基于glbest-pso算法的cstr系統(tǒng)魯棒pid控制(完整版)
【正文】 ),對(duì)進(jìn)化一代,返回第三步,繼續(xù)下次循環(huán)。文[1]采用LMI方法對(duì)該CSTR系統(tǒng)進(jìn)行PID控制器的設(shè)計(jì),得到的控制器參數(shù)為[ ],。曲線與圖25類(lèi)似。本文由中國(guó)自動(dòng)化網(wǎng)，轉(zhuǎn)載請(qǐng)注明出處。5但是,當(dāng)過(guò)程操作范圍擴(kuò)大,進(jìn)入不穩(wěn)定區(qū)域后,LMI方法整定得到的PID控制系統(tǒng)輸出出現(xiàn)了振蕩和發(fā)散,在工作點(diǎn)時(shí)出現(xiàn)了臨界振蕩,在工作點(diǎn)系統(tǒng)出現(xiàn)了發(fā)散。表1所示為各參數(shù)值。完成進(jìn)化的終止條件是達(dá)到代數(shù)第六步:將上一步第個(gè)粒子的位置值和對(duì)應(yīng)的目標(biāo)值保存作為第七步的比較使用。該兩個(gè)參數(shù)幫助算法提高搜索精度和效率,獲得更佳的尋優(yōu)性能。對(duì)全局搜索,通常好的方法是在前期具有較高的探索能力以得到合適的粒子,而在后期有較高的開(kāi)發(fā)能力以加快收斂速度。 標(biāo)準(zhǔn)PSO算法PSO算法是一種新型演化計(jì)算方法,基本原理為[47]:維空間中存在個(gè)粒子,每個(gè)粒子坐標(biāo)為并具有與優(yōu)化目標(biāo)函數(shù)相關(guān)的適應(yīng)度,同時(shí)每個(gè)粒子具有各自的速度對(duì)于第個(gè)粒子,其歷史最好位置為記為記群體中所有粒子經(jīng)過(guò)的最好位置為記為對(duì)第t代的第i個(gè)粒子, 粒子群算法根據(jù)式(9)計(jì)算第代的第維的速度和位置。同時(shí),表示系統(tǒng)開(kāi)環(huán)傳遞函數(shù)的Nyquist曲線與(1,j0)之間的最短距離,下標(biāo)是最短距離所對(duì)應(yīng)的頻率,值越大,即值越小系統(tǒng)穩(wěn)定裕度越高。本文提出了一種基于改進(jìn)PSO算法的魯棒PID控制方法,并應(yīng)用于CSTR系統(tǒng)控制中,進(jìn)行了初步的應(yīng)用研究。因此,利用魯棒控制技術(shù)進(jìn)行PID控制器的設(shè)計(jì)成為近年來(lái)懂得一個(gè)熱點(diǎn)課題。它是一種復(fù)雜的非線性化學(xué)反應(yīng)器,其控制質(zhì)量直接影響到生產(chǎn)效率和質(zhì)量指標(biāo)。盡管H∞與LMI等魯棒控制理論的應(yīng)用在一定程度上提高了PID控制器的魯棒性,但是存在計(jì)算量大、求解困難等問(wèn)題,有些問(wèn)題已經(jīng)被證明是NP 難問(wèn)題。同時(shí),由式(5)可知,的值還可反映出系統(tǒng)對(duì)噪聲的抑制能力,越小,表示系統(tǒng)抗干擾能力越強(qiáng)?？梢?jiàn),優(yōu)化目標(biāo)函數(shù)不是一個(gè)簡(jiǎn)單的鞍點(diǎn)優(yōu)化命題,而是一個(gè)復(fù)雜的求解最大最小的非線性優(yōu)化問(wèn)題,需要在內(nèi)層求極小和外層求極大之間進(jìn)行協(xié)調(diào),最終才能求得滿意的解。表達(dá)式(11)稱(chēng)為全局局部最優(yōu)加速度常數(shù)(GlobalLocal BestAC,GLBestAC),則相應(yīng)的速度更新表達(dá)式為:式中,為[0,1]的隨機(jī)數(shù),表達(dá)式(10)(13)稱(chēng)為GLBestPSO算法。第三步:對(duì)于中的每一個(gè)粒子,執(zhí)行下述第四步到第六步。進(jìn)化的終止條件是達(dá)到進(jìn)化代數(shù)。過(guò)程對(duì)這兩組參數(shù)的PID控制器系統(tǒng)響應(yīng)和控制量的輸出結(jié)果分別如圖2和圖3所示。可以看出,在正常工況或操作范圍變化較小時(shí),
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號(hào)-1