基于glbest-pso算法的cstr系統(tǒng)魯棒pid控制-全文預(yù)覽
【正文】 lgorithm with globallocal best parameters[J].Knowledge and Information Systems,2008,(16):331357.作者簡(jiǎn)介:徐志成(1980),男,講師,主要從事智能優(yōu)化和魯棒控制等研究。采用本文算法所設(shè)計(jì)的魯棒PID控制器,能使系統(tǒng)在更大的操作范圍內(nèi)保持穩(wěn)定,并且具有滿意的控制效果?？梢钥闯?用合作進(jìn)化GLBestPSO算法整定得到的控制器使系統(tǒng)輸出的波動(dòng)小于用LMI方法得到的控制器,系統(tǒng)恢復(fù)時(shí)間也優(yōu)于后者。在正常情況下或操作點(diǎn)變化較小時(shí),兩種方法整定得到的PID控制器的控制性能相近,均能滿足系統(tǒng)的控制要求。經(jīng)本文算法優(yōu)化得到的PID控制器參數(shù)為[ ],。 仿真研究CSTR可用式(14)來(lái)描述:是冷卻劑的流量,進(jìn)料濃度是系統(tǒng)干擾變量。第八步:判斷的進(jìn)化是否已達(dá)到終止條件,如果達(dá)到,則停止算法的執(zhí)行并返回第七步最優(yōu)粒子的位置值作為結(jié)果,該位置值就是要尋找的魯棒PID控制器參數(shù)。第五步:將第個(gè)粒子的值作為常值,根據(jù)目標(biāo)式(8),通過(guò)進(jìn)化尋找最優(yōu)的頻率值,使第個(gè)粒子對(duì)應(yīng)的內(nèi)層達(dá)極小值,并計(jì)算對(duì)應(yīng)的最優(yōu)目標(biāo)函數(shù)值。粒子群均具有各自的種群數(shù)、初始速度、初始位置等,兩者不相關(guān)。同樣,當(dāng)全局最優(yōu)值等于局部最優(yōu)值時(shí),全局局部最優(yōu)加速度常數(shù)等于2,并且在整個(gè)搜索過(guò)程中,其值始終位于2附近。為該進(jìn)化代數(shù)對(duì)應(yīng)的所有粒子歷史最優(yōu)位置的平均值。因此對(duì)算法的改進(jìn)不能著眼于收斂性,而應(yīng)調(diào)節(jié)算法的搜索范圍,以及全局和局部搜索能力。為加速度常數(shù),表示將每個(gè)粒子推向的統(tǒng)計(jì)加速度權(quán)重,兩者均為正值。 基于全局局部參數(shù)最優(yōu)粒子群優(yōu)化算法在優(yōu)化過(guò)程中,首先在內(nèi)層求極小,即確定的Nyquist曲線與(1,j0)之間的最短距離,即在不同的值下,求最短距離所對(duì)應(yīng)的頻率值。根據(jù)式(1)(7)可以得出:可作為評(píng)價(jià)控制系統(tǒng)魯棒性能的一個(gè)指標(biāo),值越小,表明控制系統(tǒng)的魯棒性能越強(qiáng)以及抗干擾能力越強(qiáng)。式中,為PID控制器的比例、積分、微分系數(shù)。針對(duì)多模型不確定問(wèn)題研究合適的智能控制方案來(lái)設(shè)計(jì)較為理想的魯棒PID控制器,同時(shí)具有理論和現(xiàn)實(shí)上的意義。Goncalves等[2]提出一種魯棒兩自由度PID控制器設(shè)計(jì)方法滿足閉環(huán)系統(tǒng)的性能指標(biāo)。但是,隨著過(guò)程特性、外部條件等的改變以及其它各種不確定因素的影響,PID控制系統(tǒng)難以再保持滿意的控制效果,甚至?xí)霈F(xiàn)振蕩或發(fā)散現(xiàn)象。基于GLBestPSO算法的CSTR系統(tǒng)魯棒PID控制*關(guān)鍵詞：連續(xù)攪拌，
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1