基于粒子群算法的控制系统pid参数优化设计[1] 2

《基于粒子群算法的控制系统pid参数优化设计[1] 2》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、辽宁科技大学毕业设计（论文）第64页基于粒子群算法的控制系统PID参数优化设计摘要本文主要研究基于粒子群算法控制系统PID参数优化设计方法以及对PID控制的改进。PID参数的寻优方法有很多种，各种方法的都有各自的特点，应按实际的系统特点选择适当的方法。本文采用粒子群算法进行参数优化，主要做了如下工作：其一，选择控制系统的目标函数，本控制系统选用时间乘以误差的绝对值，通过对控制系统的逐步仿真，对结果进行分析。由于选取的这个目标函数的解析式不能直接写出，故采用逐步仿真来实现；其二，本文先采用工程上的整定方法（临界比例度法）粗略的确定其初始的三个参数，，，再利用粒子群算法进行寻优，得到更好的PID

2、参数；其三，采用SIMULINK的仿真工具对PID参数优化系统进行仿真，得出系统的响应曲线。从中发现它的性能指标，都比原来有了很大的改进。因此，采用粒子群算法的优越性是显而易见的。关键词目标函数；PID参数；粒子群算法；优化设计；SIMULINK辽宁科技大学毕业设计（论文）第64页OptimaldesignofPIDparameterofthecontrolsystembasedonParticleSwarmOptimizationAbstractThemainpurposeofthispaperistostudytheoptimaldesignofPIDparameterofthecont

3、rolsystembasedonParticleSwarmOptimizationandfindawaytoimprovethePIDcontrol.TherearealotofmethodsofoptimizationfortheparametersofPID,andeachofthemhasitsowncharacteristics.Thepropermethodsneedtobeselectedaccordingtotheactualcharacteristicsofthesystem.InthispaperweadopttheParticleSwarmOptimizationtotu

4、netheparameters.Tofinishit,thefollowingtasksshouldbedone.First,selectthetargetfunctionofthecontrolsystem.Thetargetfunctionofthecontrolsystemshouldbechosenastheabsolutevalueoftheerrormultipliedbytime.Thenwesimulatethecontrolsystemgradually,andanalyzetheresultsoftheprocess.Becausethesolutionofthetarg

5、etfunctioncannotbeworkedoutdirectly,thisdesignadoptssimulationgradually.Second,thispaperadoptstheengineeringmethod(thecriticalratiomethod)todetermineitsinitialparameters,,,thenusestheParticleSwarmOptimizationtogetaseriesbetterPIDparameters.Third,thispaperusesthetoolofSIMULINKtooptimizetheparameters

6、ofPIDandgetstheresponsecurveofthesystem.Bycontrastwiththetworesponsecurves,itisclearlythattheperformancehasimprovedalotthantheformerone.Therefore,itisobviouslytofindtheadvantagesinusingtheParticleSwarmOptimization.Keyword:targetfunction;PIDparameters;ParticleSwarmOptimization;optimaldesign;SIMULINK

7、辽宁科技大学毕业设计（论文）第64页目录摘要IAbstractII第1章绪论11.1研究背景和课题意义11.2基本的PID参数优化方法11.3常用的整定方法21.4本文的主要工作4第2章粒子群算法的介绍52.1粒子群算法思想的起源52.2算法原理52.3算法流程62.4全局模型与局部模型72.5算法特点82.6带惯性权重的粒子群算法82.7粒子群算法的研究现状9第3章用粒子群方法优化PID参数103.1PID