一种改进的PID参数整定的研究及仿真.pdf

《一种改进的PID参数整定的研究及仿真.pdf》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、工业控制与应用《自动化技术与应用》2010年第29卷第6期IndustryControlandApplications一种改进的PlD参数整定的研究及仿真刘宝升．马骏驰．杨桂花(哈尔滨理工大学自动化学院，黑龙江哈尔滨150080)摘要：传统PID控制由于依赖于对象的数学模型和控制参数难以精确整定，使其很难适应具有非线性系统的控制。针对非线性系统，本文提出了一种结合免疫的思想改进PSO的PID的控制算法，从而解决PID控制的鲁棒性差及受模型限制的问题，并结合了Matlab强大的矩阵计算和系统仿真功能，对文中

2、实例的PID参数进行了优化整定。仿真结果表明，该控制算法有较强的抗干扰和适应参数变化及鲁棒性和自适应性。关键词：免疫；粒子群；PID参数整定；非线性系统中图分类号：TP273．2文献标识码：A文章编号：l0037241(2010)06～0017—04AK_ndofResearchandSimulationBasedontheImprovedPIDParameterTuningLIUBao-sheng，MAJun-chi，YANGGui-hua(AutomationofCollege，HarbinUnive

3、rsityofScienceandTechnology,Harbin150080China)Abstract：ForthetraditionalPIDcontroldependsonthemathematicalmodeloftheobject，andit’Sdifficulttotunethecontrolparameteraccurately，thetraditionalPIDcontrolisdifficulttoadapttothecontrolofanon—linearsystem．Thispa

4、perproposedaPIDcontrolalgorithm，inwhichPSOisimprovedbythemethodwithimmunizationfornon—linearsystems．TheproblemsofPIDcontrolwhichisitspoorrobustnessandlimitednessofmodelareresolvedbytheimprovedalgorithm．TheinstanceofthePIDparametersofthispaperisoptimizdtun

5、edbyMatlab．Thesimulationresultsshowthattheimprovedcontrolalgorithmhasstronganti—interference、adapttoparameterchanges、robustnessandadaptability．Keywords：immunity；PSO；PIDparametertuning；nonlinearsystems1引言2PlD控制虽然PID控制器广泛的应用于过程工业中，但是由PID控制是发展较早的一种控制策略，由于其有简

6、于它们能适应的环境很有限使得它们被限制。实质上单的结构和算法，并且有很好的鲁棒性及可靠性，所以PID的三个参数的优化是一个时间任务的要求。由于一至今仍广泛应用于过程控制和运动控制中【引。些困难，研究的大部分精力都会集中在系统的整定方法在图1中表示单变量的PID控制系统框图。的研究上⋯1。许多的整定方法都需要有能依靠对被控对象的了解或是能辨识出适当的被控模型的经验的要求【】[31。然而在许多情况下，系统模型是不知道的。所以产生了一些不需要系统模型的方法，本文提出的方法就是一种不需要系统具体模型的PID整定方

7、法，该方法结合图1单变量PID控制系统框图免疫的思想和粒子群的寻优策略，是以代价函数的性能指标为衡量标准，采用免疫粒子群对PID的参数进行寻其中：c(置，++K。(1)优，使系统达到最优控制。为PID控制器的表示形式。K，一比例参数、墨一积分参数、K一微分参数。控制器的输出为：收稿日期：2010-01—20自动化技术与应用》2010年第29卷第6期工业控制与应用ndust~ControlandApplications期收敛速度很快，但粒子向着自身最好位置和全局最好“(f)=Kr)+K)df+(2)位置飞行

8、，种群多样性能力降低，容易陷入局部极值。e(f)=r(f)一)，(f)(3)本文将免疫与粒子群相结合，在免疫算法的基础上采用d(f)是干扰信号G()是表示被控对象和过程的传粒子群优化对抗体群体进行更新，有望解决免疫算法收递函数，一般的工业过程都可以近似的表示为一阶纯滞敛速度慢的缺点。后对象或二阶纯滞后对象，其表示形式为：4．1免疫PSO算法的过程[5]G∽=(4)(1)亲和力的计算其中：K、a、b都是过程的参数，f是时延参数。