基于改进PSO算法的PID参数优化研究.pdfVIP

第 32卷第5期 四 川I电力 技 术 Vo1．32，No．5 2009年 l0月 SichuanElectricPowerTechnology Oct．，2009 基于改进 PSO算法的PID参数优化研究 李凌舟，陈 利 (四川电力职业技术学院，四川 成都 610072) 摘 要：针对PID控制器的参数整定问题 ，提出一种改进微粒群优化算法(improvedparticleswaEmoptimization，IPSO)。 算法是在基本PSO算法的惯性权重部分加入一个调节因子项，通过调节因子的调节，改善 了算法的收敛性。仿真结 果表明，IPSO算法可以更好地优化PID控制器的参数 ，使控制系统具有更好的控制性能。 关键词：PID参数优化；微粒群优化算法；改进微粒群优化算法 Abstract：InviewoftheparametersettingofPIDcontroller，animprovedparticleSWallnoptimizationalgorithm (IPSO)is presented．TheproposedmethodexpandsthebasicPSO toaddaregulatoryfactortotheinertiaweight，whichsignificantlyim— provestheconvergenceofPSO byreuglatingthefactor．Simulationresultsindicatethattheproposedapproachcanoptimizethe PID parameterandimprovetheperformanceofcontrolsystem primely． Keywords：PIDpraameteroptimization；particleSWal3noptimization (PSO)；improvedparticleSWalTI1optimization(IPSO) 中图分类号：TM76 文献标志码 ：A 文章编号：1003—6954(2009)05—0029—03 法通过对惯性权重的改进 ，改善了算法的收敛性。利 0 引 言 用该算法优化PID控制器的参数 ，可使优化后的控制 系统具有更好的控制性能。 PID控制具有结构简单、易于实现的优点，能够 满足多数工业控制的性能要求，是 目前广泛采用的一 1 IPSO算法 种控制方式。PID控制器设计的关键之一就是其参 数的整定问题。基于进化计算的参数整定方法是 目 1．1 PSO算法描述 前PID控制的研究热点。文献 [1]采用蚁群算法对 PSO算法是一种基于种群全局搜索的自适应进 PID参数进行优化，文献 [2]采用遗传算法优化 PID 化算法，其数学描述如下。 参数，文献[3]提出一种基于改进遗传算法的PID参 在D维搜索空间中有 s个微粒，设 =( ， 数整定策略。 … ， K)为微粒 i的当前位置 ；设 =(12 ，…， ) 微粒群 (ParticleSwarmOptimization，PSO)算法 为微粒 的当前速度 ；设P=(P P ，…，P )为微粒 i 所经历 的最好位置。 是 由Kennedy和 Eberhart博士于 1995年受鸟类群体 设 )为最小化的目标函数，对于每一代粒子 行为研究结果的启发，而提