基于萤火虫算法PID参数优化方法研究.docVIP

基于萤火虫算法PID参数优化方法研究 　　摘 要： 针对传统的PID参数整定方法越来越费时且难以满足控制要求的问题，提出一种采用萤火虫算法来优化PID控制参数的方法，设计了基于Simulink的参数优化模型，并进行仿真计算。结果表明，利用萤火虫算法优化PID控制器参数的阶跃响应响应时间短，基本没有超调，跟踪过程较平稳，仿真结果证明将萤火虫算法应用于PID参数优化是切实可行的。 　　关键词： PID； 萤火虫算法； 参数优化； Simulink 　　中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2015）18?0005?03 　　Abstract： Since the traditional PID parameter tuning method has become more and more time?consuming， and is hard to meet the control requirements， a new method of optimizing PID control parameters by using firefly algorithm is proposed in this paper， and a parameters optimization model based on Simulink was designed to carry out the simulation calculation. The results show that PID controller parameters optimized with the firefly algorithm has short step response time and stable tracking process， and proves that it is feasible to adopt the firefly algorithm in PID parameter optimization. 　　Keywords： PID； firefly algorithm； parameter optimization； Simulink 　　PID控制是比例微分积分控制的简称。在生产过程控制的发展历程中，PID控制是历史最悠久、生命力最顽强，并且也是目前为止应用最多的控制方法[1]。PID控制的精确程度主要取决于其[KP，KI，KD]三个控制参数，但这三个参数的参数整定复杂繁琐。过去人们往往使用经验规则加试凑的方式来调整PID控制参数，但随着控制工程的快速发展，这种方法越来越费时且难以满足控制要求。为解决这种情况，采用智能优化算法来优化PID控制参数应运而生，并取得了明显的效果。文献[2]研究了采用蚁群算法优化PID控制器参数；文献[3]研究了使用遗传算法优化PID参数的方法；文献[4]在基础上改进了用于优化的遗传算法，提出了基于自适应遗传算法的PID参数整定方法；文献[5]采用改进的粒子群算法对PID参数进行了整定，均取得了一定的成果。在本文中研究采用一种全新的智能算法――萤火虫算法对PID参数进行整定，研究其在PID参数整定的可行性及其效果。 　　1 萤火虫算法 　　萤火虫算法（GSO）是群集智能优化算法领域的最新算法，它是由印度学者Krishnan和Ghose提出的一种群智能随机优化算法[6]。该算法从仿生学角度出发，模拟自然界中的萤火虫发光特性，通过荧光素值大小相互吸引对方，达到彼此交流信息的目的。实验表明，萤火虫算法在寻找各种全局最优解方面比遗传算法等更有效，成功率更高[7]。 　　萤火虫算法的核心思想是被绝对亮度比他大的萤火虫吸引，并根据位置更新公式更新自身位置。具体算法步骤为[8]： 　　首先建立萤火虫的绝对亮度和目标函数的关系，用萤火虫的绝对亮度表征萤火虫所在位置处潜在解的目标函数值，即： 　　[Ii=f（xi→）] 　　假设萤火虫i的绝对亮度大于萤火虫j的绝对亮度，那么认为萤火虫j被萤火虫i吸引而向其移动，这种吸引力的大小与由两者之间的相对亮度成正比，考虑到萤火虫i的亮度随着距离的增加以及空气的吸收而减弱，定义两者之间的相对亮度为： 　　[Iij（rij）=Iie-γr2ij] 　　式中：[rij]为两萤火虫之间的距离；[γ]为光吸收系数。 　　那么萤火虫i对萤火虫j的吸引力为： 　　[βij（rij）=β0e-γr2ij] 　　式中[β0]为最大吸引力。 　　萤火虫j的位置更新公式为： 　　[xi→（t+1）=xj→（t）+βij（rij）（xi→（t）-xj→（t））+αεj→] 　　式中：[t]为算法的迭代次数；[α]为常数；[εj→