[发明专利]采用单值中智余弦相似度量和遗传算法的PID参数整定方法

摘要

本发明公开了采用单值中智余弦相似度量和遗传算法的PID参数整定方法，包括单值中智余弦相似度量和遗传算法两个部分，其中单值中智余弦相似度量包括：选定三角形和梯形隶属函数用于中智化过程，选定六种瞬态特性的隶属函数作为特性集C＝{C₁，C₂，C₃，C₄，C₅，C₆}，可以根据实际应用对象确定单值中智集中的T_i，I_i和F_i(i＝1,2，...，6)隶属函数的类型及其范围值，遗传算法的步骤包括：随机生成N个K_p，K_i和K_d值的解集作为初始种群，通过选择、交叉、变异寻找最优K_p，K_i和K_d值，以达到适值函数的最小值(min f)。本发明通过设计实例对所提出的整定方法进行了设计验证，仿真结果表明了所提出的PID参数整定方法的有效性和方便性。

主权项

1.采用单值中智余弦相似度量和遗传算法的PID参数整定方法，其特征在于，包括单值中智余弦相似度量和遗传算法两个部分，其中单值中智余弦相似度量包括如下步骤：S1：建立单值中智隶属函数选定三角形和梯形隶属函数用于中智化过程，选定六种瞬态特性的隶属函数作为特性集C＝{C1，C2，C3，C4，C5，C6}，可以根据实际应用对象确定单值中智集中的Ti，Ii和Fi(i＝1,2，...，6)隶属函数的类型及其范围值，通过隶属函数可以得到单值中智集S＝{,,,,,}，那么理想的单值中智集S*＝{,,,,,}；S2：单值中智余弦相似度量S和S*之间的余弦相似度量可以定义为：遗传算法的步骤包括：随机生成N个Kp，Ki和Kd值的解集作为初始种群，通过选择、交叉、变异寻找最优Kp，Ki和Kd值，以达到适值函数的最小值(minf)。