本文提出一種基于遺傳優化和模糊推理相結合的自適應模糊PID 控制算法，算法由
遺傳算法和模糊推理兩部分構成，分別用于離線優化和在線優化。仿真結果表明，這種自適應PID 控制器的性能，比僅用遺傳算法優化的PID 控制器更好,并且抗干擾能力更強。
關鍵詞PID，遺傳算法，模糊推理
PID 控制具有結構簡單、穩定性能好、可靠性高等優點，尤其適用于可建立精確數學模
型的確定性控制系統。在控制理論和技術飛速發展的今天，工業過程控制領域仍有近90%的回路在應用PID 控制策略。在實際的應用中，許多被控過程機理復雜，具有高度非線性、時變不確定性和純滯后等特點。在噪聲、負載擾動等因素的影響下，過程參數甚至模型結構均會隨時間和工作環境的變化而變化。這就要求在PID 控制中，不僅PID 參數的整定不依賴于對象數學模型，并且PID 參數能夠在線調整，以滿足實時控制的要求，PID 控制器性能的好壞完全依賴于其參數的整定效果。針對這一現象，一系列的智能PID 控制算法提出來了，其中有兩類主要的優化方法：1、模糊自適應PID 控制器[2，4，6]，該方法是在J.G.Ziegler出了一種PID 參數整定方法(即ＺＮ法)的基礎上，得到Kp， Ki ， Kd 的初始值，然后利用預先制定的一組模糊控制規則表，在控制過程中通過表，在線調整求得PID 參數。這種方法對于初始規則的制定，隸屬函數的選擇依賴性很強。而且ZN 法整定的參數，系統的超調大。2 基于遺傳算法的PID 控制，該方法是利用遺傳算法的全局優化能力，通過優勝劣汰選擇PID 參數。然而遺傳算法優化不適于在線優化，實時性不強。作者考慮是否可利用遺傳算法的全局優化能力，得到一個比用ZN 法更好的初始參數Kp， Ki ， Kd ，然后再用模糊推理方法在線優化調整PID 參數Kp， Ki ， Kd 的權值α，β，γ。本文正是基于此提出一種先用遺傳算法優化ＰＩＤ參數，得到初始的Kp， Ki ， Kd ，以這三個參數作為在線調整的初始值，根據系統當前的誤差E 和誤差變化率EC 在線調整PID 參數的Kp， Ki ， Kd 。仿真結果證明該方法是有效的。