基于菌群优化的pid控制器整定分析

《基于菌群优化的pid控制器整定分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、致谢在本文即将完成之际，我谨将我最诚挚的感激和敬意献给我的导师张建明副教授。两年的学习和科研生活，获益颇多．在这里，我经历，思考，成长．这些经验会成为我以后生活的宝贵财富。而所有的一切，都与实验室的老师、同学有着密切的关系．实验室良好的环境使我安心学习，老师们渊博的知识与达观的人生态度作为榜样鼓励着我，实验室同学们的关心合作让我感受到友情的温暖。首先感谢张建明老师．从我踏入先进控制研究所的那一刻起，张老师一直以亦师亦友的身份对我的学习和生活给予了极大的帮助。在学习方面我所能获得的各种知识，都离不开张老师的关怀。衷心感谢实验室的王树青教授，王宁研究员，金晓

2、明副教授，和来国妹女士在学习和生活上给予我的指导和帮助。衷心感谢实验室同学们对我学习和工作上的帮助，和他们的讨论让我不断前进。师兄陈良、张日东、黄亮、曾建武、徐业建、潘文斌、徐志成，师姐陶吉利、赵进慧、陈霄、潘彩霞、陈雪丽给了我很大的帮助，在此表示真挚的感谢。感谢严家玉、张柯、孙磊、徐忠勇、俞金妹、吴婕、张学鹏、宁璀、徐铭泽、陈俊伟、修志芳、范开俊、富一林及先控所106室的其他同学，难忘和他们一起度过的日子，谢谢你们给我带来的欢乐．特别感谢邓瑞楠、李双彬、冯建华同学，他们无论是在生活中，还是学习中都给了我很大的帮助。特别感谢我的室友王琼燕、杜静静、叶甘临

3、，二年来，与她们在一起度过的欢乐时光永远都是这么美好，并永远在我心头。我的父亲、母亲和弟弟在我漫长的求学期闻始终给我坚定的支持，他们给我最多的温暖和最大的动力，永远是我强大的精神后盾。在以后的日子里，祝愿他们平安、健康、幸福!真诚感谢上述提到和未提到的老师、朋友和亲人们!二零零七年五月于玉泉浙江大学硕士学位论文第一章绪论提要茵群优化算法是一种新的智能仿生算法，与进化算法和群体智能有紧密的联系．本章从PID控制器参数的优化整定出发对智能仿生优化算法的发展扣原理进行了回顾，并介绍了本文的主要工作．关键词：菌群优化算法(BFO)，智能仿生算法，PID控制器，参

4、数优化整定1．1引言比例一积分-微分(proportionalintegralderivative,PID)控制器是工业过程控制中最常见的一种反馈控制器．PID控制以结构简单、容易实现和鲁棒性好等优点，成为迄今为止使用最广泛的控制方法，电力拖动，光磁存储，汽车工业，飞行器控制，自动化仪表等各个领域．随着工业生产规模的日益扩大和生产操作方式的改变，实际的工业生产过程变得越来越复杂，往往具有非线性、不确定性，难以建立精确的数学模型．这对PID控制器设计提出了更高的要求。使用常规的方法整定的PID控制器参数难以适应工况的变化，为此，研究者们在不断探索新的控制器

5、参数整定方法。PID控制器参数的整定对控制系统的性能影响很大，决定了PID控制器的品质。自从Ziegler-Nichols法【l】提出以后，出现了诸多PID控制器整定方法如单纯形方法【11、cohen-coon整定方法【31、快速整定法【4】、误差积分准则ISTE最优设定方法昀、IMC方法161等．随着被控对象的日益复杂，传统优化方法已经不能满足需型7】，这促使人们不断寻找更好的优化方法，例如神经网络方法阁f9J、混沌优化方法【10】等已被应用到PID控制器优化设计中，并取得了较好的效果。近年来，人们从大自然和生物生命演化过程中受到启示，从事仿生算法的研

6、究，开创了探索优化方法的新途径【11】．智能仿生算法，以其智能高效的寻优第一章绪论能力和适用的广泛性受到了研究者的关注，涌现了许多仿生算法，如遗传算法【12】【13】【141、蚁群算法【151-[181、人工鱼群算法【嘲、PSO算法120]等。将智能优化算法应用于工程领域中的优化问题求解具有十分重要的意义，而将智能优化算法运用于PID控制器优化设计成为其中的一个研究热点【2lH231．本章将介绍这些智能仿生优化算法的产生和原理，以及本文的主要工作．1．2智能仿生算法自从生物进化的理论被人们接受之后，关于生物进化计算的研究得到了很大的发展．群居动物以集体的

7、力量进行觅食、御敌、筑巢．这种由于个体之问以及个体与环境之间交互而使群体所表现出来的智能，就称之为群智能，如蜜蜂采蜜、筑巢、蚂蚁觅食等。从群居昆虫相互合作进行工作中，可以得到启迪，通过研究其中的原理，可以设计出求解问题的新型算法。智能仿生算法是模拟生物进化和生物群体的智能化方法．目前热点研究的有遗传算法、蚁群算法、人工鱼群算法、PSO算法和菌群优化算法等，由于它们具有并行性、自适应性等优点，在非线性复杂问题的求解方面表现出了独特的优越性．1。2．1遗传算法遗传算法是美国Michigan大学的J．Holland教授于1975年受生物进化论的启发而提出的【1

8、41。DeJong首先将遗传算法应用于函数优化，为这一新技术的应用奠定了基础【2