改進微粒群算法及其在PID控制器參數(shù)整定中的應用.pdf

1、實際生產(chǎn)過程具有的非線性、離散、時變等特性使得人們對它們無法進行準確的數(shù)學描述。PID是迄今最通用的控制方法，其結構簡單、容易實現(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來控制。PID的控制性能與其參數(shù)有直接聯(lián)系，對于結構和參數(shù)不確定的控制系統(tǒng)，PID參數(shù)的整定仍是一個難點問題。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)絡法和遺傳算法等。它們各有優(yōu)點，但也存在明顯缺點?；谖⒘Ｈ核惴ǖ腜ID控制器

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

3、簡單介紹之后，對微粒群算法的參數(shù)選擇進行了較為深入的探討，同時提出了應用微粒群算法動態(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、流程以及國內(nèi)外學者從不同出發(fā)點對算法進行的改進；第三章針對目前微粒群算法的許多參數(shù)依賴經(jīng)驗法確定，而且不同的參數(shù)選擇可能直接影響算法的收斂性，甚至導致不收斂的情況對微粒群算法的參數(shù)選擇做了試驗研究，給出了基本的參數(shù)選擇方法；第四章簡單介紹了關于PID控制的幾種智能控制