基于粒子群算法的自整定PID参数优化与仿真.pdfVIP

第3l卷专辑 南昌大学学报(理科版) V01．3l suppl 0f 2007年7月 Jo啪alN龃ch锄gUnive鹉i哆(Nat岫lscienee) Jul．2007 文章编号：1006一0464(200r7)专辑一0269—02 基于粒子群算法的自整定PID参数优化与仿真 张庆庆 (南昌大学电气与自动化工程系，江西南昌330031) 摘要：粒子群算法是一种基于群智能的全局寻优方法，方法简单易于实现，寻优效果好。设计了一种基于粒子群 算法的自整定PID控制器。它可以根据系统参数的变化实现在线的PID参数优化。仿真结果证明其性能良好。 关键词：粒子群优化；PID参数；自整定 中图分类号：11P29 文献标识码：A PID控制技术其算法简单、鲁棒性好和可靠性 位置作为既，则称为局部版粒子群算法。惯性因子彬 高。被广泛应用于工业过程控制中。在实际控制系统 的确定：惯性因子加对优化性能有很大的影响，较大 中，被控对象往往是时变的，传统的PID控制器由于 的tc，值有利于跳出局部极小点，而较小埘的值有利 参数固定不能跟随被控对象变化。难以实现控制性 于算法收敛。一般采用以下：冬式迸行更新： 能的最优。粒子群算法寻优速度快，算法简单，适于 埘：埘一一警拳咄er tj，(3) 在线应用。本文将粒子群算法与PID参数整定结合 埘2埘一—忑瓦：_q地r 起来，设计出了一种在线自整定的PID控制器。 2 PID参数自整定控制器 1 粒子群优化算法(PSO) PID控制是最早发展起来的控制策略之一，它 粒子群优化算法(PSO)是一类基于群体智能 所涉及的设计算法和控制结构都是很简单，十分适 的随机优化算法。PsO最早是美国Kennedy和 用于工程应用。PID控制规律满足以下差分方程： ^ Ebenhar博士受鸟群觅食行为的启发，1995年提出 Ⅱ(，1) =巧[e(n)+寺∑e(后)r+死 的一种生物进化算法。与遗传算法类似，PSO算法 ‘l●2U 同样基于群体与适应度，它将每个个体视为无体积 呈!翌2=呈f堡二!b f4、 。 、7 的粒子，在搜索空间以变速飞行，其飞行速度根据该 r 粒子本身的历史经验以及同伴的历史经验进行动态 式中：u(，1)本次控制量；e(，1)本次偏差；群比例系 调整。 数；瓦积分时间常数；死微分时间常数；r采样周期。 在此算法中，每个粒子表示D维空间的一个解， PID参数整定就是确定最佳疋、t和乃，使控制系统 则第f个粒子的状态弼(捌1，并忽，…，石∞)，每个粒子某一性能指标达到最佳，本文采用绝对误差的矩积 的速度向量耽(玩l，睨，…，wD)。每个粒子经历过分(ITAE)作为评价的性能指标。如下式所示： 的最优