨de(t)
•++•()(τ)τKetKedKi∫d⎪p
dt0⎩
e>ae≤a
其中,e为误差,a为常数;Kp为比例系数,Ki为积分系数Ki=Kp/Ti,Kd为微分系数
Kd=Kp•Td,Ti为积分时间常数,Td为微分时间常数。则PID算法需要整定的参数即是:
Kp、Ki、Kd。以二进制编码对这三个参数进行编码,分别用20位二进制数编码,故染色
体长度为60位。
(2) 适应度函数
系统整定的性能指标通常以误差积分指标表示,如:误差积分(IE)、绝对误差积分(IAE)、平方误差积分(ISE)、时间和绝对误差乘积积分(ITAE)等。采用不同的公式意味着对控制过程的侧重点不同。为了获取较短的过渡时间,本文选择ITAE进行评价,即:F=te(t,
∞
∫
也即是遗传算法的适应度函数,而参数整定即是求该适应度函数最小值的问题。 (3) 遗传操作
本文采用的具体遗传操作是:比例选择,首先计算群体中所有个体适应度的总和,再计算各个个体的适应度所占的比例,并以此作为相应的选择概率;单点交叉,先对种群中个体进行随机配对,然后在配对个体中随机设定交叉处,配对个体彼此交换部分信息;基本位变
异,对选定的变异位直接取反。 (4) 控制参数设定
控制参数主要包括群体规模、交叉概率和变异概率。参数的选取对问题的最终结果和收敛速度有很大影响。本文设置群体规模为100,交叉概率0.9,变异概率0.05。设定Kp、Ki、
Kd三个参数的寻优范围为(0,20]、(0,1]、(0,10]。
三、 算法仿真
利用MATLAB对本文实现的pH控制算法进行仿真验证。首先,在SIMULINK中构建pH过程控制的控制框图如图3所示。图中,pH过程的广义对象参考文献[1]建立,Look-Up Table模块按图1中的pH滴定曲线设置;给定输入通过Step模块输入一个pH值从3至9的阶跃信号;通过两个Enabled Subsystem实现Bang-Bang控制与PID控制的转换;通过Abs、Dot product、Clock、Integrator模块实现计算te(t)。仿真采用连续控制,实现仿真的大
∞
∫
体流程是:遗传算法解码参数得到Kp、Ki、Kd,接着调用SIMULINK进行仿真,然后读取Out1模块存储的te(t)数据作为个体的适应度,之后遗传算法再进行相应的遗传操作,
∞
∫
直到得到满意解或达到规定的遗传代数则停止遗传算法的运行。
仿真示例如下:
图3
PH控制系统仿真框图
设置为±3。表1记录了进化过程中1、100、200、300、400代各代适应度(te(t))的
0平均值以及各代进化得到的Kp、Ki、Kd,并通过图4展示相对应的系统仿真情况。
⑴取pH过程广义对象的K0=1,T1=0.5min,T2=50min,τ=0.2min,Bang-Bang控制量∞
∫
⑵取pH过程广义对象的K0=1,T1=0.5min,T2=20min,τ=0.2min,Bang-Bang控制量设置为±3,经优化运算得控制参数:Kp=4.52,Ki=0.02,Kd=1.95,进化情况与系统仿真见 表1和图4。
从表1可以看出:示例(1)经过120代的进化得控制参数Kp=8.45,Ki=0.01,Kd=4.46。示例(2)经过360代的进化得控制参数Kp=4.52,Ki=0.02,Kd=1.95。其控制效果见图4。
表1 遗传算法进化过程
T2=50min
适应度进化
Kp Ki Kd
平均值 代数
16321.723947.063455.433455.433455.43
进化
Kp
代数3.452.024.524.52
T2=20min
Ki
0.024
0.0850.0150.020.02
适应度 平均值
Kd
四、 结论
(
1)
图4 系统仿真图
(2)
本文在分析酸碱中和过程特性基础上,结合遗传算法与PID作为pH过程控制,以PID作底层控制,以遗传算法优化PID参数。参数优化程序在MATLAB中实现,并在SIMULINK仿真环境下加以验证。从仿真结果可以看到,对象的时间常数不同,本文的算法都对其实施了有效的控制,获得了较好的过渡过程,实现了控制无超调。总之,本文提出了一种pH过程的可行控制方法,并给出了优化控制参数的算法。本文的算法实现以及仿真环境下的参数优化方法可以被实际pH过程控制所利用,可以做到节约酸碱试剂的用量,大大降低生产成本,提高经济效益。
参考文献
1 2 3 4
5
陈民铀, 周其鉴. pH过程的智能控制[J].信息与控制, 1987, (2):38-40
Zarate LE, et al.A fuzzy logic and variable structure based controller for pH control[J].Industrial Electronics Society,2001,vol.1:37-42
Alvarez T,et al. Tuning of predictive controller using performance assessment measure:application to pH control[J]. Contol Applicaions,2002,vol.1:403-408.
Nio TG,et al.Fuzzy PID controller to control the pH neutralization process[J].Research and Development,2002,330-334
危水根,张立生.模糊控制在反应槽PH值控制中的应用[J].微计算机信息,2002,18(7):32,53
Muthu R ,et al.Fuzzy logic control of a pH neutralization process[J]. Electronics,Cirruits and
6 7
8
Systems,2003,vol.3:1066-1069
Gomez JC,et al. Wiener model identification and predictive control of a pH neutralization process[J].Control Theory and Applications,2004,vol.151:329-338
杜树新. 工业废水pH值的智能区间控制[J]. 仪器仪表学报,2004,25(2):202-204
作者简介:
曾成(1977-),男,四川泸州人,工程师,硕士,研究方向:智能控制;
赵锡均(1966-),男,副研究员,四川蓬溪人,从事自动控制理论及应用、微电子技术研究;徐红(1981-),女,四川泸州人,助教,在读硕士生,研究方向:计算智能。
Biography:
Zeng Cheng(1977-),Male,Sichuan, China Academy of Engineering Physics, Engineer, Automation, Intelligent control.
Xijun Zhao(1966-),Male,Sichuan, China Academy of Engineering Physics, Associate research fellow, Automation, Automatic control and microelectronic technology.
Xu Hong(1981-),Female,Sichuan,Sichuan Police College,Teaching assistant,Computer application, Computation intelligence.
附:本文作者创新点:
本文提出用PID实施pH过程控制,鉴于pH过程特性,应用遗传算法整定PID参数,并通过了仿真验证。此方法在pH过程控制中尚无人采用。 注:
本文的网上文章I D编号:[***********]
请贵刊开具发票注明单位和姓名,发票名称注明“版面费”。谢谢!