基于改進(jìn)人群搜索算法優(yōu)化的變參數(shù)PID控制.pdf

1、在現(xiàn)代工業(yè)生產(chǎn)控制過(guò)程中，PID控制由于具有結(jié)構(gòu)簡(jiǎn)單，適應(yīng)性好及魯棒性強(qiáng)等優(yōu)點(diǎn)，已經(jīng)被廣泛使用。PID控制器的控制性能取決于PID參數(shù)整定，但隨著各種工業(yè)生產(chǎn)過(guò)程日趨復(fù)雜化，傳統(tǒng)PID參數(shù)整定策略變得越來(lái)越難以滿足生產(chǎn)需要。因此，對(duì)新型PID控制策略及參數(shù)優(yōu)化方法進(jìn)行深入研究早已成為解決此類(lèi)問(wèn)題的關(guān)鍵。
　　人群搜索算法（Seeker Optimization Algorithm,SOA）是近年來(lái)新提出的一種以模擬人類(lèi)智能搜索形式

2、為基礎(chǔ)的群智能算法。SOA以其收斂速度快、搜索能力強(qiáng)等優(yōu)點(diǎn)已被應(yīng)用于多種參數(shù)優(yōu)化問(wèn)題中。經(jīng)過(guò)多次試驗(yàn)表明，SOA也存在如其它群智能算法在搜索后期易陷入局部最優(yōu)，即“早熟”現(xiàn)象。對(duì)此，我們?cè)趯?duì)標(biāo)準(zhǔn)算法深入分析研究的基礎(chǔ)上，引入模擬退火思想，根據(jù)Metropolis準(zhǔn)則選擇最優(yōu)解，即以一定的概率接受劣解，在一定程度上避免算法陷入局部最優(yōu)無(wú)法跳出，提升算法的全局搜索能力。通過(guò)對(duì)比研究原有SOA算法與改進(jìn)后SOA算法在通用函數(shù)測(cè)試下的收斂效果，