，，，

(中國(guó)空氣動(dòng)力研究與發(fā)展中心高速所，四川 綿陽(yáng) 621000)

遺傳算法在跨超聲速風(fēng)洞總壓控制中的應(yīng)用

王博文，黃敘輝，秦建華，唐亮

(中國(guó)空氣動(dòng)力研究與發(fā)展中心高速所，四川綿陽(yáng)621000)

總壓作為風(fēng)洞控制中的重要流場(chǎng)參數(shù)，其調(diào)節(jié)性能是風(fēng)洞控制系統(tǒng)能否滿足試驗(yàn)要求的重要指標(biāo)，為提高跨超聲速風(fēng)洞的總壓控制水平，需對(duì)總壓控制策略進(jìn)行設(shè)計(jì);針對(duì)某跨超聲速風(fēng)洞對(duì)總壓控制系統(tǒng)提出的快速性和精確性要求，提出串級(jí)控制、智能PID控制和總壓分段控制等方法，并利用MATLAB系統(tǒng)辨識(shí)工具箱對(duì)流場(chǎng)調(diào)節(jié)階段的總壓系統(tǒng)模型進(jìn)行了辨識(shí);提出將遺傳算法應(yīng)用于風(fēng)洞流場(chǎng)調(diào)節(jié)階段的PID控制器參數(shù)整定中，重點(diǎn)對(duì)基于遺傳算法的PID控制原理和參數(shù)整定步驟進(jìn)行介紹，并針對(duì)遺傳算法的遺傳算子進(jìn)行了設(shè)計(jì);系統(tǒng)仿真和風(fēng)洞實(shí)際運(yùn)行情況表明：該方法較常規(guī)PID參數(shù)整定與優(yōu)化方法，具有更好的控制性能指標(biāo)，滿足總壓控制系統(tǒng)精確性、快速性、魯棒性等要求，為后續(xù)風(fēng)洞建設(shè)和設(shè)備改造提供了新方法。

風(fēng)洞；總壓；遺傳算法；參數(shù)整定

0 引言

跨超聲速風(fēng)洞控制系統(tǒng)作為風(fēng)洞設(shè)備的核心，是提高風(fēng)洞試驗(yàn)?zāi)芰Φ幕A(chǔ)。因此在風(fēng)洞應(yīng)用領(lǐng)域日趨廣泛的今天，結(jié)合風(fēng)洞運(yùn)行和建設(shè)的經(jīng)驗(yàn)，設(shè)計(jì)滿足準(zhǔn)確性、可靠性和穩(wěn)定性要求的風(fēng)洞控制系統(tǒng)顯得尤為重要?？倝鹤鳛轱L(fēng)洞控制系統(tǒng)中的重要系統(tǒng)參數(shù)，其控制效果的優(yōu)劣是風(fēng)洞控制系統(tǒng)是否先進(jìn)的重要標(biāo)志。為提高風(fēng)洞的總壓控制水平，需要對(duì)PID控制器進(jìn)行設(shè)計(jì)和參數(shù)整定。工程上通常采用常規(guī)的PID參數(shù)整定方法，該方法多采用試湊的形式，不僅會(huì)耗費(fèi)大量的時(shí)間和資源，而且無(wú)法滿足新風(fēng)洞日益嚴(yán)苛的總壓控制精度要求。因此采用更為智能的PID參數(shù)整定方法對(duì)總壓控制器進(jìn)行優(yōu)化顯得尤為重要。

遺傳算法[1]GA(Genetic Algorithm)由美國(guó)Michigan大學(xué)的J.Holland教授于1962年首先提出，是一種模擬自然界生物進(jìn)化理論和遺傳機(jī)制的并行隨機(jī)優(yōu)化搜索算法，和其他尋優(yōu)算法相比，具有并行搜索、全局收斂、適應(yīng)性強(qiáng)、魯棒性好等特點(diǎn)。本文在對(duì)跨超聲速風(fēng)洞控制系統(tǒng)簡(jiǎn)要介紹的基礎(chǔ)上，將基于遺傳算法的PID參數(shù)整定方法應(yīng)用于風(fēng)洞總壓控制器的設(shè)計(jì)中，并利用仿真分析和實(shí)際吹風(fēng)效果來(lái)驗(yàn)證該控制器的控制效果。

1 跨超聲速風(fēng)洞總壓控制系統(tǒng)

1.1 風(fēng)洞總體介紹

本文以中國(guó)空氣動(dòng)力研究與發(fā)展中心的某暫沖式跨超聲速風(fēng)洞為研究對(duì)象，該風(fēng)洞試驗(yàn)段橫截面尺寸為0.6×0.6 m，試驗(yàn)馬赫數(shù)范圍為0.3～4.5。風(fēng)洞主要由進(jìn)氣管路、多級(jí)閥門(mén)、穩(wěn)定段、撓性壁噴管段、試驗(yàn)段、超擴(kuò)段、引射進(jìn)氣管路、引射器等部段組成，風(fēng)洞輪廓圖如圖1 所示。風(fēng)洞控制系統(tǒng)的任務(wù)是完成各閥門(mén)啟閉、噴管型面、柵指位置、模型姿態(tài)、超擴(kuò)段開(kāi)度、洞體充氣密封、部段間拉緊等的控制。

圖1 風(fēng)洞結(jié)構(gòu)輪廓圖

1.2 風(fēng)洞總壓控制系統(tǒng)

總壓作為風(fēng)洞試驗(yàn)中的重要參數(shù)，其控制的準(zhǔn)確性、穩(wěn)定性和快速性是風(fēng)洞試驗(yàn)?zāi)芰Φ闹匾w現(xiàn)。為加快流場(chǎng)建立速度，提高風(fēng)洞運(yùn)行效率和試驗(yàn)經(jīng)濟(jì)型，同時(shí)滿足對(duì)測(cè)控系統(tǒng)的高精度要求。該風(fēng)洞運(yùn)行分為啟動(dòng)運(yùn)行階段和流場(chǎng)調(diào)節(jié)階段。在啟動(dòng)運(yùn)行階段采用開(kāi)環(huán)調(diào)節(jié)方式迅速完成風(fēng)洞內(nèi)氣體充壓，實(shí)現(xiàn)風(fēng)洞快速啟動(dòng)；充壓完成后，風(fēng)洞進(jìn)入流場(chǎng)調(diào)節(jié)階段，采用基于積分分離的PID控制和變速PID控制等智能控制方法實(shí)現(xiàn)風(fēng)洞總壓的精確控制[2]。

暫沖式風(fēng)洞通過(guò)主調(diào)壓閥對(duì)穩(wěn)定段總壓進(jìn)行調(diào)節(jié)，由于風(fēng)洞穩(wěn)定段容積很大，同時(shí)氣體具有可壓縮性的特點(diǎn)，風(fēng)洞總壓的變化無(wú)法迅速的跟隨主調(diào)壓閥的調(diào)節(jié)，風(fēng)洞總壓控制屬于典型的滯后系統(tǒng)。這樣的滯后特性使得控制系統(tǒng)動(dòng)態(tài)特性變差，最終導(dǎo)致系統(tǒng)穩(wěn)定性降低，出現(xiàn)系統(tǒng)震蕩等安全風(fēng)險(xiǎn)。為改善滯后特性對(duì)控制系統(tǒng)的影響，本系統(tǒng)在風(fēng)洞流場(chǎng)調(diào)節(jié)階段采用了如圖2所示的串級(jí)控制的方法對(duì)總壓進(jìn)行調(diào)節(jié)[3]。

圖2 風(fēng)洞串級(jí)控制原理框圖

從圖2中可以看出，控制系統(tǒng)由兩個(gè)回路組成。主回路是風(fēng)洞流場(chǎng)控制系統(tǒng)，用于實(shí)現(xiàn)穩(wěn)定段目標(biāo)總壓P0的閉環(huán)控制；副回路是主調(diào)壓閥閥位S控制系統(tǒng)，用于實(shí)現(xiàn)對(duì)閥位的精確閉環(huán)控制。副回路采用響應(yīng)快速的比例調(diào)節(jié)器，具有較小的純滯后和時(shí)間常數(shù)。串級(jí)控制系統(tǒng)在調(diào)節(jié)過(guò)程中,當(dāng)產(chǎn)生的干擾施加在副回路時(shí)，副回路內(nèi)部對(duì)干擾產(chǎn)生了抑制，減小了對(duì)主回路控制參數(shù)的影響。同時(shí)由于副回路較快的響應(yīng)速度改善了控制對(duì)象的特性，加快了調(diào)節(jié)過(guò)程，從而有效地克服滯后，改善過(guò)程的動(dòng)態(tài)特性，提高系統(tǒng)的工作頻率。

2 總壓系統(tǒng)模型的建立

為了獲得好的總壓控制效果，通常需要進(jìn)行大量的風(fēng)洞試驗(yàn)來(lái)對(duì)流場(chǎng)調(diào)節(jié)階段的總壓控制器參數(shù)進(jìn)行整定。這樣不僅耗費(fèi)了大量的調(diào)試時(shí)間和成本，而且控制精度較低，無(wú)法進(jìn)一步提高風(fēng)洞的總壓控制水平。為了實(shí)現(xiàn)更好的總壓控制效果，需要利用系統(tǒng)辨識(shí)理論首先確立總壓同主調(diào)壓閥閥位開(kāi)度的數(shù)學(xué)模型，即對(duì)應(yīng)關(guān)系式P0=f(S)，從而為后續(xù)總壓控制系統(tǒng)的PID控制器設(shè)計(jì)和參數(shù)整定提供可能。

對(duì)總壓控制系統(tǒng)進(jìn)行辨識(shí)，需首先確定系統(tǒng)的模型結(jié)構(gòu)，跨超聲速風(fēng)洞控制對(duì)象的傳遞函數(shù)，一般可以表示為：

(1)

或者：

(2)

式中,Y(s)為被控制對(duì)象的輸出；X(s)為控制量；T，T1，T2為被控制對(duì)象的時(shí)間常數(shù)；K為系統(tǒng)開(kāi)環(huán)傳遞函數(shù)；τ為純滯后時(shí)間。

系統(tǒng)辨識(shí)理論中指出：在對(duì)系統(tǒng)進(jìn)行辨識(shí)時(shí)，得到的數(shù)學(xué)模型階數(shù)越高，模型越精確，系統(tǒng)逼近程度越好。但是過(guò)高的模型階數(shù)會(huì)造成系統(tǒng)控制器設(shè)計(jì)難度增大，同時(shí)計(jì)算復(fù)雜，實(shí)現(xiàn)難度較大。因此本文假設(shè)總壓控制系統(tǒng)結(jié)構(gòu)為式(2)所描述的二階慣性加純滯后系統(tǒng)，既保證了模型精度，同時(shí)便于實(shí)現(xiàn)。本文將系統(tǒng)辨識(shí)理論應(yīng)用于風(fēng)洞總壓控制中，選取風(fēng)洞馬赫數(shù)為1.5的典型試驗(yàn)工況為研究對(duì)象，根據(jù)最小二乘法的原理，采用MATLAB系統(tǒng)辨識(shí)工具箱對(duì)該工況下總壓系統(tǒng)模型進(jìn)行辨識(shí)，得到馬赫數(shù)1.5的情況下總壓控制系統(tǒng)的傳遞函數(shù)為：

(3)

3 基于遺傳算法的PID參數(shù)整定

3.1 基于遺傳算法的PID控制器

遺傳算法模擬自然界生物進(jìn)化機(jī)制，通過(guò)對(duì)群體內(nèi)所有個(gè)體進(jìn)行適應(yīng)度評(píng)價(jià)，并利用選擇、交叉、變異等操作使得適應(yīng)性高的個(gè)體得以保留，適應(yīng)性低的個(gè)體被淘汰，從而不斷提高群體中的個(gè)體適應(yīng)度，直到滿足一定要求為止。

在自動(dòng)控制系統(tǒng)中，系統(tǒng)的閉環(huán)特性很大程度上取決于控制器的性能。在總壓系統(tǒng)模型建立后，需要對(duì)總壓PID控制器參數(shù)進(jìn)行整定和優(yōu)化，從而使閉環(huán)控制系統(tǒng)性能能夠滿足設(shè)計(jì)要求，從而實(shí)現(xiàn)更好的系統(tǒng)控制快速性和穩(wěn)定性。根據(jù)不同的發(fā)展階段，PID參數(shù)整定可以分為基于工程性試湊的常規(guī)PID參數(shù)整定和包括最優(yōu)整定、基于模糊推理的整定、基于神經(jīng)網(wǎng)絡(luò)的整定和基于遺傳算法的整定等多種方法在內(nèi)的智能PID參數(shù)整定。

基于遺傳算法的PID參數(shù)整定是將遺傳算法和PID控制相結(jié)合，利用遺傳算法強(qiáng)大的全局搜索能力，根據(jù)已經(jīng)獲得的被控對(duì)象的數(shù)學(xué)模型，在PID三個(gè)參數(shù)kp、ki、kd的可行域內(nèi)進(jìn)行尋優(yōu)，目的是獲得更好的PID控制效果?；谶z傳算法的PID控制系統(tǒng)原理框圖如圖3所示。

圖3 基于遺傳算法的PID控制原理框圖

3.2 遺傳算法的操作

利用遺傳算法對(duì)PID參數(shù)進(jìn)行整定主要包括以下幾個(gè)步驟。

3.2.1 參數(shù)編碼

在利用遺傳算法對(duì)PID參數(shù)進(jìn)行優(yōu)化之前，需要首先對(duì)PID參數(shù)進(jìn)行編碼。針對(duì)二進(jìn)制編碼占用內(nèi)存多，個(gè)體長(zhǎng)度大，計(jì)算精度低，同時(shí)無(wú)法反映PID參數(shù)的實(shí)際物理含義的缺點(diǎn)，本文采用實(shí)數(shù)編碼的方式對(duì)PID參數(shù)進(jìn)行編碼。

3.2.2 初始種群的生成

為了提高算法搜索效率，生成初始種群時(shí)，首先確定PID參數(shù)的取值范圍，然后通過(guò)計(jì)算機(jī)隨機(jī)產(chǎn)生代表種群中M個(gè)個(gè)體的PID參數(shù)作為初始種群。設(shè)置種群大小M=30，PID參數(shù)kp范圍為[0,10]，ki范圍為[0,1]，kd范圍為[0,1]。

3.2.3 適應(yīng)度函數(shù)的確定

在遺傳算法中，適應(yīng)度函數(shù)通常根據(jù)待優(yōu)化問(wèn)題的目標(biāo)函數(shù)來(lái)確定。為了滿足系統(tǒng)快速性、準(zhǔn)確性和穩(wěn)定性的要求，結(jié)合系統(tǒng)誤差性能指標(biāo)，通常采用如下的代數(shù)式作為PID參數(shù)選擇的目標(biāo)函數(shù)：

(4)

式中,J為目標(biāo)函數(shù)值；e(t)為系統(tǒng)誤差；u(t)為控制器輸出；tu為上升時(shí)間；w1,w2,w3為各項(xiàng)權(quán)值。

為避免控制系統(tǒng)出現(xiàn)超調(diào)，采取懲罰機(jī)制，將超調(diào)量作為目標(biāo)函數(shù)的一部分，可得改進(jìn)的目標(biāo)函數(shù)為：

J=

(5)

式中,ey=y(t)-y(t-1)是系統(tǒng)的超調(diào)量，當(dāng)ey<0時(shí)表示系統(tǒng)出現(xiàn)超調(diào)。此處設(shè)置w1=0.999，w2=0.001，w3=2.0，w4=100.0。

則適應(yīng)度函數(shù)可以通過(guò)下式進(jìn)行表示：

(6)

3.2.4 選擇算子的改進(jìn)

輪盤(pán)賭選擇法是遺傳算法中最為常用的選擇算子[4]，種群中個(gè)體被選擇的概率和其適應(yīng)度值成比例，個(gè)體的適應(yīng)度越大，則被選擇的概率越高。本文采用精英保留的策略對(duì)其進(jìn)行改進(jìn)。其實(shí)現(xiàn)過(guò)程是指對(duì)種群中適應(yīng)度較高的個(gè)體不進(jìn)行交叉和變異操作，并把經(jīng)過(guò)交叉和變異操作后獲得適應(yīng)度較低的個(gè)體用其進(jìn)行替換。這樣就很好的保留了種群中適應(yīng)度較高的個(gè)體，防止在進(jìn)行交叉和變異操作時(shí)對(duì)其遺傳編碼造成破壞，加快了種群的進(jìn)化速度，確保了算法的收斂性。

3.2.5 交叉算子和變異算子的改進(jìn)

過(guò)大或過(guò)小的交叉概率Pc和變異概率Pm都會(huì)對(duì)算法造成不良影響。為此，本文對(duì)原有算法進(jìn)行改進(jìn)，采用了自適應(yīng)遺傳算法[5]。自適應(yīng)遺傳算法根據(jù)不同階段種群中個(gè)體適應(yīng)度的不同分布情況，自適應(yīng)的改變交叉概率Pc和變異概率Pm，從而滿足不同階段的要求。自適應(yīng)遺傳算法的交叉概率Pc和變異概率Pm變化趨勢(shì)如圖4所示。

圖4 自適應(yīng)遺傳算法Pc和Pm變化趨勢(shì)圖

自適應(yīng)遺傳算法的Pc和Pm的自適應(yīng)調(diào)整公式可以表示為：

(7)

(8)

式中,F′為進(jìn)行交叉操作的兩個(gè)個(gè)體中較大的適應(yīng)度函數(shù)值；Fmax為每代個(gè)體適應(yīng)度的最大值；Favg為每代個(gè)體適應(yīng)度的平均值；F為個(gè)體適應(yīng)度值；Pc1，Pc2，Pm1，Pm2為交叉和變異概率值。設(shè)定Pc1=0.9，Pc2=0.5，Pm1=0.1，Pm2=0.01。

從式中可以看出，對(duì)于種群中適應(yīng)度值大于種群平均適應(yīng)度的個(gè)體，采用較小的交叉概率Pc和變異概率Pm，則保護(hù)這樣的個(gè)體能夠更好的遺傳到下一代中；對(duì)于種群中適應(yīng)度值小于種群平均適應(yīng)度的個(gè)體，采用較大的交叉概率Pc和變異概率Pm，通過(guò)隨后的交叉和變異操作使這樣的個(gè)體被淘汰。同時(shí)可以看出，當(dāng)被選擇的個(gè)體適應(yīng)度接近于種群中最大適應(yīng)度值時(shí)，交叉概率Pc和變異概率Pm并不為零，這就保證了在種群進(jìn)化初期，即使是適應(yīng)度值最高的個(gè)體也能夠以較低的概率進(jìn)行進(jìn)化，防止算法出現(xiàn)“早熟”現(xiàn)象，最終收斂于局部最優(yōu)解[6]。通過(guò)這樣的自適應(yīng)交叉概率和變異概率設(shè)計(jì)，不僅保證了種群的多樣性，而且滿足算法的收斂性要求。

通過(guò)上述步驟將遺傳算法應(yīng)用于PID參數(shù)整定中，可以得到基于遺傳算法的PID參數(shù)整定操作流程如圖5所示。

圖5 基于遺傳算法的PID參數(shù)整定流程圖

4 仿真分析

在某跨超聲速風(fēng)洞調(diào)試試驗(yàn)階段，工程人員經(jīng)過(guò)多次吹風(fēng)試驗(yàn)，利用常規(guī)PID參數(shù)整定方法獲得了總壓控制系統(tǒng)的控制參數(shù)，獲得了較為理想的控制效果。本文在已獲得參數(shù)的基礎(chǔ)上，利用遺傳算法對(duì)PID參數(shù)進(jìn)行優(yōu)化。選取風(fēng)洞Ma=1.5的典型工況，則此時(shí)總壓控制系統(tǒng)的數(shù)學(xué)模型為式(3)所示。根據(jù)第3章節(jié)中介紹的PID控制器參數(shù)整定原理和圖5所示的參數(shù)整定流程圖來(lái)編寫(xiě)PID參數(shù)整定程序，可以得到如下結(jié)果：kp=0.73；ki=0.56；kd=0.03。

利用MATLAB/Simulink工具分別對(duì)PID參數(shù)優(yōu)化前后的總壓控制系統(tǒng)進(jìn)行仿真，得到的閉環(huán)階躍響應(yīng)分別如圖6所示。

圖6 總壓階躍響應(yīng)曲線

比較圖中兩條曲線可以看出，采用常規(guī)PID參數(shù)整定方法上升時(shí)間為4 s，超調(diào)量為28%，9 s后系統(tǒng)達(dá)到穩(wěn)定。采用基于遺傳算法的PID參數(shù)整定方法上升時(shí)間為2 s，超調(diào)量5%，4 s后系統(tǒng)達(dá)到穩(wěn)定，由此可見(jiàn)各方面控制性能都得到了顯著提升，驗(yàn)證了利用遺傳算法對(duì)PID參數(shù)進(jìn)行整定的正確性。

5 風(fēng)洞實(shí)際運(yùn)行情況

在完成風(fēng)洞總壓控制系統(tǒng)和PID控制器設(shè)計(jì)后，對(duì)風(fēng)洞進(jìn)行吹風(fēng)試驗(yàn)。選取本文研究的馬赫數(shù)為1.5的風(fēng)洞典型工況作為試驗(yàn)條件，同時(shí)將風(fēng)洞攻角機(jī)構(gòu)在-8°～16°范圍內(nèi)以2°為階梯進(jìn)行調(diào)節(jié)。對(duì)得到的吹風(fēng)數(shù)據(jù)進(jìn)行分析。

為研究風(fēng)洞試驗(yàn)中的總壓控制精度，對(duì)試驗(yàn)的總壓誤差進(jìn)行比較分析。根據(jù)總壓控制系統(tǒng)的設(shè)計(jì)技術(shù)指標(biāo)，當(dāng)總壓相對(duì)誤差達(dá)到0.2%時(shí)，認(rèn)為總壓已達(dá)到穩(wěn)定狀態(tài)。總壓的誤差可通過(guò)下式表示：

δ=(P0目標(biāo)-P0實(shí)際)/P0目標(biāo)

(9)

將風(fēng)洞試驗(yàn)階段總壓的相對(duì)誤差進(jìn)行計(jì)算，得到利用遺傳算法整定的總壓誤差變化情況如圖7所示。

圖7 風(fēng)洞運(yùn)行總壓誤差變化情況

從圖中可以看出，風(fēng)洞整個(gè)運(yùn)行階段總壓誤差波動(dòng)較?。伙L(fēng)洞啟動(dòng)13.5 s后，總壓誤差即達(dá)到控制系統(tǒng)設(shè)計(jì)的0.2%精度要求，調(diào)節(jié)速度較快。同時(shí)在風(fēng)洞隨后的運(yùn)行過(guò)程中，總壓時(shí)刻保持控制精度要求，體現(xiàn)了控制系統(tǒng)良好的準(zhǔn)確性。

為研究風(fēng)洞進(jìn)入流場(chǎng)調(diào)節(jié)階段后，PID控制器對(duì)總壓的控制效果，選擇主調(diào)壓閥閥位曲線、總壓曲線和總壓穩(wěn)定曲線進(jìn)行對(duì)比，對(duì)比結(jié)果如圖8所示。

總壓穩(wěn)定曲線是總壓穩(wěn)定的標(biāo)識(shí)，表示總壓已達(dá)到0.2%的精度要求。由圖可以看出，風(fēng)洞在啟動(dòng)13.5 s后總壓穩(wěn)定于設(shè)定的總壓誤差內(nèi)，由此可得從第10 s接入PID控制器開(kāi)始，總壓調(diào)節(jié)時(shí)間為3.5 s，超調(diào)量為0.2%，表現(xiàn)出了良好的系統(tǒng)動(dòng)態(tài)性能。

在風(fēng)洞試驗(yàn)中，迎角機(jī)構(gòu)角度的變化實(shí)際是對(duì)總壓控制系統(tǒng)的一種干擾。為研究總壓控制系統(tǒng)的抗干擾性能，選擇迎角位置、總壓曲線和總壓穩(wěn)定曲線進(jìn)行對(duì)比，對(duì)比結(jié)果如圖9所示。

從圖中可以看出，無(wú)論是在迎角的運(yùn)動(dòng)階段還是穩(wěn)定階段，總壓都能時(shí)刻控制在總壓誤差帶0.2%以內(nèi)，保持風(fēng)洞的穩(wěn)定運(yùn)行，體現(xiàn)了基于遺傳算法的PID總壓控制系統(tǒng)對(duì)于外界干擾的強(qiáng)魯棒性和可靠性。

6 結(jié)論

本文針對(duì)跨超聲速風(fēng)洞總壓控制系統(tǒng)的實(shí)際特點(diǎn)，將串級(jí)

圖9 風(fēng)洞迎角機(jī)構(gòu)和總壓的運(yùn)行情況圖

控制和智能PID控制技術(shù)引入總壓控制中。在風(fēng)洞的啟動(dòng)運(yùn)行和流場(chǎng)調(diào)節(jié)階段采用不同的控制方式，并利用基于遺傳算法的PID參數(shù)整定對(duì)流場(chǎng)調(diào)節(jié)階段的總壓PID控制器參數(shù)進(jìn)行整定優(yōu)化。系統(tǒng)仿真和風(fēng)洞總壓實(shí)際運(yùn)行情況表明：該方法較常規(guī)PID參數(shù)整定與優(yōu)化方法，具有更好的控制性能指標(biāo)，滿足控制系統(tǒng)快速性和精確性要求，為風(fēng)洞總壓控制系統(tǒng)參數(shù)整定提出了新的方法。

[1] 周 明, 孫樹(shù)棟. 遺傳算法原理及應(yīng)用 [M]. 北京: 國(guó)防工業(yè)出版社, 1993.

[2] 劉金琨. 先進(jìn)PID控制MATLAB仿真[M]. 北京: 電子工業(yè)出版社, 2004．

[3] 褚衛(wèi)華，湯更生，王 帆. 2×2 m超聲速風(fēng)洞流場(chǎng)控制策略研究與實(shí)現(xiàn)[J]．實(shí)驗(yàn)流體力學(xué)，2012，26(5)：98-102．

[4] 侯志強(qiáng).基于遺傳算法的PID控制參數(shù)優(yōu)化在爐溫監(jiān)控系統(tǒng)中的應(yīng)用[D] .長(zhǎng)沙：中南大學(xué)，2012．

[5] 王小平，曹立明.遺傳算法—理論、應(yīng)用于軟件實(shí)現(xiàn) [M] .西安:西安交通大學(xué)出版社，2002.

[6] 孟 滔，周新志，雷印杰.基于自適應(yīng)遺傳算法的SVM參數(shù)優(yōu)化[J]．計(jì)算機(jī)測(cè)量與控制，2016，24(9)．

ApplicationofGeneticAlgorithmsinTotalPressureControlSystemofTransonicandSupersonicWindTunnel

Wang Bowen, Huang Xuhui, Qin Jianhua，Tang Liang

(High Speed Institute,China Aerodynamics Research and Development Center, Mianyang 621000, China)

Total pressure is an important parameter in the wind tunnel control, and its regulation performance is an important index to meet the requirements of the control system. In order to improve the total pressure control level of transonic and supersonic wind tunnel, the total pressure control strategy needs to be designed. Aiming at the quickness and accuracy requirements of total pressure control system that has been proposed by a certain transonic and supersonic wind tunnel, we used the subsection control mode, cascade control and intelligent PID control in the control system, and proceeding the model identification of the total pressure system of flow field adjustment section by the MATLAB system identification toolbox. We put forward a new method that using the genetic algorithm in the PID controller parameter setting of the wind tunnel flow field adjustment section. The paper focuses on introducing the principle of PID control based on genetic algorithm and the parameter setting step, in addition, improving the genetic operators of genetic algorithm. System simulation and the wind tunnel operation show that this method has the better control performance than the conventional PID parameter setting and optimization method, which satisfies the requirement of control system and provides a new way in the future .

wind tunnel; total pressure; genetic algorithms; parameters tuning

2016-04-17；

2016-05-23。

王博文(1990-),男，山西長(zhǎng)治人，助理工程師，碩士研究生，主要從事風(fēng)洞測(cè)控技術(shù)方向的研究。

1671-4598(2017)11-0074-04

10.16526/j.cnki.11-4762/tp.2017.11.019

V211

A