一种在线动态粒子群PID优化方法与流程

技术特征：

1.一种在线动态粒子群PID优化方法，其特征在于，包括以下步骤：

1)建立实际控制过程的数学传递函数模型；

2)利用步骤1)所建立的数学传递函数模型建立控制模型；

3)利用步骤2)所建立的控制模型建立粒子群数据库更新机制。

2.根据权利要求1所述的一种在线动态粒子群PID优化方法，其特征在于，步骤1)中，建立实际控制过程的数学传递函数模型，具体如下：

$G\left(s\right)=\frac{k}{(1+T_{1}s)(1+T_{2}s)}{e}^{-\mathrm{\τ}s}$

其中G(s)为数学传递函数；s为拉普拉斯算子；k为传递函数增益；T₁为第一惯性时间；T₂为第二惯性时间；τ为传递函数迟延时间。

3.根据权利要求1所述的一种在线动态粒子群PID优化方法，其特征在于，步骤2)中，利用数学传递函数模型建立控制模型，并通过粒子群进行控制模型PID参数更新，其中，控制模型包括的参数有设定值Y_SP、被调量Y_PV、随机内扰量d、调节器传递函数及PID过程传递函数G₀(s)。

4.根据权利要求1所述的一种在线动态粒子群PID优化方法，其特征在于，步骤3)中，建立粒子群数据库更新机制，包括两部分内容，第一部分为动态粒子群算法，第二部分为粒子群库更新机制，PID调节器的控制参数利用粒子群库进行更新。

5.根据权利要求4所述的一种在线动态粒子群PID优化方法，其特征在于，步骤3)中的动态粒子群算法，如下，

假设第i个粒子所携带的信息为X_i＝(Kp_i,Ki_i,Kd_i)，分别对应PID调节器的比例，积分和微分作用，其速度为V_i，在循环迭代计算一次后，利用适应度函数对所有的粒子进行评价，其中解算出来的最小值为个体所找到的最优解，这个解所对应的粒子被称为个体极值，记为X_p＝(Kp_p,Ki_p,Kd_p)，在进过若干次迭代计算以后，在所有的个体极值点中，最小的极值所对应的个体，被称为全局极值，其位置记为X_g＝(Kp_g,Ki_g,Kd_g)，那么在第j次迭代后，第i个粒子的速度和位置信息分别按照如下形式进行更新：

$V_i^{j+1}={\mathrm{MV}}_i^j+c_{1}rand\left(\right)(P_p^j-X_i^j)+c_{2}rand\left(\right)(P_g^j-X_i^j)$

$X_i^{j+1}=X_i^j+V_i^{j+1}$

其中rand()为[0,1]之间变化的随机数，W为速度更新的惯性权重，c₁和c₂分为正实数，称着加速因子，用来调节每一次迭代的步长，为了保证粒子寻优的稳定性，粒子的位置信息由边界限制，定义粒子的位置最大值为X_max，最小值为X_min，每一次粒子迭代寻优完毕以后，进行如下判断：

$X_i^j=min(X_i^j,X_{max})\∪max(X_i^j,X_{min})$

且粒子更新速度也受到位置信息限制，即粒子更新的最大速度为：

V_max＝K_V(X_max-X_min)

Kv为速度步长参数，粒子更新的最小速度为：

V_min＝-V_max

每一次粒子迭代寻优完毕以后，进行如下判断：

V_i^j＝min(V_i^j，V_max)∪max(V_i^j，V_min)

粒子群算法的初始化如下，第i个粒子初始化的位置和速度V_i⁰为：

$X_i^0=X_{min}+rand\left(\right)(X_{max}-X_{min})$

V_i⁰＝V_min+rand()(V_max-V_min)。

6.根据权利要求4所述的一种在线动态粒子群PID优化方法，其特征在于，步骤3)中的粒子群库更新机制如下，

首先按照粒子群算法初始化粒子群库，共20个粒子，其次将粒子群库的每一个粒子包含的位置信息，即比例、积分、微分稀释传递给对应的粒子PID，每当控制程序计算一次时，对应的粒子群PID调节器的设定值为Y_SPDELAY+Y_SP–Y_PV，这其中Y_SPDELAY为控制程序上一控制周期的Y_SP，U为过程PID调节器输出，Y_PVi则是第i个粒子经过粒子PID调节器调节以后经传递函数G(s)所得的被调量，其代表的意义是虚拟出实际的被调量，由每个粒子的设定值和虚拟被调量进行适应度函数的计算，得到个体极值和全局极值，将全局极值点所携带的位置信息传递到实际的过程PID中，同时利用个体极值点和全局极值点进行速度更新和位置更新，同时更新粒子群库，为下一次的计算迭代作准备，每迭代一次，过程PID的参数更新机制如下，

Kp(k+1)＝0.99Kp(k)+0.01Kp_g(k)

Ki(k+1)＝0.99Ki(k)+0.01Ki_g(k)

Kd(k+1)＝0.99Kd(k)+0.01Kd_g(k)

这其中Kp(k+1),Ki(k+1),Kd(k+1)为本次迭代计算后的比例、积分和微分参数，Kp(k),Ki(k),Kd(k)为本次迭代计算前的比例、积分、微分参数，Kp_g(k),Ki_g(k),Kd_g(k)为粒子群寻优的全局极值点的位置信息，

全局适应度函数S的计算公式为，

$S=\underset{t=0}{\overset{T}{\∫}}\left(W_1\right|Y_{SP}-Y_{PV}|+W_2{U}^2)dt$

其中T为粒子群库更新时间。