改进微粒群算法及其在pid控制器参数整定中的应用检测技术与自动化装置专业论文.docxVIP

舢Y脚1 舢Y脚1 舢8 ㈣0M9 胛7㈣您 A Thesis Submitted in Fulfillment of the Requirements for the Degree of Master of Engineering Improved Particle Swarm Optimizatiom and Application In PID Parameter Ti g control Major ：Detection Technology and Automatic Equipment Candidate：Liu Jun Supervisor：Hu Zhong—gong Professor Wuhan Institute of Technology Wuhan，Hubei 430074，P．R．China May，2007 摘要摘 摘要 摘 要 实际生产过程具有的非线性、离散、时变等特性使得人们对它们 无法进行准确的数学描述。PID是迄今最通用的控制方法，其结构简 单、容易实现、控制效果好且参数物理意义明确，大多数反馈回路用 该方法或其较小的改进来控制。PID的控制性能与其参数有直接联系， 对于结构和参数不确定的控制系统，PID参数的整定仍是一个难点问 题。目前PID参数优化方法主要包括梯度法、单纯型法、神经网络法 和遗传算法等。它们各有优点，但也存在明显缺点。基于微粒群算法 的PID控制器是解决方案之一，它能动态的自整定参数，具有良好的 综合控制性能等优点。 微粒群算法(PSO：Particle Swarm Optimization)是一种新型 的进化优化技术。与其它智能方法比较，它具有算法简单、易于程序 实现等特点。既适合科学研究，又适合工程应用。因此，PSO一经提 出，立刻引起演化计算领域的学者门广泛关注，并在短短几年出现大 量的研究成果，形成了一个研究热点。 本文在对国内外微粒群算法研究动态做了简单介绍之后，对微粒 群算法的参数选择进行了较为深入的探讨，同时提出了应用微粒群算 法动态整定PID控制参数的方法。第二章介绍了微粒群算法的产生、 发展；论述了微粒群算法的原理、流程以及国内外学者从不同出发点 对算法进行的改进；第三章针对目前微粒群算法的许多参数依赖经验 法确定，而且不同的参数选择可能直接影响算法的收敛性，甚至导致 不收敛的情况对微粒群算法的参数选择做了试验研究，给出了基本的 参数选择方法；第四章简单介绍了关于PID控制的几种智能控制方法， 并提出了基于PSO的PID控制参数整定算法；第五章以电动机为仿真实 验模型，重点讨论了评价值函数的选取。通过与传统的整定方法相比 较，得出结论：使用PSO方法对PID控制器参数整定效果良好，同时， 改进的微粒群算法整定性能更优。 武汉]：程大学硕士学位论文关键词：优化算法；微粒群算法；PID控制参数整定 武汉]：程大学硕士学位论文 关键词：优化算法；微粒群算法；PID控制参数整定 AbstractAbstract Abstract Abstract Since the non—linear,dispersed and the time varying features in the process of the actual production，it is difficult to describe the problems in this field exactly．And the controller of PID is the most popular applied regulator in the engineering proj ect recently,it has simple construction，easy achievements，well control effects and it also has the definite physical meaning of the parameter．Most of the feed back reveals that this control method is wonderful．As we know that the control function has directly relationship with its parameter．So under this background，concerning the indefinite construe and parameter of the control system，the parameter turning of the PID is still a hard problem． And nowadays，the PID pa