改进PSO-PID 算法在温度控制中的快速性研究.docVIP

改进PSO-PID算法在温度控制中的快速性研究 于洋，王子帅 （沈阳理工大学 信息科学与工程学院，辽宁 沈阳 110159） 摘要：常规PID算法，在被控对象具有不确定、非线性、变参数等因素的复杂温度控制中，难以满足复杂的控制要求。本文采用改进的粒子群优化算法（Particle Swarm Optimization, PSO），对PID算法的Kp、Ki、Kd三个参数进行在线整定，对改进PSO-PID算法在温度控制中的快速性进行重点研究。仿真结果显示，这种PSO-PID控制算法相比于原有的PID控制有更好的快速性和稳定性。 关键词：PSO-PID算法；温度控制；粒子群算法 The Research of the Rapidity of the Improved PSO-PID Algorithm in Temperature ControlYU Yang,WANG Zi-shuai (Shen yang Li gong University, Shen yang 110159, China) Abstract:It is difficult for conventional PID to meet the complex control requirements while the controlled object is uncertain, nonlinear, variable-parameters in the complex temperature control. This paper adopted the improved PSO (particle swarm optimization) algorithm to tune the Kp, Ki, Kd parameters online, and primarily focus on the rapidity of the improved PSO-PID algorithm in temperature control. Simulation results show that this PSO-PID control algorithm owns better speed and stability comparing to original PID control. Keywords: PSO-PID algorithm ; temperature control ; particle swarm optimization PID控制是最早发展起来的控制策略之一，具有理论成熟、结构简单、易实现、精度高、响应速度快等优势，尤其对线性系统控制效果良好，因而得到了广泛的应用。但是常规PID控制器对非线性、时变的复杂系统和模型不清楚的系统不能进行有效的控制，使其应用范围受到限制。而且在实际生产中，常规PID控制器一般会受到参数整定过程繁琐的困扰，出现整定不良、性能欠佳的情况，对运行工况的适应性也不是很强[]。 由于温度变化是一个很缓慢的过程，如何使温度快速的上升到设定值，保持在温度的设定值，并具有一定的抗干扰能力，有很大的实际意义。本文通过对改进PSO-PID与自整定Z-N法（Ziegler_Nichols算法）、PID控制、标准PSO-PID进行效果比较，研究提高温度控制的快速性方法。 1 PSO算法的改进 PSO算法的收敛速度比较快，但是容易陷入局部最优。在标准粒子群算法的基础上作出如下创新改进。 (1)导入变异微粒：这是为增加粒子群的多样性和寻优能力，普通粒子群算法在迭代初期搜索速度较快，逐渐寻优过程的深入，粒子渐渐寻找到最优位置，粒子群的状态更新也不在明显，可供寻找的速度和空间会逐渐变少，在优化上易于陷入局部最优。本文将导入变异微粒的时间改进为每次迭代寻优之后，保留此时的Xi，并按ρ=1/20变异，将一小部分粒子再次初始化，这样能有效避免陷入局部最优解。 (2)惯性权系数ω：用于控制算法的收敛特性[]。惯性权系数ω对算法的收敛作用影响很大，较大的ω可以加强PSO的全局搜索能力，而较小的ω能加强局部搜索能力[3]。实验表明，惯性权系数ω随算法迭代进行而线性减少，能改善算法的收敛性能和速度。ω控制在[0.8~1.2]之间PSO有更快的收敛速度。在本文将惯性权系数ω的调节公式改进为 (1) 公式(1)中itermax为最大进化代数，iter为当前进化数。 2 算法实现 本文选用积分性能指标ITAE作为适应度函数F，用于评价PSO算法中粒子个体的适应度函数公式如下： (2) tn为寻优时间，e(t)为被控对象的输入与输出之间的误差值。 本文构建的适宜度函数，训练的目的是使其值达到最小值。系统开始工作前，根据设定值