一种基于PSO‑PID算法的燃气自动控制阀门智能调控方法与流程

技术特征：

1.一种基于PSO-PID算法的燃气自动控制阀门智能调控方法，其特征在于，包括以下步骤：

(1)建立燃气阀门被控对象的传递函数模型，所述传递函数模型为

(2)在传递函数模型的基础上，进行PID算法控制器的设置；

(3)在进行PID算法控制器设置的同时，初始化PSO算法中的粒子群参数；

(4)利用粒子群算法对PID控制器的参数进行优化，比较计算结果是否达到精度或迭代次数，记录最佳Kp、Ki、Kd参数值；

(5)若计算结果达到性能目标，则结束计算，输出Kp、Ki、Kd参数值作为最佳控制参数；若计算结果达不到性能要求，则重复第(3)步、第(4)步，在K时步的结果基础上更新粒子群的速度和位置，输出最佳Kp、Ki、Kd参数值。

2.根据权利要求1所述的一种基于PSO-PID算法的燃气自动控制阀门智能调控方法，其特征在于，所述步骤(1)中燃气阀门被控对象的传递函数模型建模是依据如下步骤完成的：

首先，设定电动机的初始转速为ω，减速后的转速为ω’，将电磁惯性和机械惯性均设置为0，其减速输出：

ω’＝k₁k₂U_r 公式(1)

其中，k₁为电机转换系数，k₂为减速比，U_r为电动机的工作电压；

其次，根据阀门联轴器的传递作用，使电机减速后的速度与阀门转轴的速度相等，电机减速后的转速为ω’与阀门转角的关系为：

接着，将公式(1)和公式(2)联立，积分可得：

其中，t₀为电磁惯性和机械惯性；

最后，对公式(3)进行拉普拉斯变换可得到传递函数G(s)为：

其中，s为复数。

3.根据权利要求1所述的一种基于PSO-PID算法的燃气自动控制阀门智能调控方法，其特征在于，所述步骤(2)中的PID算法控制器的设置，包括如下步骤：

首先，根据给定的目标值r(t)与实际输出值y(t)构成的偏差e(t)，将偏差的Kp、Ki和Kd通过线性组合构成控制项，对被控对象进行控制，其控制规律为：

e(t)＝r(t)-y(t) 公式(5)

然后，对公式(6)进行离散化处理，即得到燃气自动控制阀增量型PID算法函数Δu(k)：

Δu(k)＝K_p[e(k)-e(k-1)]+K_ie(k)+K_d[e(k)+e(k-2)-2e(k-1)公式(8)

其中，比例系数积分系数微分系数

4.根据权利要求1所述的一种基于PSO-PID算法的燃气自动控制阀门智能调控方法，其特征在于，所述步骤(4)中利用粒子群算法对PID控制器的参数进行优化，包括如下步骤：

首次，将初始化的粒子群参数赋值到PID控制器的Kp、Ki、Kd参数数组中；

其次，根据系统偏差与时间的关系，在此以时间绝对偏差积分ITAE的倒数作为适应度函数，适应度函数变化过程如下：

对于增量型的PID控制器，将适应度函数进行离散化处理，处理后适应度函数如下：

然后，根据适应度函数公式(10)和公式(11)计算每一粒子的适应度值，并找出粒子群中适应度最佳个体的Kp、Ki、Kd参数值。

5.根据权利要求4所述的一种基于PSO-PID算法的燃气自动控制阀门智能调控方法，其特征在于，所述的更新粒子群的速度和位置的步骤如下：

根据公式(10)和公式(11)计算粒子新位置及更新后的适应度值，然后根据公式(12)进行适应度比对：

若当前粒子适应度优于粒子本身前一时刻的最优适应度，则把当前粒子位置作为自身最优位置

若粒子当前适应度优于整个粒子群前一时刻的最优适应度，则把当前位置粒子群作为全局最优

其中，

$\mathrm{\ω}={\mathrm{\ω}}_{start}-\frac{{\mathrm{\ω}}_{start}-{\mathrm{\ω}}_{end}}{t_{\max }}t;$

$x_{id}^{t+1}=x_{id}^t+v_{id}^{t+1};$

在公式(12)中，r₁和r₂是在(0，(1)之间均匀分布的随机数，ω_start和ω_end分别为起始权重和终止权重，t_max是最大迭代次数，t是当前迭代次数。