论文研究-基于粒子群算法的PID参数自整定 .pdf
需积分: 22 30 浏览量
2019-08-24
06:18:29
上传
评论 2
收藏 158KB PDF 举报
http://www.paper.edu.cn
- 1 -
基于粒子群算法的 PID 参数自整定
*
栾丽君
1
，谭立静
1
，牛 奔
2
1
辽宁工程技术大学, 机械工程学院，阜新，辽宁 123000
2
中科院沈阳自动化研究所, 先进制造试验室，沈阳，辽宁 1100016
email:tan_lijing@163.com
摘 要：PID 控制器的参数整定，从优化的角度来说就是在
p
K ,
i
K ,
d
K 3 个参数空间中寻
找最优值,使系统的控制性能达到最优。粒子群优化(PSO)算法是一种新兴的演化算法,该算
法与传统方法相比有着较高的收敛速度和计算精度，可以高效、并行在搜索空间寻找到全局
最优解。就此，本文提出了一种基于粒子群算法的 PID 控制参数自整定方法。在实验仿真中
与基于遗传算法的 PID 参数整定方法进行了比较，结果表明, 本算法优于基本遗传算法,可
以快速、有效实现 PID 控制参数的自整定。
关键词：粒子群 PID 控制 群体智能
1．引言
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控制器的控制性能与控制器参数
,,
pid
KKK
的优化整定直接相关。在工业控
制过程中多数的控制对象是高阶、时滞、非线性的，所以对PID控制器的参数整定是较为困
难的。传统的PID参数优化方法有：稳定边界法(临界比例度法)、衰减曲线法、动态特性法
和Ziegler Nichols经验公式(ZN公式法)等
[1]
。
这些算法过程比较繁琐、难以实现参数的最优整定、容易产生震荡和大超调。为了解决
这一问题，近几年来，提出了许多基于人工智能技术的PID参数整定方法，如神经网络、模
糊系统、模糊神经网络等
[2, 3]
。进化计算技术，如遗传算法，由于其较强的全局优化能力在
PID控制器参数优化设计中也得到了广泛的应用
[4, 5]
。与传统的方法相比，遗传算法取得了一
定的效果，但还是存在一些问题，如编码及解码过程需要大量CPU时间, 算法易早熟收敛陷
入局部最优，往往不能同时满足控制系统的速度和精度的要求等。
1995年Kennedy和Eberhart等人
[6]
提出了一种新的进化计算技术─粒子群优化算法
（Particle Swarm Optimization, PSO）。PSO算法由于其思想简单、程序易实现、需要调整的
参数较少已被广泛应用于科学计算与工程应用领域。但应用于PID控制器的参数设计并不多
见。本文采用PSO算法对PID控制器的参数进行在线自整定, 并与基于实数编码的遗传算法
和基于二进制编码的遗传算法进行了仿真比较。实践证明：该算法操作方便、收敛速度快、
优化精度高、不易陷入局部最优值等优点。
2．粒子群优化算法
*
基金项目：辽宁省教育厅资助项目 20081218
评论0
最新资源