基于蜻蜓算法PID控制器参数优化.docVIP

基于蜻蜓算法PID控制器参数优化 　　摘 要： 为了解决传统PID参数优化方法易出现费时、震荡且不能保证所调参数最优的问题，提出一种基于蜻蜓算法的PID控制参数优化方法，该方法利用蜻蜓群体寻找食物的过程并以误差性能指标ITAE作为其适应度函数实现PID控制参数的优化。通过仿真实验，并与粒子群优化算法、人工蜂群算法、布谷鸟搜索算法等常用的PID参数整定方法进行比较，结果表明，基于蜻蜓算法优化的PID控制器具有更优的控制性能。 　　关键词： 蜻蜓算法; PID控制器; 参数优化; ITAE; 控制性能; 反馈控制策略 　　中图分类号： TN876?34; TP18 文献标识码： A 文章编号： 1004?373X（2018）12?0102?06 　　Abstract： To solve the problems of time?consuming， vibration， and inability to guarantee the adjusted parameters optimal in the traditional PID parameter optimization method， a PID control parameter optimization method based on dragonfly algorithm is proposed. In the method， the PID control parameters are optimized by using the process of dragonfly population searching for food and taking the error performance indicator ITAE as the fitness function. The simulation experiment results show that， in comparison with the common PID parameter tuning methods such as particle swarm optimization algorithm， artificial bee colony algorithm， and cuckoo search algorithm， the PID controller based on dragonfly algorithm optimization has a better control performance. 　　Keywords： dragonfly algorithm; PID controller; parameter optimization; ITAE; control performance; feedback control strategy 　　0 引 言 　　PID控制器是最早提出的反?控制器之一[1]，在工业控制领域，有超过95%的反馈回路部件使用的是PID控制器，然而由于PID控制本质是一种线性控制规律，在实际工业应用中对于一些非线性、高阶、时滞的复杂系统，常规的PID控制效果并不能满足生产要求。因此，PID控制器的参数优化一直是控制理论研究的一个重要课题。 　　蜻蜓算法（Dragonfly Algorithm，DA）[2]源于自然界中蜻蜓捕食、迁徙和躲避外敌的群体行为，实现对目标函数的优化。该算法不仅具有粒子群算法的个人认知和社会认知能力，同时结合了布谷鸟算法[3]中[Le′vy]飞行行为，在算法寻优过程中能够有效避免陷入局部最优，提高算法的搜索性能。本文将蜻蜓算法用于PID控制器参数优化，基本思路是将PID控制器待优化的参数作为蜻蜓个体的位置信息，并以误差性能指标ITAE作为其适应度函数，利用蜻蜓群体寻找食物的过程实现对PID控制参数的优化。并选取7类工业控制中的典型控制模型，通过Matlab对各系统进行仿真实验，并与粒子群算法[4?6]、人工蜂群算法、布谷鸟搜索算法等几种常用的PID参数优化方法进行比较。实验结果表明，利用蜻蜓算法优化的PID控制器对各控制模型均具有很好的控制性能。 　　 　　1 PID控制器 　　PID控制器的规律为： 　　4.3.2 20次独立运行整定结果对比 　　 　　考虑到智能优化算法的随机性，在上述相同的环境下，各算法针对7类不同控制模型分别进行20次独立仿真实验，从整定得到的ITAE性能指标结果的最优值、最差值、平均值和方差进行不同的算法分析，结果见表3。从表3可看出，对于[G1（s）]，[G3（s）]和[G5（s）]被控对象，蜻蜓算法在最优值、最差值、平均值和方差的仿真结果均优于其他4种算法;对于[G2（s）]