【正文】 。目前PSO算法還沒有成熟的理論分析，少部分研究者對算法的收斂性進行了分析，大部分研究者在算法的結構和性能改善方面進行研究，包括參數(shù)分析，拓撲結構，粒子多樣性保持，算法融合和性能比較等。要實現(xiàn)問題的優(yōu)化必須具備兩個條件，一是存在一個優(yōu)化目標；另一是具有多個方案可供選擇。這種目標函數(shù)的表達式為 ()其中e(t)=r(t)y(t)表示系統(tǒng)誤差。在這些過程中，由于純滯后的存在，使得被調(diào)量不能及時反映系統(tǒng)所受的擾動，即使測量信號達到調(diào)節(jié)器，調(diào)節(jié)機關接受調(diào)節(jié)信號后立即動作，也需要經(jīng)過純滯后時間以后，才波及被調(diào)量，使之受到控制。為了保證系統(tǒng)輸出響應無殘差，一般要求兩個PID動作調(diào)節(jié)器。在實現(xiàn)了最佳燃燒控制與最佳爐溫控制后，克服爐溫慣性問題愈顯重要。確切的說是爐溫變化的速度跟不上。 粒子群算法參數(shù)整定用粒子群算法優(yōu)化后得到的參數(shù)為=，=，=。因此，采用粒子群算法的優(yōu)越性是顯而易見的。 %學習因子1c2=。 end if p(i)fitness(pg,D) pg=y(i,:)。 proportional–integral–derivative (PID) control。 HF %適應度函數(shù)源程序（）function result=fitness(x,D)sum=0。 endend%進入主要循環(huán)，按照公式依次迭代，直到滿足精度要求for t=1:MaxDT for i=1:N v(i,:)=w*v(i,:)+c1*rand*(y(i,:)x(i,:))+c2*rand*(pgx(i,:))。謹以此文獻給養(yǎng)育我、愛護我、關心我、支持我的親人和朋友們，謝謝你們!參考文獻[1] 邱黎輝，等．模糊PID控制在中央空調(diào)系統(tǒng)中的應用[J]．計算機測量與控制，2004，12(1)：1526．[2] Ho MingJzu，Lin ChiaYin．PID controller design for robust performance[J]．IEEE Transactions on Automatic Control，2003，48(8)：38．[3] Ho M．T．Robust and nonfragile PID controller design [J]．Robust Nonlinear Control，2001，11：681708．[4] 夏紅，賞星耀，宋建成．PID參數(shù)自整定方法綜述[J]．浙江科技學院學報，2003，12(15)：912．[5] 熊志強，王煒，邱祖廉．一種新型PID自整定方法[J]．控制工程, 2003,5(10)：1117．[6] ChiaJu Wu and ChingHuo Huang，A Hybrid Method for Parameter Tuning of PID Controllers[J]．1996，6：215266．[7] Reynolds C W．Flocks，herds and schools：A distributed behavioral model[J]．Computer Graphics，1987，21(4)：2534．[8] Hepper F，U Grenander．A stochastic nonlinear model for coordinated bird flocks[A]．In：Krasner S．The Ubiquity of Chaos[C]．Washington DC：AAAS Publications，1990．[9] Shi Y，Eberhart R．A modified particle swarm optimizer[A]．In：IEEE World Congress on Computational Intelligence[C]．Piscataway，NJ：IEEE Press，1998：6973．[10] 賢思齊，優(yōu)化設計及常用優(yōu)化方法特點比較[M]．2001．[11] 宋云霞，朱學峰．大時滯過程控制方法與應用[J]．化工自動化及儀表，2001，28 (4)：915．附錄 A（程序清單）基本粒子群優(yōu)化算法Matlab源程序 %初始格式化clear all。，加了Smith預估補償器后，系統(tǒng)的超調(diào)量有了明顯進步，穩(wěn)定時間也相對降低，有效的改善了控制品質(zhì)。記錄下此時的比例帶d值，并計算兩個波峰的間距，記做。如欲將爐溫由900℃升到1000℃，當爐溫達到設定值1000℃ 后，由于其慣性作用，溫度值會偏離設定值而升到1100℃。 加熱爐系統(tǒng)的重要特點在加熱爐爐溫控制過程中都會遇到純滯后調(diào)節(jié)控制問題，因為加熱爐的溫度控制是一個典型的純滯后工藝對象，爐溫的滯后不僅僅浪費能源。常用的有史密斯(Smith)預估補償方法，當然還有一些改進過的史密斯(Smith)預估補償方法，比如1977年甲而思和巴特利在史密斯方法的基礎上提出了增益的自適應補償方案。因此本文在選擇目標函數(shù)的表達式取。第二類是誤差型目標函數(shù)，它是采用期望響應和實際響應之差的某個函數(shù)作為目標函數(shù)。在日常的設計過程中，常常需要根據(jù)產(chǎn)品設計的要求，合理地確定各種參數(shù)，以達到最佳的設計目標。w較大，全局收斂能力強，局部收斂能力弱；w較小，局部收斂能力強，全局收斂能力弱。（5）根據(jù)方程()和方程()對粒子的速度和位置進行進化。在仿真中，一開始每一只鳥都沒有特定的飛行目標，只是使用簡單的規(guī)則確定自己的飛行方向和飛行速度（每一只鳥都試圖留在鳥群中而又不相互碰撞），當有一只鳥飛到棲息地時，它周圍的鳥也會跟著飛向棲息地，這樣，整個鳥群都會落在棲息地。每種控制方法都有各自的優(yōu)點以及適用范圍，在實際的操作中不同的方法來實現(xiàn)同一控制模型，其精確度也會有差別。影響控制系統(tǒng)指標的因素除了對象的時間常數(shù)、放大系數(shù)及滯后常數(shù)外，還有調(diào)節(jié)器的參數(shù)整定情況。信息素按照一定的比例釋放的。 optimal design。關鍵詞 目標函數(shù)；PID參數(shù)；粒子群算法；優(yōu)化設計；SIMULINKOptimal design of PID parameter of the control system based on Particle Swarm OptimizationAbstractThe main purpose of this paper is to study the optimal design of PID parameter of the control system based on Particle Swarm Optimization and find a way to improve the PID control. There are a lot of methods of optimization for the parameters of PID, and each of them has its own characteristics. The proper methods need to be selected according to the actual characteristics 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。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。K，和T可用圖解法等得出。因此出現(xiàn)了許多自整定算法[5]。(3)飛向鳥群中心，且整個群體飛向目標。（2）根據(jù)適應度函數(shù)計算各粒子的適應度值。1998年，Yuhui Shi[9]提出了帶有慣性權重的改進粒子群算法。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。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。（3）誤差絕對值積分型?？梢圆捎梦⒎窒刃械目刂品桨福磳⑽⒎肿饔靡苿拥椒答伹懊?，以加強微分作用，達到減小超調(diào)量的目的。 Smith預估補償系統(tǒng)一般型框圖。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。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。 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。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。 y(i,:)=x(i,:)。)Result=fitness(pg,D)disp(39?！痵 Theorem [16], we conclude thatis Hurwitz for all and[0,2).Sufficiency Proceeding by contradiction, we assume that conditionsa) and b) are true, butSince is a continuous function ofandthen there must exist at least one such thatTherefore, it implies that there exist and[0,2)such thatand this obviously contradicts condition b).Consider the stable weighting functions and , where, and are some real polynomials. Also, we denote the closedloop characteristic polynomial to beFor notational simplicity, we define the plex polynomialThe objective of this note is to determine stabilizing PID controllers such that the robust performance condition (2) holds. Based on Lemma 1, the problem of synthesizing PID controllers for robust performance can be converted into the problem of determining values of for which the following conditions hold:1) is Hurwitz。******************************************************