关于粒子群算法液压伺服系统PID参数优化.pdf

学兔兔 第6期(总第181期) 机 械 工 程 与 自动 化 NO．6 2013年 l2月 MECHANICAL ENGINEERING AUTOMATION Dec． 文章编号：1672—6413(2013)06—0031—03 基于粒子群算法液压伺服系统PID参数的优化 丁曙光，许 来 (合肥：1--业大学，安徽 合肥 230009) 摘要：PID控制器在液压伺服系统中得到广泛的应用。为了有效地寻找液压伺服系统的最佳PID控制器参 数，提出一种基于粒子群算法的PID参数优化策略。通过建立PS()一PID控制器参数模型，对PID控制器 的参数进行实时优化；利用MATLAB对系统进行仿真，结果显示在液压伺服系统的工况相同时．新型控制 器能取得满意的控制效果。 关键词：粒子群；PID控制器；液压伺服系统 中图分类号：TN820．3 3：Tt’391．9 文献标识码：A 0 引言 1 粒子群优化算法 液压伺服系统是在液压传动和自动控制理论基础 粒子群优化算法(Particle Swarm Optimization， 上建立起来的一种自动控制系统。由于其优良的动态 PSO)是由Kennedy和Eberhart于1995年提出的一 性能，在机械行业得到了广泛应用，通常在一些简单的 种演化计算算法，它是一种基于种群进化的计算方法， 液压伺服系统中，我们采用传统PID控制方法对系统 算法的基本思想是通过群体中个体之间的协作和信息 进行控制就能得到较好的控制效果，然而随着社会的 共享来寻找最优解。可以这样来理解PSO算法：PSO 进步，液压技术与自动化水平也相应提高，人们在对一 算法就是模拟一群鸟寻找食物的过程，每只鸟都是 些复杂的液压伺服系统进行控制时，由于系统的非线 PSO算法中的一个粒子，也就是我们需要求解问题的 性、滞后性和时变性等特点，用传统PID控制方法很 可能解，这些鸟在寻找食物的过程中，通过跟踪个体极 难对这些系统进行有效的控制，为此就需要采用一些 值与全局极值，然后不停改变自己在空中飞行的位置 新型的控制策略对系统进行控制[1]。 和速度来寻找食物的最佳位置[2]，其中个体极值是每 近几十年来，一些新型的智能算法(如神经网络、 个粒子当前搜索到的最优位置，全局极值是整个粒子 遗传算法、免疫算法)被人们相继提出，这些算法具有 群当前搜索到的最优位置。 通用性和鲁棒性好、算法简单以及并行处理等优点，对 假设种群中有 个粒子在D维空间中搜索，我们 于一些传统PID控制算法不能较好控制的复杂系统， 用x，一[ X …，z ] 表示第 个粒子的位置， 选取合适的智能控制算法可以取得好的控制效果。随 V 一[ …， m] 为第 个粒子的速度，粒子的个 着这些算法的逐渐成熟，在复杂的液压伺服系统中的 体极值用P 一[p P ，…，P ]‘r来表示，P =[ 。， 应用也越来越多。当然，这些算法也有一些缺陷，如遗 P ，…，PgD] 则为整个粒子群的全局极值。每个粒子 传算法，其主要缺点为：①容易早熟，其算法对新空间 的飞行速度和位置通过下面两个式子不断更新[3]： 的探索能力是有限的，也容易收敛到局部最优解；②涉 (f+1)= ，(￡)+C1n[户 (￡)一 ( )]+C2re· 及到大量个体的计算，当问