粒子算法在控制器參數設計中的應用

摘要

眾所周知，PID控制在現代工業控制中占據了十分重要的位置。PID 控制器結構簡單、實現容易且應用十分廣泛。PID 控制器的核心是 PID 參數整定。但隨著現代工業的發展，控制過程越來越復雜，傳統的 PID 參數整定方法已經不能完全適應。PID 參數整定已成為一個重要研究課題，研究一種新型、高效的參數整定十分必要。粒子群算法(PSO)，是一種進化計算技術。粒子算法源于對鳥群捕食行為研究，PSO同遺傳算法類似，是一種基于迭代的優化工具。 系統初始化為一組隨機變量，通過迭代尋找最優值。但是并沒有遺傳算法的交叉以及變異，而是粒子在解空間追隨最優的粒子進行搜索。

本文通過利用粒子群算法來確定PID參數，結合仿真實例證明利用粒子群算法在整定PID參數時具有快速，高效率等優點。首先，從不同方面介紹了PID控制的發展現狀，對進化算法尤其是粒子群算法進行了綜述。然后，簡單介紹了進化算法并且引入粒子群算法及研究現狀。學習了粒子群算法的基本原理，了解了主要參數的作用，著重討論了基于慣性權重參數和學習因子的改進方法。介紹了PID控制的基本原理，對評價控制系統的性能指標和整定方法進行了學習。基于某被控對象采用粒子群算法，設計了PID控制系統參數的整定流程。在Matlab\Simulink中進行了編程，仿真結果驗證了所設計整定方法的可行性。

關鍵詞：粒子群算法，PID控制器，參數整定

ABSTRACT

...

KEY WORDS: PID control, particle swarm optimization, PID parameters 

目錄

第一章   緒 論1

1.1研究意義及背景....1

1.2 PID控制器簡介2

1.2.1．PID控制的發展歷程及現狀2

1.2.2．PID參數整定國內外研究現狀3

1.2.3．參數整定分類4

1.3進化算法概述5

1.3.1．粒子群算法的研究現狀6

1.3.2．粒子群算法的應用研究7

1.4本課題研究的主要工作8

第二章  粒子群算法簡介8

2.1群智能算法9

2.1.1．蟻群算法10

2.1.2．人工魚群算法10

2.1.3．其他智能優化算法10

2.2基本和標準粒子群算法12

2.2.1．粒子群優化算法的起源12

2.2.2．基本粒子群優化算法13

2.2.3．標準粒子群算法15

2.2.4．粒子群算法的控制參數16

2.3參數改進18

2.3.1．慣性權重參數的改進18

2.3.2．學習因子的改進20

第三章   PID控制器介紹21

3.1PID控制理論基礎及現狀21

3.1.1．模擬PID調節器21

3.1.2．PID參數對控制系統的影響23

3.1.3．數字PID控制器24

3.2控制系統的性能評價指標25

3.2.1．魯棒性指標25

3.2.2．傳統PID控制系統設計方法26

第四章 基于粒子群優化算法的PID參數整定29

4.1粒子群優化算法整定PID參數原理29

4.1.1．控制系統的性能指標29

4.1.2．典型的被控對象模型32

4.2 基于粒子群算法的PID仿真試驗步驟與流程32

第五章 仿真35

5.1問題描述35

5.2參數整定思路36

5.2.1．優化過程36

5.2.2．粒子群算法實現37

5.3.仿真結果38

5.3.1．實驗數據記錄38

5.3.2．實驗結果分析40

第 六 章   全 文 總 結41

參 考 文 獻42

致     謝49

畢業設計小結50