基于微粒群优化算法的二自由度PID调节器的设计

基于微粒群优化算法的二自由度PID调节器的设计

ComputerEngineeringandApplications计算机工程与应用2009，45（16）87

基于微粒群优化算法的二自由度PID调节器的设计

王海稳1，张井岗1，曲俊海2WANGHai-wen1，ZHANGJing-gang1，QUJun-hai2

太原0300241.太原科技大学电子信息工程学院自动化系，

太原0300062.中国兵器工业集团第207研究所，

1.AutomationDepartment，TaiyuanUniversityofScienceandTechnology，Taiyuan030024，China2.ChinaNorthIndustriesGroup207ResearchInstitute，Taiyuan030006，ChinaE-mail：wheaven@http://doc.xuehai.net

WANGHai-wen，ZHANGJing-gang，QUJun-hai.Optimaldesignfortwo-degree-of-freedomPIDregulatorbasedon

（16）：http://doc.xuehai.netputerEngineeringandApplications，2009，4587-89.）PIDregulatorispresented.BasedonsensitivityAbstract：Akindofnewdesignmethodfortwodegreeoffreedom（2DOF

（PSO）function，theparametersoftwodegreeoffreedomPIDregulatorareadaptivelyadjustableusingParticleSwarmOptimization

algorithm，thecomparisonsofsimulationresultswiththeimprovedGAaregiven，betterdynamicresponseperformanceofbothcommandtrackinganddisturbancerejectioncharacteristicscanbeachievedsimultaneously，theoptimal2-DOFPIDregulatorhasgoodrobustness，thesimulationverifiestheeffectivenessofthePSOalgorithm.Keywords：two-degree-of-freedomPIDregulator；particleswarmalgorithm；optimizationdesign

摘要：提出了一种新二自由度PID调节器的设计方法。基于灵敏度函数，采用PSO优化算法对二自由度PID参数进行自适应调整，仿真结果和改进的遗传算法进行比较，系统同时具有良好的跟随性能和抗干扰能力，所设计的二自由度调节器具有很强的鲁棒性，证明了PSO算法的有效性。关键词：二自由度PID调节器；微粒群算法；优化设计

文章编号：（2009）DOI：10.3778/j.issn.1002-8331.2009.16.0241002－833116-0087-03

文献标识码：A

中图分类号：TP273

1引言

二自由度PID控制器改进了常规PID控制器的缺点和不

机全局优化技术，算法通过粒子间的相互作用发现复杂搜索空间中的最优区域，由于PSO算法概念简单，容易实现，短短的几年时间，现已在函数优化、模PSO算法便获得了很大的发展，

糊系统优化等应用领域得到广泛的研究，一些研究者将其应用于PID控制器的优化设计[8-12]。

本文针对典型过程控制对象，采用微粒群优化算法（PSO）对设定值滤波型二自由度PID控制器进行优化设计。通过将二自由度PID控制器的参数设置为群体微粒在参数空间的位置，模拟群体智能和动物觅食的动态行为对二自由度PID参数寻优，使代表二自由度PID控制器参数的微粒向最优区域移动，获得最优的二自由度PID控制器参数。在优化过程中，将最大灵敏度作为约束条件，时域性能作为优化指标，从而使系统在具有较强鲁棒性的前提下，获得最优的设定值跟随特性和干扰抑制特性。仿真研究结果表明了这一方法的有效性。

足，可以使系统获得良好的控制性能，但二自由度PID控制器整定难度大。通常采用的方法是先整定PID参数KP、参数多、

然后根据经验值一次性选定二自由度化系数α、TI、TD，β、γ。虽

然这种方法在工程实践中已有成功应用的例子，但其结果并不是最优的。为此，近年来一些研究者将智能优化算法应用于二自由度PID控制器设计[1-7]。文[1-5]将改进的遗传算法应用于二自由度PID控制器参数优化设计。但由于遗传算法要涉及到繁琐的编码解码过程以及较大的计算量，容易发生“早熟”，陷入局部解。文[6]将改进的思维进化算法也应用于二自由度PID控制器参数优化设计，得到的结果优于采用遗传算法进行设计的结果。这些方法所设计的二自由度PID控制器可以使系统同时具有良好的目标值跟随特性和干扰抑制特性。但这些方法一般都以系统的时域响应性能作为优化指标，没有考虑系统对鲁棒性的要求。

微粒群优化算法（ParticleSwarmOptimization，）是继PSO

蚁群算法之后的又一种群体智能算法，它是一类随遗传算法、

基金项目：校青年基金项目（No.2006103）。

（ParticleSwarmOptimization）2微粒群优化算法

2.1PSO算法原理

PSO算法[13-14]最早是在1995年由美国社会心理学家James

作者简介：王海稳（1978-），讲师，研究方向：群智能、智能计算和二自由度控制；张井岗（1965-），男，博士，教授，研究方向为先进控制理论及应用；

（收稿日期：2008-04-15

修回日期：2008-07-10

第1页下一页