基于粒子群算法的pid參數(shù)優(yōu)化-文庫吧資料
2024-08-23 15:54本頁面
【正文】 p))。,39。% 啟動Simulinkset_param(39。 Ki=ParSwarm(k,2)。 %調(diào)節(jié)速度，使速度與位置的范圍一致ParSwarm(:,ParticleSize+k)=ParSwarm(:,ParticleSize+k)*(ParticleScope(k,4)ParticleScope(k,3))+ParticleScope(k,3)。%初始化粒子群矩陣%初始化粒子群矩陣，全部設(shè)為[01]隨機(jī)數(shù)ParSwarm=rand(SwarmSize,2*ParticleSize+1)。%異常：首先保證該文件在Matlab的搜索路徑中，然后查看相關(guān)的提示信息。盡管如此，粒子群算法在優(yōu)化PID參數(shù)上仍不失為一個很好的工具，簡單易行，比較容易掌握，使系統(tǒng)具有較好的動態(tài)性能。在解決這些問題過程中學(xué)到了很多知識，同時也提高了自己研究問題，解決問題的能力。6 討論與結(jié)論 本次作業(yè)利用粒子群算法優(yōu)化PID參數(shù)，實現(xiàn)了PID參數(shù)的自動整定。圖2 目標(biāo)函數(shù)變化曲線圖3 系統(tǒng)單位階躍響應(yīng)曲線 由圖3可見，大約在迭代50次后，控制器參數(shù)及性能指標(biāo)趨于穩(wěn)定，分別為Kp=，Ki=，Kd=，ITAE=。,。圖1中，輸出端口1即為式(7)所示的ITAE指標(biāo)，通過將時間及誤差絕對值的乘積進(jìn)行積分后得到。若，則更新全局最佳位置，否則若終止條件滿足(文中設(shè)為迭代次數(shù)達(dá)到最大值),則算法結(jié)束,否則t=t+1,轉(zhuǎn)到步驟3。步驟5：更新當(dāng)前全局最優(yōu)解。根據(jù)當(dāng)前代中每個粒子的位置計算對應(yīng)的適應(yīng)度，如果則更新個體的最佳位置。根據(jù)式(5)和式(4)更新當(dāng)前代中每個粒子的速度和位置。為優(yōu)化PID參數(shù),本文選取常用的誤差性能指標(biāo)ITAE作為目標(biāo)函數(shù)即： （7）對每組參數(shù)鏈接simulink仿真并計算目標(biāo)函數(shù)值，評價參數(shù)值的優(yōu)劣。為使初始的PID參數(shù)不至于偏離最優(yōu)解太遠(yuǎn),將每個初始化的PID參數(shù)取為ZieglerNichols法整定的PID參數(shù)值附近的隨機(jī)數(shù)，初始速度。PID參數(shù)整定的粒子群算法算法的實現(xiàn)實現(xiàn)步驟具體如下:步驟1：初始化。常規(guī)的PID參數(shù)整定方法很難同時兼顧多項性能指標(biāo),得到的PID控制器參數(shù)通常不是最優(yōu)的。PID控制器的優(yōu)化設(shè)計可視為一個多目標(biāo)的優(yōu)化問題。帶收縮因子的粒子群算法的速度更新算式寫為： （5）其中稱為收縮因子,典型的收縮因子計算式為： （6）其中。近年來,Clerc等對標(biāo)準(zhǔn)的粒子群算法進(jìn)行了改進(jìn),提出帶收縮因子的粒子群算法。w是一個小于1的常數(shù),稱為慣性權(quán)重,表示過去速度對當(dāng)前速度的影響,一般在優(yōu)化初期取值較大,后期逐漸變??；c1和c2是正常數(shù),稱為加速因子,分別用于表示粒子自身的認(rèn)知(cognitive)和群體中粒子間的信息共享(social),用于解決全局和局部搜索能力之間的矛盾。代表一個優(yōu)化問題的潛在解。若將第i個粒子的速度記為，表示一次迭代計算引起的粒子位置變化量。第一個極值就是當(dāng)前第 i個粒子本身所找到的最優(yōu)解,稱為個體極值,記為。標(biāo)準(zhǔn)的粒子群算法初始化為一群隨機(jī)粒子,然后通過迭代找到最優(yōu)解。3 粒子群算法粒子群算法是Kennedy和Eberhart等受鳥群在尋覓食物時的行為啟示,于1995年提出的一種優(yōu)化算法。但TD值偏大或偏小都會適得其反。微分時間TD的增加即微分作用的增加可以改善系統(tǒng)的動態(tài)特性，如減少超調(diào)量，縮短調(diào)節(jié)時間等。微分環(huán)節(jié)的加入，可以在誤差出現(xiàn)或變化瞬間，按偏差變化的趨向進(jìn)行控制。TI太小，系統(tǒng)可能不穩(wěn)定，且振蕩次數(shù)較多；TI太大，對系統(tǒng)的影響將削弱；當(dāng)TI較適合時，系統(tǒng)的過渡過程特性比較理想。積分控制有助于消除系統(tǒng)穩(wěn)態(tài)誤差，提高系統(tǒng)的控制精度，但若TI太大，積分作用太弱，則不能減少余差。Kp的選擇以輸出響應(yīng)產(chǎn)生4:1衰減過程為宜。因此Kp的整定主要依據(jù)系統(tǒng)的動態(tài)性能。PID控制器的優(yōu)化設(shè)計，就是尋找合適的、和在控制系統(tǒng)的快速性和穩(wěn)定性之間進(jìn)行平衡，盡量減小超調(diào)量和穩(wěn)態(tài)誤差，提高動態(tài)響應(yīng)速度。從粒子群算法的基本原理出發(fā)，將其運用到PID控制器參數(shù)優(yōu)化當(dāng)中，得到很好的效果。動物群體中信息的社會共享有利于群體在演化中獲得優(yōu)勢，以此可以作為開發(fā)粒子群算法的基礎(chǔ)。早期用來優(yōu)化PID控制器參數(shù)的方法主要有Ziegler－Nichols動態(tài)特性法、Cohen－Coon響應(yīng)曲線法、ISE積分平方準(zhǔn)則整定法。PID控制設(shè)計的核心問題就是根據(jù)被控對象的不同特性來確定P、I、D等3個參數(shù)的大小。仿真結(jié)果表明,該優(yōu)化方法得到 PID 控制器的綜合性能優(yōu)于常規(guī)方法得到的PID?；诹Ｗ尤核惴ǖ腜ID參數(shù)優(yōu)化計算機(jī)控制理論與設(shè)計作業(yè) 姓名：
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1