粒子群优化算法分数阶PID控制器.doc

目 录 摘 要 1 第1章 绪论 2 1.1 研究背景和课题意义 2 1.2 基本的PID参数优化方法 2 1.3 常用的整定方法 3 1.4 本文的主要工作 5 第2章 粒子群算法的介绍 6 2.1 粒子群算法思想的起源 6 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 第3章 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 第4章 系统仿真研究 15 4.1 MATLAB中simulink仿真 15 4.2 粒子群算法参数整定 18 4.3 结果比较 19 结论 20 致谢 21 参考文献 21 附录A（程序清单） 22  摘 要 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，，，，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 PID参数；粒子群算法；优化设计；SIMULINK 第 1 章 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。 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有哪些信誉好的足球投注网站法，是求解非线性有哪些信誉好的足球投注网站方向，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有哪些信誉好的足球投注网站最优解的方法。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，每个个体代表所求问题的一种解决方案)，然后按照生物进化理论中的适者生存和优胜劣汰的原理，逐代演化产生出越来越好的个体。在每一代，根据个体的适应度大小挑选出较好的个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。经过数代的演化，将使得最终的种群更加适应环境，种群中的个体更加优质，把最后种群中的最优个体经过解码后作为问题的近似最优解；蚁群算法是受到自然界中真实蚁群集体行为的研究成果的启发而提出的基于种群的模拟进化算法。蚂蚁从蚁巢出发寻找食物源，找到食物后在从食物源原路返回蚁巢的路上释放信息素，觅食的蚂蚁会跟随这个信息素踪迹找到食物源。信息素按照一定的比例释放的。路径越短，释放的信息素越多，浓度也越高；而信息素浓度越高，吸引的蚂蚁也越多；吸引的蚂蚁越多，遗留下的信息素也越多。最后所有的蚂蚁都集中到信息素浓度最高的一条路径上，这条路径就是从蚁巢到食物源的最短路径。为解决最优化问题人们提出过许多新技术和新方法，但工业和科学领域大量实际问题的困难程度正在日益增长，它们大多是根本无法在可接受的时间内找到解的问题。这类优化问题的困难性不仅体现在具有极大的规模，更为重要的是，它们多数是非线性的、动态的、多峰的、具有欺骗性的或者不具有任何导数信息。因此，发展通用性更强、效率更高的优化算法总是需要的。 这里列举在过程控制系统中常用的参数整定方法：经验法、衰减曲线法、临界比例度法、反应曲线法。用衰减曲线法整定调节器参数的方法是：在纯比例作用下，为，为0，目的是要得到，衰减振荡过度过程曲线。根据所得曲线，若衰减大于 应调整朝小比例带方向；若小于