资源描述：
《粒子群算法在控制系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、粒子群算法在控制系统中的应用姓名：崔鑫磊学号：1201s201专业：自动化指导老师：杜萌2015年6月15日摘要随着现代工业生产日趋大型化和复杂化，对控制系统的要求也越来越高。粒子群优化算法是一种基于种群的随机优化方法。与传统的优化方法相比，算法具有结构简单、参数较少、易于实现以及全局寻优能力强等优点。本文第一部分对PSO算法起源、原理以及实现步骤进行了详细介绍，之后在第二部分主要介绍了粒子群算法在控制系统中的应用，本文以混沌控制系统为例，先简要阐述了混沌系统的工作原理，提出了基于粒子群算法的模糊控制策略，以
2、改善模糊控制的相关性能，并详细说明了该控制策略的设计思想和实现，最终用Matlab进行系统仿真，并将仿真结果进行对比分析，结果表明该控制策略能有效提高控制系统的动态品质和稳态精度，具有很好的实际应用前景。关键字：粒子群优化算法，混沌控制系统，系统仿真AbstractWiththedevelopmentofmodernindustry,therequirementsofthecontrolsystemarebecomingmoreandmorelargeandcomplex.Particleswarmoptim
3、izationisastochasticoptimizationmethodbasedonpopulation.Comparedwiththetraditionaloptimizationmethod,thealgorithmhastheadvantagesofsimplestructure,lessparameters,easyimplementationandstrongglobaloptimizationability.Inthefirstpartofthispaper,theoriginofthePS
4、Oalgorithmprincipleandimplementationstepsareintroducedindetail,theninthesecondpartmainlyintroducestheapplicationofparticleswarmalgorithminthecontrolsystem,basedonthechaoticcontrolsystemasanexample,brieflydescribestheworkingprincipleofchaoticsystems,ispropos
5、edbasedonparticleswarmoptimizationalgorithmoffuzzycontrolstrategy,inordertoimprovetheperformanceoffuzzycontrol,andadetaileddescriptionofthedesignandimplementationofthecontrolstrategy,thefinalsystemwithMatlabsimulation,andthesimulationresultswereanalyzed,the
6、resultsshowthatthecontrolstrategycaneffectivelyimprovethecontrolsystemdynamicperformanceandsteady-stateprecision,andhasaverygoodapplicationprospect.Keywords:particleswarmoptimizationalgorithm,chaoscontrolsystem,systemsimulation.第13页一、粒子群算法的介绍1.1、课题研究背景以及研究意
7、义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
8、参数选择都没有系统的方法。1.2、粒子群算法的起源Kennedy和Eberhart通过对鸟群觅食过程的分析和模拟，于1995年最先提出了原始的粒子群算法（ParticleSwarm第13页Optimization，PSO）。粒子群算法一经提出就迅速成为进化计算领域和智能优化方面的研究热点，被广泛应用数据挖掘、动态环境优化、目标函数优化、模糊控制系统和神经网络训练等众多领域。它能够高效、并行的搜索问题
