基于群布谷鳥算法的模型參數(shù)辨識與PID控制器設計方法研究.pdf

1、智能優(yōu)化算法是現(xiàn)代計算機科學炙手可熱的研究領域之一。在眾多的智能優(yōu)化算法中，布谷鳥算法是近些年來發(fā)展的一種群智能算法。它需調(diào)參數(shù)少，卻擁有良好的收斂效果，所以引起了越來越多的重視。本文就布谷鳥算法的參數(shù)與算法性能之間的關(guān)系進行研究，同時提出了一種改進的布谷鳥算法，即群布谷鳥算法。通過對幾種不同類型的標準測試函數(shù)進行測試，說明了群布谷鳥算法的快速收斂性和結(jié)果精確性。同時，將群布谷鳥算法應用于自動控制領域的幾個方面，包括:
　　(1)

2、適用于多種激勵信號的模型參數(shù)辨識。本文對模型參數(shù)與性能指標之間的關(guān)系進行分析，并使用群布谷鳥算法，估計在多種不同測試信號時模型的參數(shù)，取得了良好的效果。通過對幾類不同對象的辨識仿真實驗，說明了群布谷鳥算法能夠用于解決適用于多種激勵信號的模型參數(shù)辨識的問題。
　　(2)適用于帶有多個目標和多種約束條件的PID設計問題。本文提出了使用群布谷鳥算法解決多目標多約束PID設計的方法。通過將多目標問題轉(zhuǎn)化為單目標問題，多約束條件轉(zhuǎn)化為單一約

3、束條件，簡化了設計PID時的目標函數(shù)。通過使用群布谷鳥算法，本文獲得了控制器參數(shù)。
　　(3)本文所提出的一種抗飽和控制器中的補償器設計問題，該問題是一類非凸優(yōu)化問題。本文提出了一種通過定性分析進行靜態(tài)前饋補償?shù)目癸柡虸MC-PID控制結(jié)構(gòu)，并借助群布谷鳥算法，進行靜態(tài)前饋補償器的設計。該結(jié)構(gòu)通過定性分析，引入了三個靜態(tài)抗飽和回路，使得對象輸出能夠較改進前能更快地跟蹤設定值。
　　(4)多變量系統(tǒng)的IMC-PID控制器設計問