改进PSO算法在主汽温系统PID参数优化中的应用.docxVIP

计算 机 与 现 代 化2009年第12期JISUANJIYUXIANDAIHUA总第172期文章编号:1006-2475(2009)12-0029-04改进PSO算法在主汽温系统PID参数优化中的应用刘娇(华北电力大学控制科学与工程学院, 河北保定071003)摘要:提出了一种基于改进的粒子群优化(PSO)算法的PID控制器参数整定方法。通过对粒子赋予不同的初始惯性权重,较好地协调了粒子的全局与局部搜索能力。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究,结果表明:改进的粒子群算法在保证PID控制稳定性基础上提高了PID控制的精度,且编码简单,易于实现,具有较好的应用前景。关键词:粒子群优化算法;改进粒子群优化算法;初始惯性权重;主汽温控制系统;PID参数优化中图分类号:TP13文献标识码:Adoi:10.3969/j.isn.1006-2475.2009.12.008AplicationofImprovedParticleSwarmOptimizationAlgorithminPIDControlerParametersOptimizationforMainSteamTemperatureSystemLIUJiao(ScholofControlScienceandEnginering,NorthChinaElectricPowerUniversity,Baoding071003,China)Abstract:ThethesisproposesaPIDcontrolerparametertuningmethodbasedonimprovedparticleswarmoptimization(PSO)al-gorithm.Givenbydiferentinitialparticleinertiaweight,itcancordinatetheoveralsituationoftheparticleandlocalsearchca-pabilities.Simulationstudyonpowerplantmainsteamtemperaturewhoseparametershaveseriousuncertainty,disturbances,aswelaslargedelayshowsthat:BasedonthestabilityofPIDcontrol,theimprovedparticleswarmoptimizationalgorithmimprovestheacuracyofPIDcontrol,andthecodingissimple,aswelaseasytoimplement,soithasgodaplicationprospects.Keywords:particleswarmoptimization;improvedparticleswarmoptimization;initialinertiaweight;mainsteamtemperaturesystem;PIDparameteroptimization0引言过去几十年,PID控制技术得到了很大的发展,工业控制90%以上使用的是PID类控制器。PID参数的优化问题本质上可以转换为函数优化问题,对于函数优化问题,现有许多成熟的解决方法,如遗传算法[1-2],但是遗传操作中交叉、变异操作复杂繁琐,且对于高维、多局部极值的复杂函数而言,遗传算法往往在收敛速度和精度上难以达到期望要求。PSO算法是基于群智能的并行全局搜索策略,采用简单的速度-位置搜索模型实现对整个空间的寻优操作,与遗传算法相比具有更快的收敛速度,整个算法简单,易于实现。但是也存在一定的局限,尤其是惯性权重对算法性能具有很大的影响。本文对标准PSO算法进行了改进,不仅使惯性权重具有了一定的灵活性,同时针对算法在收敛的情况下,所有粒子都向最优解的方向飞去,从而对粒子趋于同一化的问题进行了改进。1粒子群优化算法(PSO)粒子群优化算法是一种进化计算技术(evolution-arycomputation),由 Eberhart和Kenedy在对一个简化社会模型进行仿真的过程中提出[3-5],源于对鸟群捕食的行为研究,是一种基于迭代的优化工具。与其它进化计算方法相比,PSO的主要特点为:(1)每一个个体(称为一个粒子)都被赋予了一个随收稿日期:2009-06-29作者简介:刘娇(1984-),女,河北满城人, 华北电力大学控制科学与工程学院硕士研究生, 研究方向:复杂系统的建模, 仿真与控制。30计 算 机 与 现 代 化2009年第12期机速度并在整个问题空间中流动;(2)个体具有记忆最大速度Vmax=(VmaxmaxmaxT1,V2,…,VD)为设计参功能;(3)个体的