没有合适的资源?快使用搜索试试~ 我知道了~
A于粒子群算法的控制系统PID参数优化设计hourui.doc
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 124 浏览量
2022-05-06
14:37:49
上传
评论
收藏 575KB DOC 举报
温馨提示
试读
39页
A于粒子群算法的控制系统PID参数优化设计hourui.doc
资源推荐
资源详情
资源评论
基于粒子群算法的控制系统
PID参数优化设计
摘 要
本文主要研究基于粒子群算法控制系统PID参数优化设计方法以及对PID控制的改
进。PID参数的寻优方法有很多种,各种方法的都有各自的特点,应按实际的系统特点
选择适当的方法。本文采用粒子群算法进行参数优化,主要做了如下工作:其一,选
择控制系统的目标函数,本控制系统选用时间乘以误差的绝对值,通过对控制系统的
逐步仿真,对结果进行分析。由于选取的这个目标函数的解析式不能直接写出,故采
用逐步仿真来实现;其二,本文先采用工程上的整定方法(临界比例度法)粗略的确
定其初始的三个参数 , , ,再利用粒子群算法进行寻优,得到更好的PID参数;
其三,采用SIMULINK的仿真工具对PID参数优化系统进行仿真,得出系统的响应曲线。
从中发现它的性能指标,都比原来有了很大的改进。因此,采用粒子群算法的优越性
是显而易见的。
关键词 目标函数;PID 参数;粒子群算法;优化设计;SIMULINK
Optimal design of PID parameter of the control
system based on Particle Swarm Optimization
Abstract
The main purpose of this paper is to study the optimal design of PID parameter of the
control system based on Particle Swarm Optimization and find a way to improve the PID
control. There are a lot of methods of optimization for the parameters of PID, and each of
them has its own characteristics. The proper methods need to be selected according to the
actual characteristics of the system. In this paper we adopt the Particle Swarm Optimization to
tune the parameters. To finish it, the following tasks should be done. First, select the target
function of the control system. The target function of the control system should be chosen as
the absolute value of the error multiplied by time. Then we simulate the control system
gradually, and analyze the results of the process. Because the solution of the target function
cannot be worked out directly, this design adopts simulation gradually. Second, this paper
adopts the engineering method (the critical ratio method) to determine its initial parameters
, , , then uses the Particle Swarm Optimization to get a series better PID parameters.
Third, this paper uses the tool of SIMULINK to optimize the parameters of PID and gets the
response curve of the system. By contrast with the two response curves, it is clearly that the
performance has improved a lot than the former one. Therefore, it is obviously to find the
advantages in using the Particle Swarm Optimization.
Keywords: target function; PID parameters; Particle Swarm Optimization; optimal design;
SI MULINK
目 录
1 绪论..........................................................................................................................................1
1.1 研究背景和课题意义...................................................................................................1
1.2 基本的 PID 参数优化方法...........................................................................................1
1.3 常用的整定方法...........................................................................................................2
1.4 本文的主要工作...........................................................................................................4
2 粒子群算法的介绍..................................................................................................................5
2.1 粒子群算法思想的起源...............................................................................................5
2.2 算法原理.......................................................................................................................6
2.3 算法流程.......................................................................................................................7
2.4 全局模型与局部模型...................................................................................................8
2.5 算法特点.......................................................................................................................9
2.6 带惯性权重的粒子群算法...........................................................................................9
2.7 粒子群算法的研究现状.............................................................................................10
3 用粒子群方法优化 PID 参数................................................................................................11
3.1 PID 控制原理..............................................................................................................11
3.2 PID 控制的特点..........................................................................................................12
3.3 优化设计简介.............................................................................................................12
3.4 目标函数选取.............................................................................................................13
3.5 大迟滞系统.................................................................................................................14
3.6 加热炉温度控制简介.................................................................................................18
3.7 加热炉系统的重要特点.............................................................................................18
3.8 加热炉的模型结构.....................................................................................................19
4 系统仿真研究........................................................................................................................21
4.1 工程上的参数整定.....................................................................................................21
4.2 粒子群算法参数整定.................................................................................................23
4.3 结果比较.....................................................................................................................24
4.4 P、I、D 参数对系统性能影响的研究......................................................................25
4.5 Smith 预估补偿器.......................................................................................................28
结论...........................................................................................................................................29
致 谢.........................................................................................................................................31
参考文献...................................................................................................................................32
附 录.........................................................................................................................................33
1 绪论
1.1 研究背景和课题意义
在现代工业控制领域,PID控制器由于其结构简单、鲁棒性好、可靠性高等优点得
到了广泛应用。PID的控制性能与控制器参数 的优化整定直接相关。在工业
控制过程中,多数控制对象是高阶、时滞、非线性的,所以对PID控制器的参数整定是
较为困难的。优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优
化问题。为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬
山法、神经算法和遗传算法等。优化问题有两个主要问题。一是要求寻找全局最小点,
二是要求有较高的收敛速度。爬山法精度较高,但是易于陷入局部极小。遗传算法、
神经网络算法等也还存在某些不足,前者要涉及到繁琐的编码解码过程和很大的计算
量,后者的编程和解码过程需要大量CPU时间,算法易早熟,收敛易陷入局部最优,
往往不能同时满足控制系统的速度和精度,且隐含层数目、神经元个数以及初始权值
等参数选择都没有系统的方法。
1.2 基本的PID参数优化方法
目前PID参数整定优化方法有很多,比如单纯形法、最速下降法、误差积分准则
ISTE最优设定方法、遗传算法、蚁群算法等。单纯形法是一种求解多变量无约束最优
化问题的直接搜索法,是求解非线性函数的无约束极值的一种经验方法;最速下降法
是一种以梯度法为基础的多维无约束最优化问题的数值计算法,它的基本思想是选取
目标函数的负梯度方法(最速下降方向)作为每步迭代的搜索方向,逐步逼近函数的极小
值点;误差积分准则ISTE最优设定方法是针对一类特定被控对象的,如果被控对象形
式已知,可以考虑使用这种ISTE误差积分准则作为目标函数进行参数优化;遗传算法
借鉴了自然界优胜劣汰的进化思想,是模拟达尔文生物进化论的自然选择和遗传学机
理的生物进化过程的计算模型,通过模拟自然进化过程搜索最优解的方法。其基本思
想是:先初始化一个种群(种群是由经过基因编码的一定数目的个体组成的,每个个体
剩余38页未读,继续阅读
资源评论
老帽爬新坡
- 粉丝: 82
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功