基于菌群优化的pid控制器整定-研究

《基于菌群优化的pid控制器整定-研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、浙江大学硕士学位论文第一章绪论提要茵群优化算法是一种新的智能仿生算法，与进化算法和群体智能有紧密的联系．本章从PID控制器参数的优化整定出发对智能仿生优化算法的发展扣原理进行了回顾，并介绍了本文的主要工作．关键词：菌群优化算法(BFO)，智能仿生算法，PID控制器，参数优化整定1．1引言比例一积分-微分(proportionalintegralderivative,PID)控制器是工业过程控制中最常见的一种反馈控制器．PID控制以结构简单、容易实现和鲁棒性好等优点，成为迄今为止使用最广泛的控制方法，电力拖动，光磁存储，汽车工业，飞

2、行器控制，自动化仪表等各个领域．随着工业生产规模的日益扩大和生产操作方式的改变，实际的工业生产过程变得越来越复杂，往往具有非线性、不确定性，难以建立精确的数学模型．这对PID控制器设计提出了更高的要求。使用常规的方法整定的PID控制器参数难以适应工况的变化，为此，研究者们在不断探索新的控制器参数整定方法。PID控制器参数的整定对控制系统的性能影响很大，决定了PID控制器的品质。自从Ziegler-Nichols法【l】提出以后，出现了诸多PID控制器整定方法如单纯形方法【11、cohen-coon整定方法【31、快速整定法【4】、

3、误差积分准则ISTE最优设定方法昀、IMC方法161等．随着被控对象的日益复杂，传统优化方法已经不能满足需型7】，这促使人们不断寻找更好的优化方法，例如神经网络方法阁f9J、混沌优化方法【10】等已被应用到PID控制器优化设计中，并取得了较好的效果。近年来，人们从大自然和生物生命演化过程中受到启示，从事仿生算法的研究，开创了探索优化方法的新途径【11】．智能仿生算法，以其智能高效的寻优第一章绪论能力和适用的广泛性受到了研究者的关注，涌现了许多仿生算法，如遗传算法【12】【13】【141、蚁群算法【151-[181、人工鱼群算法【嘲

4、、PSO算法120]等。将智能优化算法应用于工程领域中的优化问题求解具有十分重要的意义，而将智能优化算法运用于PID控制器优化设计成为其中的一个研究热点【2lH231．本章将介绍这些智能仿生优化算法的产生和原理，以及本文的主要工作．1．2智能仿生算法自从生物进化的理论被人们接受之后，关于生物进化计算的研究得到了很大的发展．群居动物以集体的力量进行觅食、御敌、筑巢．这种由于个体之问以及个体与环境之间交互而使群体所表现出来的智能，就称之为群智能，如蜜蜂采蜜、筑巢、蚂蚁觅食等。从群居昆虫相互合作进行工作中，可以得到启迪，通过研究其中的原

5、理，可以设计出求解问题的新型算法。智能仿生算法是模拟生物进化和生物群体的智能化方法．目前热点研究的有遗传算法、蚁群算法、人工鱼群算法、PSO算法和菌群优化算法等，由于它们具有并行性、自适应性等优点，在非线性复杂问题的求解方面表现出了独特的优越性．1。2．1遗传算法遗传算法是美国Michigan大学的J．Holland教授于1975年受生物进化论的启发而提出的【141。DeJong首先将遗传算法应用于函数优化，为这一新技术的应用奠定了基础【24】。人们对遗传算法进行了大量的改进研究工作，使遗传算法能应用于更广泛的领域。基本遗传算法的

6、构成要素主要有：编码、个体适应度评价、遗传算子以及遗传参数设置等。(1)编码如何将问题的解编码成为染色体是使用遗传算法的关键问题。常用的编码方法是二进制编码，即使用固定长度的二进制符号串来表示群体中的个体。求解结束后再通过解码变换成实变量．为解决在编码和解码的过程中，2浙江大学硕士学位论文参变量精度变化的问题，出现了基于实数编码的遗传算法【2珂，其基本原理与二进制编码相同，不同的只是实数编码的染色体是由各个实数构成的向量，初始群体中各个个体的基因可用均匀分布的随机数来构成．(2)适应度函数在遗传算法中，遗传操作主要通过适应度函数的

7、导向来实现的，算法根据适应度函数的大小来进行复制、交叉、变异操作．(3)遗传算子基本遗传算法通常使用以下三种遗传算子：‘．复制算子；从一个旧群中选择生命力强的个体位串产生新种群，根据位串的适应度进行复制，即具有高适应度的位串更有可能在下一代中产生一个或多个子孙。交叉算子：复制操作能从旧种群中选择优秀者，但不能创造新的染色体。交叉模拟了生物进化过程中的繁殖现象，通过两个染色体的交换组合，产生新的优良品种。变异算子：通过模拟生物在自然遗传环境中由于各种偶然因素引起的基因突变，以很小的概率随机地改变遗传基因的值。若只有复制和交叉算子，没

8、有变异算予，则无法在初始基因组合以外的空间进行搜索，会使进化过程在早期就陷入局部解而进入终止过程，从而影响解的质量。为了在尽可能大的空间中获得质量较高的优化解，必须采用变异算子。(4)遗传算法的运行参数遗传算法应用时需要设定的参数有：群体规模(Ⅳ)