3.2 PID參數(shù)優(yōu)化后處理

從優(yōu)化結(jié)果來看，PID控制精度有明顯的提高，AGA算法以最大迭代次數(shù)作為終止條件，收斂速度相對較慢但優(yōu)化結(jié)果準確，說明遺傳算法具有較強的全局尋優(yōu)能力。

進入ADAMS/PostProcessor模塊，可以將AGA優(yōu)化仿真結(jié)果跟ADAMS軟件自帶的SQP優(yōu)化模塊仿真結(jié)果進行對比，圖4的上半部分為AGA優(yōu)化結(jié)果，下半部分為SQP優(yōu)化結(jié)果，在兩種算法中，控制偏差隨時間的變化趨勢大體相同，且偏差值大小相比為優(yōu)化前都有大幅的減小，充分體現(xiàn)了優(yōu)化設(shè)計在控制系統(tǒng)中的作用，如圖4。

圖4 優(yōu)化目標函數(shù)值對比

此外通過對目標函數(shù)進行數(shù)據(jù)處理，查看目標函數(shù)在控制過程中的最大值、最小值以及平均偏差值，可知使用遺傳算法進行的控制優(yōu)化，無論目標函數(shù)的最大值還是平均值，都比采用ADAMS自帶的SQP算法的計算結(jié)果要小，見表1。

表1 目標函數(shù)各項數(shù)值對比

將AGA優(yōu)化后的仿人機器人左膝關(guān)節(jié)角運動過程的實際軌跡跟理論軌跡重合情況跟優(yōu)化前進行比較，圖中，藍色虛線表示關(guān)節(jié)角的實際軌跡，紅色實線表示關(guān)節(jié)角的理論軌跡。仿真結(jié)果，如圖5和圖6。

圖5 優(yōu)化前關(guān)節(jié)理論與實際軌跡重合情況

圖6 優(yōu)化后關(guān)節(jié)理論與實際軌跡重合情況

比較圖6與圖7中可以看出，控制系統(tǒng)經(jīng)過自適應(yīng)遺傳算法優(yōu)化后，其控制性能較之優(yōu)化前有極大提升，關(guān)節(jié)運動的實際軌跡與理論軌跡更加接近，保證了仿人機器人行走的穩(wěn)定性、可控制精度，提高了控制系統(tǒng)的實時響應(yīng)速度，證明了基于遺傳算法的PID控制系統(tǒng)參數(shù)優(yōu)化方法的正確性。

4 結(jié)論

針對仿人機器人PID控制系統(tǒng)參數(shù)確定存在的問題，本文提出了基于自適應(yīng)遺傳算法定PID控制參數(shù)優(yōu)化方法。將三個參數(shù)作為遺傳算法的個體，采用仿人機器人的理論關(guān)節(jié)軌跡與實際關(guān)節(jié)軌跡的最大偏差值作為目標函數(shù)，適應(yīng)度函數(shù)與之相對應(yīng)，采用適應(yīng)度比例選擇策略，可以有效避免在遺傳算法的后期丟失最優(yōu)個體的可能，以保證機器人控制系統(tǒng)參數(shù)選擇精度。通過ADAMS仿真結(jié)果對比分析，優(yōu)化后的仿人機器人控制系統(tǒng)的控制精度、響應(yīng)速度都有明顯提高，說明了基于自適應(yīng)遺傳算法的PID控制能夠得到比傳統(tǒng)PID控制更優(yōu)的結(jié)果。

參考文獻

[1]金奇,鄧志杰.PID控制原理及參數(shù)整定方法[J].重慶工學(xué)院學(xué)報,2011(7):91-94.

[2]于曉敏,于曉坤,耿蕊.PID控制器參數(shù)優(yōu)化算法的仿真研究[J].計算機仿真,2008(5):212-215.

[3]姜玉春,吳紅燕.PID控制器的參數(shù)整定[J].萊鋼科技,2006(2):54-55.

[4]朱盈,朱俊.多種PID控制及其仿真比較[J].工業(yè)控制計算機,2010(1):53-54.

[5]牛薌潔,王玉潔,唐劍.基于遺傳算法的PID控制器參數(shù)優(yōu)化研究[J].計算機仿真,2010(11):180-182.

[6]WANGP，KWOKDP. OptimaldesignofPIDprocesscontrollersbasedongeneticalgorithms[J].ControlEngPrac,1994,2(4)：641-648.

[7]楊智民,王旭,莊顯義.遺傳算法在自動控制領(lǐng)域中的應(yīng)用綜述[J].信息與控制,2000,29(4)14-17.

[8]張可村,李換琴.工程優(yōu)化方法及其應(yīng)用[M].西安:西安交通大學(xué)出版社,2007.

[9]黃友銳.智能優(yōu)化算法及其應(yīng)用[M].北京:國防工業(yè)出版社,2008.