粒子算法在控制器参数设计中的应用

摘要

众所周知，PID控制在现代工业控制中占据了十分重要的位置。PID 控制器结构简单、实现容易且应用十分广泛。PID 控制器的核心是 PID 参数整定。但随着现代工业的发展，控制过程越来越复杂，传统的 PID 参数整定方法已经不能完全适应。PID 参数整定已成为一个重要研究课题，研究一种新型、高效的参数整定十分必要。粒子群算法(PSO)，是一种进化计算技术。粒子算法源于对鸟群捕食行为研究，PSO同遗传算法类似，是一种基于迭代的优化工具。 系统初始化为一组随机变量，通过迭代寻找最优值。但是并没有遗传算法的交叉以及变异，而是粒子在解空间追随最优的粒子进行搜索。

本文通过利用粒子群算法来确定PID参数，结合仿真实例证明利用粒子群算法在整定PID参数时具有快速，高效率等优点。首先，从不同方面介绍了PID控制的发展现状，对进化算法尤其是粒子群算法进行了综述。然后，简单介绍了进化算法并且引入粒子群算法及研究现状。学习了粒子群算法的基本原理，了解了主要参数的作用，着重讨论了基于惯性权重参数和学习因子的改进方法。介绍了PID控制的基本原理，对评价控制系统的性能指标和整定方法进行了学习。基于某被控对象采用粒子群算法，设计了PID控制系统参数的整定流程。在Matlab\Simulink中进行了编程，仿真结果验证了所设计整定方法的可行性。

关键词：粒子群算法，PID控制器，参数整定

ABSTRACT

...

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

目录

第一章   绪 论 1

1.1研究意义及背景... .1

1.2 PID控制器简介 2

1.2.1．PID控制的发展历程及现状 2

1.2.2．PID参数整定国内外研究现状 3

1.2.3．参数整定分类 4

1.3进化算法概述 5

1.3.1．粒子群算法的研究现状 6

1.3.2．粒子群算法的应用研究 7

1.4本课题研究的主要工作 8

第二章  粒子群算法简介 8

2.1群智能算法 9

2.1.1．蚁群算法 10

2.1.2．人工鱼群算法 10

2.1.3．其他智能优化算法 10

2.2基本和标准粒子群算法 12

2.2.1．粒子群优化算法的起源 12

2.2.2．基本粒子群优化算法 13

2.2.3．标准粒子群算法 15

2.2.4．粒子群算法的控制参数 16

2.3参数改进 18

2.3.1．惯性权重参数的改进 18

2.3.2．学习因子的改进 20

第三章   PID控制器介绍 21

3.1PID控制理论基础及现状 21

3.1.1．模拟PID调节器 21

3.1.2．PID参数对控制系统的影响 23

3.1.3．数字PID控制器 24

3.2控制系统的性能评价指标 25

3.2.1．鲁棒性指标 25

3.2.2．传统PID控制系统设计方法 26

第四章 基于粒子群优化算法的PID参数整定 29

4.1粒子群优化算法整定PID参数原理 29

4.1.1．控制系统的性能指标 29

4.1.2．典型的被控对象模型 32

4.2 基于粒子群算法的PID仿真试验步骤与流程 32

第五章 仿真 35

5.1问题描述 35

5.2参数整定思路 36

5.2.1．优化过程 36

5.2.2．粒子群算法实现 37

5.3.仿真结果 38

5.3.1．实验数据记录 38

5.3.2．实验结果分析 40

第 六 章   全 文 总 结 41

参 考 文 献 42

致     谢 49

文档设计小结 50