基于粒子群膜算法的pid控制器优化设计方法
【专利摘要】本发明涉及PID控制器参数优化方法。本发明公开了一种基于粒子群膜算法的PID控制器优化设计方法。本发明基于粒子群膜算法的PID控制器优化设计方法，在获取种群的最优粒子后，将该粒子各维数值依次赋值给待优化参数Kp、Ki和Kd，然后运行控制系统模型获取该系统的输出性能指标，并判定是否再次采用进化规则进行寻优以促使系统获得更优的控制效果。本发明将膜计算的思想与传统PSO相结合，充分利用膜计算的分区功能和转运交流规则，能获得更加恰当的一组PID控制参数，最终使得被控系统达到更佳的控制效果。本发明在不重新设计控制器结构的情况下，能使被控系统获得更加恰当的一组PID控制参数，从而使被控系统达到更佳的控制效果。
【专利说明】基于粒子群膜算法的PID控制器优化设计方法
【技术领域】
[0001]本发明涉及工业过程控制【技术领域】，特别涉及一种基于粒子群膜算法的PID (比例-积分-微分)控制器参数优化方法。
【背景技术】
[0002]工业自动化的产生在极大提高生产效率的同时带来了巨大的经济效益，作为其关键环节的控制系统，不管是理论还是技术应用方面都得到了迅速发展。工业过程中，在控制系统投入运行时，必须要对控制器进行优化，使控制系统尽可能的获得最优控制性能以得到更大的经济效益。控制器的优化设计一般包括两个方面，即控制器结构的优化和控制器参数的优化。本发明所述的控制器优化设计就是指的控制器参数的优化，特别是PID控制器的比例系数Kp、积分增益Ki和微分增益Kd的优化。
[0003]一般来说，当控制系统的控制策略确定以后，控制器的结构就能够确定下来。而控制器的参数对控制系统的性能影响很大，若选取不当，会使得整个系统的性能下降，严重时甚至还会引起系统产生不稳定状况。PID控制器因其结构简单、稳定性好、容易实现且鲁棒性好，在工业自动化中应用一直最为广泛。所以，当控制策略和控制系统的结构确定后，如何通过对PID控制器进行优化设计以获得更好的PID控制器参数，从而使被控系统的控制效果达到更优甚至最优具有强烈的实际意义。
[0004]目前，常用的PID控制器优化方法包括传统方法和智能方法。传统PID控制器优化设计法主要包括Ziegler-Nichols法(Z-N法)、单纯形法、继电器整定法等,这些方法的共同优点是简单，但是它们在PID控制器优化设计过程中具有相同的问题，即都很难实现参数的最优化整定，容易产生振荡和大超调，而且调节时间往往较长。而智能PID控制器优化设计法如遗传算法(GA)、粒子群算法(PSO)等在高阶系统或者带纯滞后环节系统的优化设计过程中则容易陷入早熟现象而无法获得全局最优值，从而使得被控系统无法获得满意的控制效果。
【发明内容】
[0005]针对上述技术问题，本发明的目标是，提供一种基于粒子群膜算法的PID控制器优化设计方法。
[0006]本发明解决上述技术问题，采用的技术方案是，基于粒子群膜算法的PID控制器优化设计方法，包括以下步骤:
[0007]A、初始化算法参数，包括基本膜数量m，惯性权重W、加速度因子Cl，C2、维数D、算法结束条件和膜结构，m为自然数，I ；
[0008]B、初始化种群，产生一个由η个粒子组成的在D维空间里按照一定速度飞行的粒子种群，并随机初始化每个粒子的位置X、飞行速度V和粒子的飞行区间，然后将该种群中各个粒子随机分配到m层基本膜中，并保证每层基本膜内至少有一个粒子个体且表层膜中不包含任何粒子；初始化如下:
【权利要求】
1.基于粒子群膜算法的PID控制器优化设计方法，包括以下步骤:A、初始化算法参数，包括基本膜数量m，惯性权重W、加速度因子Cl，C2、维数D、算法结束条件和膜结构，m为自然数,m ^ I ；B、初始化种群，产生一个由η个粒子组成的在D维空间里按照一定速度飞行的粒子种群，并随机初始化每个粒子的位置X、飞行速度V和粒子的飞行区间，然后将该种群中各个粒子随机分配到m层基本膜中，并保证每层基本膜内至少有一个粒子个体且表层膜中不包含任何粒子；初始化如下:
2.根据权利要求1所述的基于粒子群膜算法的PID控制器优化设计方法，其特征在于，步骤A中，速度因子Cl，C2在区间[O，2]取值。
3.根据权利要求1所述的基于粒子群膜算法的PID控制器优化设计方法，其特征在于，步骤A中，所述膜结构为单层膜结构，其中包含m层基本膜和表层膜O ;其表达式为:[0[1]1，[2]2，U 3，…，UnJoo
【文档编号】G05B13/04GK103592852SQ201310635155
【公开日】2014年2月19日 申请日期:2013年11月29日 优先权日:2013年11月29日
【发明者】张葛祥, 王涛 申请人:西南交通大学