基于改进PSO算法的PID参数优化研究

《基于改进PSO算法的PID参数优化研究》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、第32卷第5期四川I电力技术Vo1．32，No．52009年l0月SichuanElectricPowerTechnologyOct．，2009基于改进PSO算法的PID参数优化研究李凌舟，陈利(四川电力职业技术学院，四川成都610072)摘要：针对PID控制器的参数整定问题，提出一种改进微粒群优化算法(improvedparticleswaEmoptimization，IPSO)。算法是在基本PSO算法的惯性权重部分加入一个调节因子项，通过调节因子的调节，改善了算法的收敛性。仿真结果表明，IPSO算法可以更

2、好地优化PID控制器的参数，使控制系统具有更好的控制性能。关键词：PID参数优化；微粒群优化算法；改进微粒群优化算法Abstract：InviewoftheparametersettingofPIDcontroller，animprovedparticleSWallnoptimizationalgorithm(IPSO)ispresented．TheproposedmethodexpandsthebasicPSOtoaddaregulatoryfactortotheinertiaweight，whichsig

3、nificantlyim—provestheconvergenceofPSObyregulatingthefactor．SimulationresultsindicatethattheproposedapproachcanoptimizethePIDparameterandimprovetheperformanceofcontrolsystemprimely．Keywords：PIDparameteroptimization；particleSWal3'noptimization(PSO)；improvedp

4、articleSWalTI1optimization(IPSO)中图分类号：TM76文献标志码：A文章编号：1003—6954(2009)05—0029—03法通过对惯性权重的改进，改善了算法的收敛性。利0引言用该算法优化PID控制器的参数，可使优化后的控制系统具有更好的控制性能。PID控制具有结构简单、易于实现的优点，能够满足多数工业控制的性能要求，是目前广泛采用的一1IPSO算法种控制方式。PID控制器设计的关键之一就是其参数的整定问题。基于进化计算的参数整定方法是目1．1PSO算法描述前PID控制的研究

5、热点。文献[1]采用蚁群算法对PSO算法是一种基于种群全局搜索的自适应进PID参数进行优化，文献[2]采用遗传算法优化PID化算法，其数学描述如下。参数，文献[3]提出一种基于改进遗传算法的PID参在D维搜索空间中有s个微粒，设=(，⋯数整定策略。，K)为微粒i的当前位置；设=(12，⋯，)为微粒的当前速度；设P=(PP，⋯，P)为微粒i微粒群(ParticleSwarmOptimization，PSO)算法所经历的最好位置。是由Kennedy和Eberhart博士于1995年受鸟类群体设)为最小化的目标函数

6、，对于每一代粒子行为研究结果的启发，而提出的一种基于群体智能的都根据下式进化。进化计算技术J。PSO算法是一种高效、简单的并行：=02·t+cl·r1·(pt一t)+c2·r2·(p一搜索算法，其优点在于概念简单、实现容易、鲁棒性)(1)好，并且能以较大概率收敛到全局最优。在参数优化、多目标优化、约束问题优化、机组优化组合、负荷lLt+1一-，t++>1、Kidm“，乏厂1．Pid<一1Jma预测、无功优化等方面引起了广泛的关注。文献[5]：=td+：(3)提出一种基于线性递减惯性权重策略的PID参数整微粒i

7、的当前最好位置p：“由下式确定。定方法，然而由于控制对象的非线性，线性递减关系>可能只对某些问题有效，对于大多数问题显然不是最㈩佳的。+提出了一种改进PSO算法(IPSO算法)，IPSO算若群体中所有微粒所经历的最好位置为P，则第32卷第5期四川电力技术Vo1．32，No．52009年lO月SichoanElectricPowerTechnologyOct．，2009所有微粒的最好位置由下式确定。P=rain{f(e：))，⋯)}(5)2PID控制式中，t或t+1表示迭代次数，～为设定的最大飞行速度。∞为惯性

8、权重，c和C：为加速常数，通常PID控制器分为模拟和数字两种，前者主要用于取c：c=2，r和r：为两个在[0，1]范围内变化的连续系统，后者用于离散系统和采样控制系统。图1随机数。所示为单位负反馈PID控制系统原理图。1．2IPSO算法PID控制器是一种线性控制器。图1所示系统微粒群算法中微粒的飞行速度相当于搜索步长，的偏差信号为其大小直接影响着算法的全局收敛性。当微粒的飞e(t)=r(t)一Y(t