改進(jìn)微粒群算法及其在PID控制器參數(shù)整定中的應(yīng)用.pdf

1、實(shí)際生產(chǎn)過程具有的非線性、離散、時(shí)變等特性使得人們對(duì)它們無(wú)法進(jìn)行準(zhǔn)確的數(shù)學(xué)描述。PID是迄今最通用的控制方法，其結(jié)構(gòu)簡(jiǎn)單、容易實(shí)現(xiàn)、控制效果好且參數(shù)物理意義明確，大多數(shù)反饋回路用該方法或其較小的改進(jìn)來(lái)控制。PID的控制性能與其參數(shù)有直接聯(lián)系，對(duì)于結(jié)構(gòu)和參數(shù)不確定的控制系統(tǒng)，PID參數(shù)的整定仍是一個(gè)難點(diǎn)問題。目前PID參數(shù)優(yōu)化方法主要包括梯度法、單純型法、神經(jīng)網(wǎng)絡(luò)法和遺傳算法等。它們各有優(yōu)點(diǎn)，但也存在明顯缺點(diǎn)?；谖⒘Ｈ核惴ǖ腜ID控制器

2、是解決方案之一，它能動(dòng)態(tài)的自整定參數(shù)，具有良好的綜合控制性能等優(yōu)點(diǎn)。
　　 微粒群算法(PSO: Particle Swarm Optimization)是一種新型的進(jìn)化優(yōu)化技術(shù)。與其它智能方法比較，它具有算法簡(jiǎn)單、易于程序?qū)崿F(xiàn)等特點(diǎn)。既適合科學(xué)研究，又適合工程應(yīng)用。因此，PSO一經(jīng)提出，立刻引起演化計(jì)算領(lǐng)域的學(xué)者門廣泛關(guān)注，并在短短幾年出現(xiàn)大量的研究成果，形成了一個(gè)研究熱點(diǎn)。
　　 本文在對(duì)國(guó)內(nèi)外微粒群算法研究動(dòng)態(tài)做了

3、簡(jiǎn)單介紹之后，對(duì)微粒群算法的參數(shù)選擇進(jìn)行了較為深入的探討，同時(shí)提出了應(yīng)用微粒群算法動(dòng)態(tài)整定PID控制參數(shù)的方法。第二章介紹了微粒群算法的產(chǎn)生、發(fā)展；論述了微粒群算法的原理、流程以及國(guó)內(nèi)外學(xué)者從不同出發(fā)點(diǎn)對(duì)算法進(jìn)行的改進(jìn)；第三章針對(duì)目前微粒群算法的許多參數(shù)依賴經(jīng)驗(yàn)法確定，而且不同的參數(shù)選擇可能直接影響算法的收斂性，甚至導(dǎo)致不收斂的情況對(duì)微粒群算法的參數(shù)選擇做了試驗(yàn)研究，給出了基本的參數(shù)選擇方法；第四章簡(jiǎn)單介紹了關(guān)于PID控制的幾種智能控制