粒子群算法优化模糊pid

《粒子群算法优化模糊pid》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、本文选取常见的二阶惯性加纯滞后环节，传递函数为：在这里，PID参数取为本设计中的模糊控制器采用两输入(e,ec)，三输出(P,I,D)的形式来调整PID参数。e的论域为[-3,3]，ec的论域为[-3,3]。推理机使用，表示{负大，负中，负小，零，正小，正中，正大}为了可以调节尽可能多的系统，此控制器选定在负边界处和正边界处分别选用平滑连续的Z型隶属度函数和S型隶属度函数，在中间部分采用灵敏度较强的三角形隶属度函数。规则表如下图所示：（1）主程序：clearclc%%参数设置w=0.6;%惯性因子c1=1.414;%加速常数c2=1.623;%加速常数Dim=5;%维数SwarmSize

2、=100;%粒子群规模ObjFun=@PSO_PID;%待优化函数句柄MaxIter=100;%最大迭代次数MinFit=0.01;%最小适应值Vmax=2;Vmin=-2;Ub=[2050111];Lb=[00000];%%粒子群初始化Range=ones(SwarmSize,1)*(Ub-Lb);Swarm=rand(SwarmSize,Dim).*Range+ones(SwarmSize,1)*Lb;%初始化粒子群VStep=rand(SwarmSize,Dim)*(Vmax-Vmin)+Vmin;%初始化速度fSwarm=zeros(SwarmSize,1);fori=1:Swa

3、rmSizefSwarm(i,:)=feval(ObjFun,Swarm(i,:));%粒子群的适应值end%%个体极值和群体极值[bestf,bestindex]=min(fSwarm);zbest=Swarm(bestindex,:);%全局最佳gbest=Swarm;%个体最佳fgbest=fSwarm;%个体最佳适应值fzbest=bestf;%全局最佳适应值%%迭代寻优iter=0;y_fitness=zeros(1,MaxIter);%预先产生4个空矩阵K_p=zeros(1,MaxIter);K_i=zeros(1,MaxIter);K_d=zeros(1,MaxIter)

4、;e=zeros(1,MaxIter);ec=zeros(1,MaxIter);while((iterMinFit))forj=1:SwarmSize%速度更新VStep(j,:)=w*VStep(j,:)+c1*rand*(gbest(j,:)-Swarm(j,:))+c2*rand*(zbest-Swarm(j,:));ifVStep(j,:)>Vmax,VStep(j,:)=Vmax;endifVStep(j,:)

5、k=1:DimifSwarm(j,k)>Ub(k),Swarm(j,k)=Ub(k);endifSwarm(j,k)

6、,iter)=fzbest;%为绘图做准备K_p(1,iter)=zbest(1);K_i(1,iter)=zbest(2);K_d(1,iter)=zbest(3);e(1,iter)=zbest(4);ec(1,iter)=zbest(5);end%%绘图输出figure(1)%绘制性能指标ITAE的变化曲线plot(y_fitness,'LineWidth',2)title('最优个体适应值','fontsize',18);xlabel('迭代次数','fontsize',18);ylabel('适应值','fontsize',18);set(gca,'Fontsize',18);

7、figure(2)%绘制PID控制器参数变化曲线plot(K_p)holdonplot(K_i,'k','LineWidth',3)title('Kp、Ki优化曲线','fontsize',18);xlabel('迭代次数','fontsize',18);ylabel('参数值','fontsize',18);set(gca,'Fontsize',18);legend('Kp','Ki',1);figure(3)%绘制PID控制器参