一种基于改进PSO算法的PID控制器参数整定方法.pdf

《一种基于改进PSO算法的PID控制器参数整定方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、过程控制化工自动化及仪表，2010，37(12)：15一18ControlandInstrumentsinChemit·alIndustry一种基于改进PSO算法的PID控制器参数整定方法张朝龙，江巨浪，江善和，李彦梅，唐飞(安庆师范学院物理与电气工程学院，安徽安庆246011)摘要：在线性权重下降PSO(LWDPSO)和随机PSO(SPSO)的基础上，提出一种交互进化PSO算法(IEP-so)。将粒子群分成两组，分别采用标准PSO和SPSO并行交互进化，各侧重于全局搜索和局部搜索，根据进化代数动态调整两种算法中进化的粒子数

2、。通过仿真实验，证明了IEPSO的寻优性能优于LWDPSO与SPSO。Zie．gler．Nichols、LWDPSO、SPSO和IEPSO分别对控制对象进行整定仿真测试，证明了IEPSO对PID控制器参数整定效果最佳。关键词：PSO；PID；适应度；整定中图分类号：TP273文献标识码：A文章编号：1000-3932(2010)12-0015-041引言在工业控制中，应用最广泛的控制器是PID控制器，它具有结构简单、鲁棒性强和适用性广等特点。PID控制器的参数的自整定与优化已经成为一个重要的研究课题’¨。经典的PID参数整定

3、方法有Ziegler-Nichols，该整定法的控制效果往往较难满足控制的要求。人工智能的方法被引入，粒子群优化(PSO)算法被提出对PID参数进行整定口1。IX50算法中一个重要的参数是惯性权重(tt，)，埘较大时，算法全局搜索能力较强；鲫较小时，算法局部搜索能力较强。在进化前期，应以全局搜索为主，在进化后期，以局部搜索为主。线性权重下降PSO(LWDPSO)设定加随着进化的进行而线性减少策略∞】，该算法在提高搜索效率的同时有着早熟收敛、陷于局部最优的缺点；随机PSO算法(SPSO)有着局部搜索能力强一J，产生随机位置突破

4、搜索盲点，但不稳定的特点。本文提出一种改进的PSO算法，交互进化PSO算法(InteractiveEvolutionParticleSwarmOptimization，IEPSO)，该算法将粒子群分成两组一o，进行协同搜索，两组粒子分别采用标准PSO和SPSO并行交互进化。其中标准PSO的粒子组设置较大的钾侧重全局搜索，SPSO的粒子组侧重在标准PS0的粒子组找到全局最优位置的附近区域进行精细搜索，并产生随机位置突破搜索盲点。粒子根据进化阶段动态分配给两组，根据进化代数动态调整两种算法中进化的粒子数保证了算法初期以全局搜索为

5、主，后期以局部搜索为主。2改进PSO算法2．1标准PSO算法PSO算法源于对鸟类的觅食行为的模拟，通过个体之间的集体协作使群体达到最优。标准PSO算法初始化产生一群粒子，每个粒子以一定的速度在n维空间里飞行，飞行速度由个体的飞行经历和群体的飞行经历动态调整。Xi=(置。，X。，⋯，L)是粒子i当前的位置，K=(％，％，⋯，k)是粒子i当前的速度，Pi=(P。P。，⋯，P。)是粒子i所经历过的最好位置，在这个位置粒子i拥有最佳适应度。设fC石)为最小化的目标函数，则粒子i的最好位置由式(1)决定：P；：

6、PI以P·)<，(x-

7、(‘+1)’(1)【Xi(t+I)以P。)≥以X．(t+1))所有粒子所经过的位置中最好的位置称为全局最好位置，记为P。(t)。即：t(t)=argmintf(P．)Ii=1，2，⋯，S}(2)IX30算法的进化方程为：K(f+1)=wV,(f)+clrl(Pf—X‘(f))+c2r2(Ps—Xf(1))(3)置(f+1)=X，(f)+vat+1)(4)式中：i=(1，2，⋯，S)，Js——种群规模；c。，c：——加速因子；r，，r：E[0，1]——均匀分布的随机数；协——惯性权重，W较大时，全局搜索能力较强，埘较小时，局部

8、搜索能力较强。LWDPSO设定加随着进化的进行线性减少，取值范围为E0．4，0．95]，埘与进收稿日期：2010．11．12(修改稿)基金项目：安徽省自然科学基金资助项目(090412065)；安庆市重点科技项目(20091003)·16·化工自动化及仪表第37卷化次数k的关系可以定义为：埘：0．95一士×o．55(5)B一式中：蠡一——最大进化次数。进化结束后，在PSO算法中搜索到的最优位置就是系统所求的最优解。2．2SPsO算法SPSO算法是在粒子速度进化方程(3)中令惯性权重埘=0，即：K(t+1)=clrt(P。一X

9、f(t))+c2r2(Pt一置(t))(6)此时算法全局搜索能力减弱，局部搜索能力增强。位于当前全局最优位置的_『粒子速度将为0，停止搜索，为增强全局搜索能力，保留粒子群的历史最好位置P。，而在搜索空间中重新随机产生粒子，的位置P’，，粒子．『的自身最好位置更新为：p—fP’，以t)<以P