模糊PID控制：自适应遗传算法优化与电力系统应用

本文主要探讨了模糊控制与PID控制的有机结合——模糊PID控制器在智能优化领域的应用。作者于亲波在华北电力大学（北京）控制理论与控制工程专业攻读硕士学位时，针对传统模糊PID控制存在的问题，如缺乏统一的参数整定准则和众多待调整参数，提出了创新性的解决方案。 论文的核心内容是基于T-S模糊模型构建的推理形式模糊PID控制器设计。T-S模糊模型是一种将系统行为建模为模糊规则集合的方法，它结合了系统的连续性和离散性，为控制器设计提供了灵活的框架。作者改进了一种混合型PID-FLC（Fuzzy Logic Controller，模糊逻辑控制器），通过增加四条模糊规则，强化了控制器的自适应性。 在参数优化方面，作者引入了具有动态交叉和变异概率的自适应遗传算法（AGA）。AGA是一种模拟自然选择和遗传机制的优化算法，能够有效地搜索复杂的参数空间，寻找最优解。在优化过程中，AGA不仅针对比例因子和模糊后件参数进行了单独优化，还同时对两者进行了综合调整，通过多重性能指标的加权评估，显著提升了系统的动态和静态性能。 在实际应用中，作者将PID参数整定的经验融入到模糊规则中，并利用AGA对电厂600MW机组的主汽温串级控制系统进行了四个典型工况点的仿真。结果表明，这种融合模糊PID和自适应遗传算法的控制策略，不仅表现出极高的控制精度，还展现出强大的抗干扰能力，对于提高电力系统的稳定性和效率具有重要意义。 这篇硕士论文不仅探讨了模糊控制与PID控制的结合在实际工业控制中的潜力，而且还展示了如何通过智能优化技术解决传统模糊PID控制中的挑战，为工业自动化领域的控制器设计提供了新的思考角度和技术路线。