pid參數(shù)優(yōu)化和前饋控制(編輯修改稿)
2025-09-12 23:51 本頁面
【文章內(nèi)容簡介】 由三個外力決定：自己過去最好的、整個群體當前最好的以及自己現(xiàn)在的運動趨勢。由這些合力可以確定它的前進方向，使它不再盲目，因此不必要像窮舉法那樣將任何位置都走過，或者像隨機法那樣沒有目的僅憑隨機的尋找最優(yōu)值。PSO算法的流程如下。 繼續(xù)上例，通過PSO算法尋找最優(yōu)的PID控制器，程序如下。%設定初始值N=10。 %粒子個數(shù)to=clock。for ii=1:N PSO(ii,1)=kpmin+(kpmaxkpmin)*rand()。%PSO(,1)表示kp PSO(ii,2)=Timin+(TimaxTimin)*rand()。%PSO(,2)表示Ti E(ii)=10^10。 %E表示各個點的誤差 v(ii,1)=vmin+(vmaxvmin)*rand()。%v(ii,1)表示各個點當前的速度 v(ii,2)=vmin+(vmaxvmin)*rand()。%v(ii,2)表示各個點當前的速度end%最優(yōu)lishi_b=zeros(N,2)。%N*2的數(shù)組，記錄了每個粒子各自的歷史最優(yōu)位置，lishi_b(n,1)表示第n個粒子的歷史最優(yōu)k,lishi_b(n,2)表示第n個粒子的歷史最優(yōu)T。E_ago=zeros(1,N)+10^10。%記錄了N個粒子各自的歷史最小誤差now_b=zeros(1,2)。%當前群體最優(yōu)位置，now_b（1）表示k,now_b(2)表示T%PSO的內(nèi)循環(huán)M=50。%設定的代數(shù)forjj=1:50for ii=1:N [E(ii),ym,tm]=fangzhen(PSO(ii,1),PSO(ii,2))。if E(ii)E_ago(ii)E_ago(ii)=E(ii)。lishi_b(ii,1)=PSO(ii,1)。lishi_b(ii,2)=PSO(ii,2)。endend [E_now,lli]=min(E)。%尋找當前群體最優(yōu)now_b(1)=PSO(lli,1)。now_b(2)=PSO(lli,2)。ifE_now180break。endfor ii=1:Nv(ii,:)=v(ii,:)+*rand()*(now_bPSO(ii,:))+...*rand()*(lishi_b(ii,:)PSO(ii,:))。%更新速度 if v(ii,1)9/20 %對速度限幅v(ii,1)=9/20。elseif v(ii,1)9/20v(ii,1)=9/20。endif v(ii,2)9/20v(ii,2)=9/20。elseif v(ii,2)9/20v(ii,2)=9/20。end PSO(ii,:)=PSO(ii,:)+v(ii,:)。 %更新位置endend得到的kp=,Ti=,對應的控制器的傳遞函數(shù)為。對應的系統(tǒng)輸出曲線為。優(yōu)化方法PI控制器參數(shù)（控制器傳函為）穩(wěn)定時間ts超調(diào)量Mp衰減率fai最終穩(wěn)定值ys優(yōu)化時間經(jīng)驗公式Kp=,Ti=80448——窮舉法Kp=,Ti=2243841隨機搜索Kp=,Ti=3761PSO算法Kp=,Ti=3921從圖表中可以發(fā)現(xiàn)，經(jīng)過優(yōu)化，系統(tǒng)的品質(zhì)明顯提升。此外分析不同優(yōu)化方法得到的控制器可以發(fā)現(xiàn)，進過不同優(yōu)化方法得到的PI控制參數(shù)僅僅是略有不同，得到的效果都能令人滿意。從表格當中的優(yōu)化時間當中也很難看出仿真速度的快慢來。但從原理上分析，對于那些
環(huán)評公示相關推薦
鄂ICP備17016276號-1