PID是古典控制理論中技術(shù)最成熟，應(yīng)用最廣泛的一種控制方式，其控制效果的好壞取決于參數(shù)的整定和優(yōu)化。PID控制器的設(shè)計可視為一個多目標的優(yōu)化問題。PID的參數(shù)整定，就是在系統(tǒng)控制的快速性和穩(wěn)定性之間進行折衷。常規(guī)的PID參數(shù)整定方法很難同時兼顧各項指標，都帶有經(jīng)驗性，因此，設(shè)計出的PID控制器通常不是最優(yōu)的，常難以滿足實際控制中的要求。近年來許多學(xué)者提出了基于各種智能算法的PID整定策略(如模糊PID、神經(jīng)元網(wǎng)絡(luò)PID)。但這些先進算法都要求對被控對象有很多的先驗知識，這在實際控制系統(tǒng)應(yīng)用中往往難以做到。

進一步提高PID控制算法的能力或者依據(jù)新的現(xiàn)代控制理論來設(shè)計PID控制算法是一個非常吸引人的課題。人們在這一領(lǐng)域做的工作主要有以下兩方面：

(1)PID參數(shù)自整定。由于受控對象存在著大量不可知因素，如隨機擾動、系統(tǒng)時變、敏感誤差等，這些不可知因素的作用常會導(dǎo)致受控對象參數(shù)的改變。在一個PID反饋控制回路中，受控對象參數(shù)的變化就會造成原來的PID參數(shù)控制性能的降低，為了克服這個問題人們提出了PID參數(shù)自整定，也就是隨著受控對象的變化PID調(diào)節(jié)器自我調(diào)整和重新設(shè)定PID參數(shù)，科研人員根據(jù)古典控制理論和現(xiàn)代控制理論提出了許多種PID參數(shù)的在線自整定的方法。PID參數(shù)在線自整定方法比較典型的有改進型Ziegler-Nichols臨界比例度法、基于過程模型辨識的參數(shù)自整定、基于經(jīng)驗的專家法參數(shù)自整定、模糊型PID調(diào)節(jié)器等[38]。

(2)PID參數(shù)優(yōu)化。PID參數(shù)優(yōu)化是指依據(jù)一定的控制目標和給定的生產(chǎn)過程的模型通過理論計算得到最優(yōu)的PID參數(shù)。PID參數(shù)的優(yōu)化由于是在生產(chǎn)過程的模型確定的情況下通過理論計算得到的，因此PID參數(shù)優(yōu)化對于對象模型有很強的依賴性，生產(chǎn)現(xiàn)場的受控對象由于受不可知因素影響不能被精確的確定，這就導(dǎo)致以前PID參數(shù)優(yōu)化應(yīng)用的局限性。

綜上所述可知，PID控制有兩方面問題需要解決：

a) 對于生產(chǎn)對象不確定性的克服；

b) 對PID控制進行優(yōu)化。

從以上的論述可知，目前PID參數(shù)的整定與優(yōu)化是分離的。PID參數(shù)自整定較有效地解決了生產(chǎn)對象的不確定性，但自整定所得到的PID參數(shù)一般不是最優(yōu)的，而且其自整定的目標往往也是非常簡單的。而PID參數(shù)優(yōu)化也因為不能有效地克服對象不確定性，控制大擾動和參數(shù)時變的對象時難以獲得滿意的控制效果。

本文采用新的策略解決上面的矛盾，同時解決對象參數(shù)的時變和獲得最優(yōu)控制效果。應(yīng)用遺傳算法在線優(yōu)化PID控制器既是一種自整定控制，又是一種自適應(yīng)控制。對于存在大擾動和參數(shù)時變的對象，可以同時采取在線辨識與PID參數(shù)優(yōu)化的策略，用在線辨識的結(jié)果優(yōu)化PID控制器參數(shù)，保證任何時刻控制器都能取得最佳的控制效果。在線辨識與在線優(yōu)化都可以歸結(jié)為某種性能指標的優(yōu)化問題，因此都能用遺傳算法加以解決。

遺傳算法是一種基于自然選擇和基因遺傳學(xué)原理的群體尋優(yōu)搜索方法。它通過適應(yīng)度函數(shù)來決定尋優(yōu)方向，對控制對象的先驗知識要求少。同時，對于適應(yīng)度函數(shù)，它既不要求連續(xù)，也不要求可導(dǎo)。具有較好的全局搜索能力、較強的魯棒性、自組織性、自適應(yīng)性，不依賴于初始條件，能夠找到全局最優(yōu)解的特點，正適合尋找最優(yōu)的PID參數(shù)，達到最優(yōu)的控制效果。因此在實際控制中是一種較為理想的PID參數(shù)整定方法。遺傳算法是計算技術(shù)發(fā)展的產(chǎn)物，尤其是在當今計算機技術(shù)突飛猛進的時代，更為遺傳算法的研究和應(yīng)用提供了基礎(chǔ)。遺傳算法又可以解決非線性、多峰值等用經(jīng)典優(yōu)化方法無法解決的問題，適合于對象復(fù)雜，工況多變的優(yōu)化控制。

優(yōu)化的方法很多，尤其是有些經(jīng)典最優(yōu)化方法應(yīng)用普遍，智能優(yōu)化方法還有模擬退火等方法。但是在加熱爐爐溫控制系統(tǒng)中，PID控制器參數(shù)的優(yōu)化本文準備采用遺傳算法。采用遺傳算法優(yōu)化PID三個系數(shù)，具有以下優(yōu)點：

(1)與單純形法相比，遺傳算法同樣具有良好的尋優(yōu)特性，且它克服了單純形法參數(shù)初值的敏感性。在初始條件選擇不當?shù)那闆r下，遺傳算法在不需要給出調(diào)節(jié)器初始參數(shù)的情況下，仍能尋找到合適的參數(shù)，使控制目標滿足要求。同時單純形法難以解決多值函數(shù)問題以及在多參數(shù)尋優(yōu)中，容易造成尋優(yōu)失敗或時間過長，而遺傳算法的特性決定了它能很好的克服以上問題。

(2)與專家整定法相比，它具有操作方便，速度快的優(yōu)點，不需要復(fù)雜的規(guī)則，只通過字串進行簡單的復(fù)制、交叉、變異，便可達到尋優(yōu)。避免了專家整定法中前期大量的知識庫整理工作及大量的仿真實驗。

(3)遺傳算法是從許多點開始并行操作，在解空間進行高效啟發(fā)式搜索，克服了從單點出發(fā)的弊端及搜索的盲目性，從而使尋優(yōu)速度更快，避免了過早陷入局部最優(yōu)解。

(4)遺傳算法不僅適用于單目標尋優(yōu)，而且也適用于多目標尋優(yōu)。根據(jù)不同的控制系統(tǒng)，針對一個或多個目標，遺傳算法均能在規(guī)定的范圍內(nèi)尋找到合適參數(shù)。