【正文】 cteristics of the system. In this paper we adopt the Particle Swarm Optimization to tune the parameters. To finish it, the following tasks should be done. First, select the target function of the control system. The target function of the control system should be chosen as the absolute value of the error multiplied by time. Then we simulate the control system gradually, and analyze the results of the process. Because the solution of the target function cannot be worked out directly, this design adopts simulation gradually. Second, this paper adopts the engineering method (the critical ratio method) to determine its initial parameters , then uses the Particle Swarm Optimization to get a series better PID parameters. Third, this paper uses the tool of SIMULINK to optimize the parameters of PID and gets the response curve of the system. By contrast with the two response curves, it is clearly that the performance has improved a lot than the former one. Therefore, it is obviously to find the advantages in using the Particle Swarm Optimization.Key word: target function。 SIMULINK目錄摘 要 IAbstract II第1章 緒論 1 研究背景和課題意義 1 基本的PID參數(shù)優(yōu)化方法 1 常用的整定方法 2 本文的主要工作 4第2章 粒子群算法的介紹 5 粒子群算法思想的起源 5 算法原理 5 算法流程 6 全局模型與局部模型 7 算法特點 8 帶慣性權(quán)重的粒子群算法 8 粒子群算法的研究現(xiàn)狀 9第3章 用粒子群方法優(yōu)化PID參數(shù) 10 PID控制原理 10 PID控制的特點 11 優(yōu)化設計簡介 11 目標函數(shù)選取 12 大遲滯系統(tǒng) 13 加熱爐溫度控制簡介 16 加熱爐系統(tǒng)的重要特點 16 加熱爐的模型結(jié)構(gòu) 17第4章 系統(tǒng)仿真研究 19 工程上的參數(shù)整定 19 粒子群算法參數(shù)整定 20 結(jié)果比較 21 P、I、D參數(shù)對系統(tǒng)性能影響的研究 22 Smith預估補償器 24結(jié)論 26致謝 27參考文獻 28附錄 a（程序清單） 29附錄 b（外文文獻） 32附錄 c（中文譯文） 49第 1 章 緒論 研究背景和課題意義在現(xiàn)代工業(yè)控制領域，PID控制器由于其結(jié)構(gòu)簡單、魯棒性能好、可靠性高等優(yōu)點得到了廣泛應用。為了解決各種各樣的優(yōu)化問題，人們提出了許多優(yōu)化算法，比較著名的有爬山法、神經(jīng)算法和遺傳算法等。遺傳算法、神經(jīng)網(wǎng)絡算法等也還存在某些不足，前者要涉及到繁瑣的編碼解碼過程和很大的計算量，后者的編程和解碼過程需要大量CPU時間，算法易早熟，收斂易陷入局部最優(yōu)，往往不能同時滿足控制系統(tǒng)的速度和精度，且隱含層數(shù)目、神經(jīng)元個數(shù)以及初始權(quán)值等參數(shù)選擇都沒有系統(tǒng)的方法。在每一代，根據(jù)個體的適應度大小挑選出較好的個體，并借助于自然遺傳學的遺傳算子進行組合交叉和變異，產(chǎn)生出代表新的解集的種群。路徑越短，釋放的信息素越多，濃度也越高；而信息素濃度越高，吸引的螞蟻也越多；吸引的螞蟻越多，遺留下的信息素也越多。因此，發(fā)展通用性更強、效率更高的優(yōu)化算法總是需要的。記下的比例帶，并在記錄曲線上求得衰減時的調(diào)節(jié)周期，然后計算，各值。K，和T可用圖解法等得出。調(diào)節(jié)器的參數(shù)整定是一個復雜的問題，這是因為這些參數(shù)的整定要考慮控制對象的各種特性，以及一些會影響系統(tǒng)運行過程的未知干擾；而且，調(diào)節(jié)器參數(shù)本身的調(diào)整也會對系統(tǒng)的特性產(chǎn)生重大影響[13]。越大，越能克服系統(tǒng)的容量滯后和測量滯后，對縮短調(diào)節(jié)時間有一定作用。據(jù)此，可將PID參數(shù)自整定分成兩大類：辨識法和規(guī)則法。因此出現(xiàn)了許多自整定算法[5]。在工程實踐中，總希望所選的方案是一切可能的方案中最優(yōu)的方案，這就是最優(yōu)控制的問題。先選擇控制系統(tǒng)的目標函數(shù)，本控制系統(tǒng)選用時間乘以誤差的絕對值，通過對控制系統(tǒng)的逐步仿真，對結(jié)果進行分析。從中發(fā)現(xiàn)它的性能指標，都比原來的曲線有了很大的改進。(3)飛向鳥群中心，且整個群體飛向目標。1995年，美國社會心理學家James Kennedy和電氣工程師Russell Eberhart共同提出了粒子群算法，其基本思想是受對鳥類群體行為進行建模與仿真的研究結(jié)果的啟發(fā)。人類的自然行為和魚群及鳥群并不類似，而人類在高維認知空間中的思維軌跡卻與之非常類似。從上述微粒進化方程可以看出，c1調(diào)節(jié)微粒飛向自身最好位置方向的步長，c2調(diào)節(jié)微粒向全局最好位置飛行的步長。（2）根據(jù)適應度函數(shù)計算各粒子的適應度值。（6）如果達到結(jié)束條件（足夠好的解或最大迭代次數(shù)），則結(jié)束，否則轉(zhuǎn)步驟(2)。比較兩種版本的算法，我們可以發(fā)現(xiàn)：因為全局版本PSO算法中所有粒子信息是共享的，所以算法收斂到全局最優(yōu)的速度比局部版本PSO算法快。當然，PSO算法也和其它全局優(yōu)化算法一樣，有易陷入局部最優(yōu)，收斂精度不高，后期收斂速度慢等缺點。1998年，Yuhui Shi[9]提出了帶有慣性權(quán)重的改進粒子群算法。當w=1時，式()與式()完全一樣，表明帶慣性權(quán)重的粒子群算法是基本粒子群算法的擴展。PSO由于有簡單、易于實現(xiàn)、設置參數(shù)少、無需梯度信息等特點，其在連續(xù)非線性優(yōu)化問題和組合優(yōu)化問題中都表現(xiàn)出良好的效果。比例積分微分被控對象r(t)e(t)u(t)y(t)+++– PID控制系統(tǒng)原理框圖PID控制是一種線性控制器，它根據(jù)給定值r(t)與實際輸出值y(t)構(gòu)成控制偏差： () PID的控制規(guī)律為： () 或?qū)懗蓚鬟f函數(shù)的形式： ()其中，為比例系數(shù)，為積分時間常數(shù)，為微分時間常數(shù)。但是實際工業(yè)生產(chǎn)過程往往具有非線性、時變不確定性等困難性，難以建立精確的數(shù)學模型，應用常規(guī)PID控制器不能達到理想的控制效果。實際上，在任何一項設計工作中都包含著尋優(yōu)過程，但這種尋優(yōu)在很大程度上帶有經(jīng)驗性，多根據(jù)人們的直覺、經(jīng)驗及不斷試驗而實現(xiàn)的，由于受到經(jīng)驗、時間、環(huán)境等條件的限制，往往難以得到最佳的結(jié)果。工程設計問題的最優(yōu)化，可以表達為一組優(yōu)選的設計參數(shù)，在滿足一系列限制條件下，使設計指標達到最優(yōu)。 （3） 設計約束：優(yōu)化設計不僅要使所選擇方案的設計指標達到最佳值，同時還必須滿足一些附加的設計條件，這些附加設計條件都構(gòu)成對設計變量取值的限制，在優(yōu)化設計中被稱為設計約束。選擇不同的目標函數(shù)的出發(fā)點是使它即能比較明確的反映系統(tǒng)的品質(zhì)，又便于計算。這種目標函數(shù)實際上是對第一類目標函數(shù)的幾個特征向量做數(shù)學分析，把它們包含在一個目標函數(shù)的表達式中。一般要求e(t)越小越好，即要求控制系統(tǒng)的輸出響應y(t)盡可能的接近輸入r(t)。（2）時間乘以平方誤差型。（3）誤差絕對值積分型。 大遲滯系統(tǒng) 在生產(chǎn)過程中，被控制對象除了具有容積延遲外，往往有不同程度的純遲滯。因此，這樣的過程必然會產(chǎn)生比較明顯的超調(diào)量和較長的調(diào)節(jié)時間。當/T增加，過程中的相位滯后增加，使上述現(xiàn)象更為突出，有時甚至會因為超調(diào)量嚴重而出現(xiàn)聚爆，結(jié)焦等停產(chǎn)事故；有時則可能引起系統(tǒng)不穩(wěn)定，被調(diào)量超出安全限，從而危及設備及人身安全?？梢圆捎梦⒎窒刃械目刂品桨?，即將微分作用移動到反饋前面，以加強微分作用，達到減小超調(diào)量的目的。它們在模型匹配的條件下均可以獲得比較好的效果。其中主調(diào)節(jié)器只需要按照模型完全精確的情況進行整定。從而可明顯地減少過程的超調(diào)量、縮短過渡過程時間，有效地改善控制品質(zhì)，所以它是一種比較理想的大滯后系統(tǒng)控制方案。 Smith預估補償系統(tǒng)一般型框圖。而且影響加熱產(chǎn)品質(zhì)量與產(chǎn)量。(1)純滯后系統(tǒng)的特性純滯后是物理系統(tǒng)的一種性質(zhì)，具有純滯后的工藝過程當外界對其施加了一定作用后，工藝過程不會立即做出反應，而總要滯后一段時間。因而也就不能立即對輸入施加應有的作用。在加熱爐最佳溫度控制系統(tǒng)中，配備了先進的計算機控制系統(tǒng)，建立了復雜的數(shù)學模型。這是因為控制爐溫是通過控制燃料流量間接控制的。這樣控制系統(tǒng)認為爐溫偏差信號仍沒有得到校正而進一步對燃料流量實施作用，其結(jié)果導致了較長時間的超調(diào)。當爐溫有反應時，燃料流量已超過了所需的設定值，從而引起燃料流量的浪費，造成爐溫大幅度波動。設在本控制系統(tǒng)中采用傳遞函數(shù)：第 4 章 系統(tǒng)仿真研究 工程上的參數(shù)整定對于本文選中的加熱爐模型。3. ，求出調(diào)節(jié)器各參數(shù)K，的數(shù)值。 用工程的方法整定后的曲線 粒子群算法整定后的波形 結(jié)果比較、（臨界 兩種不同方法的仿真曲線比例度法）粗略的確定其初始的三個參數(shù)，并通過仿真得到響應曲線，曲線的上升時間雖然比較快，但是過度時間比較長，超調(diào)量也過大，這對工程實踐是不利的。具體步驟如下：(1)分別增大和減小，保持、不變。 改變不同的值所觀察到的圖形 改變不同的值所觀察到的圖形，增大增加了系統(tǒng)了超調(diào)量；而減少則相對地降低了系統(tǒng)超調(diào)量；無則系統(tǒng)存在余差。結(jié)論 本設計采用多變量尋優(yōu)的粒子群算法對控制系統(tǒng)的PID參數(shù)進行優(yōu)化設計，通過采用工程上的整定方法（臨界比例度法）粗略的確定其初始的三個參數(shù)，并采用粒子群算法用SIMULINK的仿真工具對PID參數(shù)進行優(yōu)化，得出系統(tǒng)的響應曲線。除此之外，本設計還研究了P、I、D各參數(shù)對系統(tǒng)的影響以及Smith預估補償器對該系統(tǒng)的作用，敘述如下：(1)增大會增大系統(tǒng)的超調(diào)量，但降低了峰值時間和調(diào)節(jié)時間；而減少則相對地降低了超調(diào)量，但增加了峰值時間和調(diào)節(jié)時間。致 謝 在我大學學習及這次論文的撰寫過程中，有許多人給我提供了熱情的幫助，正是他們的支持和鼓勵，才使我順利地完成了課題的研究和論文的撰寫。老師淵博的知識、嚴謹?shù)目茖W態(tài)度和勤奮的工作作風，以及對問題清晰敏銳的洞察力、勤奮的工作作風都給我留下了深刻的印象，她對我學業(yè)上的指導和幫助將使我終生受益。clc。 %學習因子2w=。 %初始化群體個體數(shù)目eps=10^(6)。 y(i,:)=x(i,:)。 x(i,:)=x(i,:)+v(i,:)。 end end Pbest(t)=fitness(pg,D)。函數(shù)的全局最優(yōu)位置為：39。)Result=fitness(pg,D)disp(39。for i=1:D sum=sum+x(i)^2。 robust performance.I. INTRODUCTIONThe proportional–integral–derivative (PID) controller is the most widely used controller structure in industrial applications. Its structural simplicity and sufficient ability of solving many practical control problems have greatly contributed to this wide acceptance. Over the past decades, many PID design techniques [1] have been proposed for industrial use. Most of these design techniques are based on simple characterizations of process dynamics, such as the characterization by a first order model with time delay. In spite of this, for plants having higher order, there are very few generally accepted design methods existing. Robust performance design is o