pid參數(shù)優(yōu)化和前饋控制(編輯修改稿)
2025-09-12 23:51 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 由三個(gè)外力決定：自己過(guò)去最好的、整個(gè)群體當(dāng)前最好的以及自己現(xiàn)在的運(yùn)動(dòng)趨勢(shì)。由這些合力可以確定它的前進(jìn)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(guò)，或者像隨機(jī)法那樣沒(méi)有目的僅憑隨機(jī)的尋找最優(yōu)值。PSO算法的流程如下。 繼續(xù)上例，通過(guò)PSO算法尋找最優(yōu)的PID控制器，程序如下。%設(shè)定初始值N=10。 %粒子個(gè)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(gè)點(diǎn)的誤差 v(ii,1)=vmin+(vmaxvmin)*rand()。%v(ii,1)表示各個(gè)點(diǎn)當(dāng)前的速度 v(ii,2)=vmin+(vmaxvmin)*rand()。%v(ii,2)表示各個(gè)點(diǎn)當(dāng)前的速度end%最優(yōu)lishi_b=zeros(N,2)。%N*2的數(shù)組，記錄了每個(gè)粒子各自的歷史最優(yōu)位置，lishi_b(n,1)表示第n個(gè)粒子的歷史最優(yōu)k,lishi_b(n,2)表示第n個(gè)粒子的歷史最優(yōu)T。E_ago=zeros(1,N)+10^10。%記錄了N個(gè)粒子各自的歷史最小誤差now_b=zeros(1,2)。%當(dāng)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(shè)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(dāng)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(duì)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(duì)應(yīng)的控制器的傳遞函數(shù)為。對(duì)應(yīng)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(shí)間ts超調(diào)量Mp衰減率fai最終穩(wěn)定值ys優(yōu)化時(shí)間經(jīng)驗(yàn)公式Kp=,Ti=80448——窮舉法Kp=,Ti=2243841隨機(jī)搜索Kp=,Ti=3761PSO算法Kp=,Ti=3921從圖表中可以發(fā)現(xiàn)，經(jīng)過(guò)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(jìn)過(guò)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(dāng)中的優(yōu)化時(shí)間當(dāng)中也很難看出仿真速度的快慢來(lái)。但從原理上分析，對(duì)于那些
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1