本发明专利技术公开了一种涉及自动控制领域的基于群体智能寻优技术的PID控制器参数整定方法，采用一种能够综合衡量自动控制系统稳定性、快速性和准确性的积分性能指标作为适应度函数，利用差分进化算法的全局优化功能，搜索能使PID控制系统的性能指标函数值全局最小的比例系数 ，积分系数和微分系数作为PID控制器的最优整定参数。利用本发明专利技术提出的基于差分进化算法的PID控制器参数优化整定方法对直流电机转速闭环控制系统进行仿真实验，实验结果表明采用本发明专利技术方法整定所得的PID控制系统与采用常规整定方法的PID控制系统相比具有调节速度快，超调小的显著优点，是一种具有推广价值的PID控制器参数整定方法。
【技术实现步骤摘要】
本专利技术属于自动控制
，涉及一种基于群体智能优化算法的PID控制器参数整定技术。
技术介绍
PID控制是最早发展起来的控制策略之一，由于其算法简单、鲁棒性好和可靠性高等优点，被广泛应用于工业过程控制。然而在实际使用过程中，由于受到参数整定方法繁杂的困扰，PID控制器参数往往整定不良、性能欠佳，难以实现预期效果。差分进化(DifferentialEvolution,DE)算法是模拟自然界生物种群以“优胜劣汰、适者生存”为原则的进化发展规律而形成的一种随机启发式搜索算法，是一种新兴的进化计算技术。因此，将差分进化算法运用于PID控制器参数优化整定，已经是一个值得研究的问题。
技术实现思路
为了克服现有技术中常规PID参数整定技术的不足，提供一种基于群体智能技术的PID参数优化整定技术，利用差分进化算法全局搜索能力获得PID控制器的最优整定参数。本专利技术的目的是这样实现的：一种基于差分进化算法的PID控制参数优化整定方法，将每一组可行的PID控制器参数：比例系数KP，积分系数KI和微分系数KD对应为差分进化算法种群中的一个个体，利用差分进化算法全局搜索得到最优的PID控制器参数。基于差分进化算法的PID参数整定技术主要包括以下步骤：步骤A、根据待整定系统的复杂程度确定差分进化算法的群体规模M和最大寻优迭代次数Gmax；步骤B、确实PID控制器参数：比例系数KP，积分系数KI和微分系数KD的大致范围，在该范围内随机产生的M个个体；步骤C、将每一组可行的PID参数投入系统仿真运行，PID控制器的输出为：u(n)=KPe(n)+KIΣk=0ne(k)T+KDe(n)-e(n-1)T]]>式中u(n)表示PID调节器的输出，n是采样序号，T为采样周期；步骤D、求取该组控制参数所对应的控制系统性能指标J=Σk=0n[w1e2(k)+w2u2(k)]T]]>式中，e(k)为控制系统输出误差，u(k)为PID控制器输出，T为采样时间，w1，w2为相应权值，并将该性能指标作为差分进化算法的适应度函数；步骤E、变异操作，从群体中随机选择3个个体，对其进行变异操作；步骤F、对上一步变异操作得到的新个体进行交叉操作，目的是为了增加群体的多样性；步骤G、选择操作，为确定目标向量xi(k)是否能够成为下一代的成员，计算目标向量xi(k)和交叉操作得到的实验向量vi(k+1)分别所对应的适应度函数值，适应性优的个体作为下一代的成员xi(k+1)；步骤H、反复执行步骤D至步骤G，直至达到最大迭代次数Gmax；步骤I、输出最优个体的值和对应的性能指标函数值。本专利技术具有以下积极有益效果：本专利技术方法采用差分进化算法进行PID控制器参数优化，该优化算法不需要任何初始信息并可以寻优全局最优的PID控制参数；本专利技术采用的差分进化算法可从许多点开始并行操作，在可行解空间进行高效启发式搜索，具有较强的全局收敛能力和更快的寻优速度；本专利技术方法操作简单、易于推广应用。附图说明附图1是基于DE算法的PID控制参数优化流程图；附图2是直流电机转速闭环调速系统控制方框图；附图3是控制系统性能指标J的优化过程；附图4是PID控制器参数的寻优过程；附图5是采用本专利技术提出的基于DE算法整定PID的系统响应；附图6采用Ziegler-Nichols方法整定PID的系统响应；具体实施方式下面结合附图对本专利技术作进一步说明，但不作为对本专利技术的限定。PID控制是最早发展起来的控制策略之一，由于其算法简单、鲁棒性好和可靠性高的显著优点，被广泛应用于工业过程控制，但PID参数复杂繁琐的整定过程一直困扰着工程技术人员，因此研究简单实用、整定效果优良的PID参数整定方法具有重大的理论意义和工程应用价值。差分进化算法(DifferentialEvolution,DE)算法是模拟自然界生物种群以“优胜劣汰、适者生存”为原则的进化规律而形成的一种随机启发式搜索算法，是一种新兴的进化计算技术。由于其简单易用、稳健性好及强大的全局搜索能力，使得差分进化算法在多个领域取得成功。本专利技术提出基于差分进化算法的PID控制参数优化整定方法(参考图1)，主要包括如下步骤：步骤A、根据待整定系统的复杂程度确定优群体规模M和最大寻优迭代次数Gmax；步骤B、确定待整定PID控制器参数：比例系数KP，积分系数KI和微分系数KD的大致范围，在该范围内随机产生M个个体，具体实施措施如下：根据比例系数KP，积分系数KI和微分系数KD的大致范围，在3维空间中随机产生M个个体，如下式所示：xij(0)=randij(0,1)(xijU-xijL)+xijL]]>式中，下标i＝1,2,L,M表示群体中个体的编码，j＝1,2,3，表示比例系数，积分系数和微分系数在每个个体中的序号，和分别是第j个参数的上界和下界，randij(0,1)是[0,1]之间的随机数；步骤C：变异操作，从群体中随机选择3个个体且i≠p1≠p2≠p3，则基本的变异操作为：hij(g+1)=xp1j(g)+F(xp2j(g)-xp3j(g))]]>式中为差异化向量，F为变异因子，p1,p2,p3为随机整数，表示个体在种群中的序号；步骤D：交叉操作，这是为了增加种群的多样性，具体操作如下：vij(g+1)=hij(g+1),randlij≤CRxij(g),randlij>CR]]>式中，randlij为[0,1]之间的随机小数，CR为交叉概率，CR∈[0,1]。步骤E：将种群中的个体xi(g)和vi(g+1)依次赋予PID控制器参数，运行控制系统的仿真程序，分别得到该组参数对应的性能指标，J=Σk=0n[w1e2(k)+w2u2(k)]T]]>式中，e(k)为控制系统输出误差，u(k)为PID控制器输出，T为采样时间，w1，w2为相应权值，将得到的性能指标J传递到差分进化寻优算法中作为该个体的适应值；步骤F：选择操作，为了确定xi(g)是否能成为下一代的成员，将实验向量vi(g+1)和目标向量xi(g)所对应的适应度(这里取控制系统的性能指标J)进行比较：xi(g+1)=vi(g+1),J(vi(g+1))<J(xi(g))xi(g),J(vi(t+1))≥J(xi(g))]]>反复执行步骤C到步骤F，直至达到最大迭代次数Gmax；模拟PID调节器的理想PID算式为：...
【技术保护点】
一种基于差分进化算法的PID控制参数优化整定方法，其特征在于：将每一组可行的PID控制器参数：比例系数KP，积分系数KI和微分系数KD表示为差分进化算法操作种群中的个体，采用一个综合衡量控制系统稳定性、快速性和准确性的性能指标作为差分进化算法的适应度指标，利用差分进化算法搜索获得最优的PID控制器参数；所述的基于差分进化算法(DE)的PID控制器参数优化方法包括以下步骤：步骤A、确定PID控制器待整定参数比例系数KP，积分系数KI和微分系数KD的可行范围；步骤B、根据控制系统的复杂程度确定差分进化寻优的群体规模M和最大允许迭代次数Gmax；步骤C、生成初始种群，在n维空间(n取待寻优参数的个数，这里n＝3)中随机生成位于待整定参数可行范围内的M个个体，每个个体对应一组可行的PID控制器参数；步骤D、变异操作，通过把种群中任意两个个体的向量差加权后按一定的规则与第三个个体进行求和运算产生新个体；步骤E、交叉操作，增加群体中个体的多样性；步骤F、选择操作，将新个体与当代种群中某个预先决定的个体相比较，以确定两者中可以成为下一代的成员。
【技术特征摘要】
1.一种基于差分进化算法的PID控制参数优化整定方法，其特征在于：将每一组可行
的PID控制器参数：比例系数KP，积分系数KI和微分系数KD表示为差分进化算法操作种群
中的个体，采用一个综合衡量控制系统稳定性、快速性和准确性的性能指标作为差分进化算
法的适应度指标，利用差分进化算法搜索获得最优的PID控制器参数；
所述的基于差分进化算法(DE)的PID控制器参数优化方法包括以下步骤：
步骤A、确定PID控制器待整定参数比例系数KP，积分系数KI和微分系数KD的可行范
围；
步骤B、根据控制系统的复杂程度确定差分进化寻优的群体规模M和最大允许迭代次数
Gmax；
步骤C、生成初始种群，在n维空间(n取待寻优参数的个数，这里n＝3)中随机生成
位于待整定参数可行范围内的M个个体，每个个体对应一组可行的PID控制器参数；
步骤...
【专利技术属性】
技术研发人员：王万召，王红阁，蒋建飞，
申请(专利权)人：河南城建学院，
类型：发明
国别省市：河南;41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。