【正文】 找一組合理的PID控制器參數(shù),使系統(tǒng)能克服過程中的各種不確定因素,并且具有良好的控制性能?；谙到y(tǒng)魯棒性、抗干擾性以及穩(wěn)定裕度最優(yōu),希望越小越好,理想值為0。鑒于慣性權(quán)值對粒子速度的影響以及是決定粒子“認(rèn)知”和“社會”能力的關(guān)鍵參數(shù)[57],文獻(xiàn)[8]中提出了一種改進的PSO算法,該算法中,慣性權(quán)重加速常數(shù)既不取恒值,也不隨進化次數(shù)的增加而線性變化,而是表示成局部最優(yōu)和全局最優(yōu)的適應(yīng)度函數(shù),可以用下面兩個表達(dá)式來表示:式中,為每個進化代數(shù)的慣性權(quán)重。判斷個粒子的位置值和對應(yīng)的目標(biāo)值保存作為第七步的比較使用。用本文算法得到的PID控制器仍然能保證系統(tǒng)穩(wěn)定,并迅速穩(wěn)定在設(shè)定值。參考文獻(xiàn):[1] GE M,CHIU M S,WANG Q PID controller design via LMI approach[J].Journal of Process Control,2002,(12):313.[2] GONCALVES E N,PALHARES R M,TAKAHASHI R H novel approach for H2/Hrobust PID synthesis for uncertain systems[J].Journal of Process Control,2008,(18):1926.[3] KIM T H,MARUTA I,SUGIE PID controller tuning based on the constrained particle swarm optimization[J].Automatica,2008,(44):11041110.[4] KENNEDY J,EBERHART Swarm Optimization[A]. Int. Neural Networks[C].Perth:IEEE Press,1995:1942948.[5] SHI YUHUI,EBERHART modified particle swarm optimizer[A]. Evolutionary Computation[C].Anchorage:IEEE Press,1997:303308.[6] CLERC M,KENNEDY particle swarm explosion,stability,and convergence in a multidimensional plex space[J].IEEE Transactions on Evolutionary C