一种采用自适应性粒子群算法对PID参数进行整定优化方法技术

本发明专利技术公开了一种采用自适应性粒子群算法对PID参数进行整定优化方法，属于控制算法领域，包括如下步骤：步骤1：构建关于PID参数的粒子群，并初始化粒子群；步骤2：将粒子群的解空间进行分块，每个分块的空间大小一致，分块个数大于等于粒子个数的一半；步骤3：综合考虑系统误差积分准则ITAE和PID控制器稳定系数，更新粒子群位置；步骤4：引入种群分布熵和粒子平均距离，判断当前粒子群的分布状态离散程度，以达到寻优的效果；步骤5：判断结束迭代条件进行结果输出。本发明专利技术对带有延迟的线性定常系统进行PID参数整定，在粒子迭代过程中能够有效增强全局搜索能力，充分寻找到整个解空间上的最优值，同时每个粒子都会保存局部最优值信息。信息。信息。

【技术实现步骤摘要】
一种采用自适应性粒子群算法对PID参数进行整定优化方法


[0001]本专利技术具体涉及一种采用自适应性粒子群算法对PID参数进行整定优化方法，属于控制算法领域。

技术介绍

[0002]由于大时滞、非线性的工业系统的普遍存在，传统PID控制的一些经验公式会出现一定的问题，主要体现在无法保证系统稳定性、系统动态性能不够优异。而如果采用粒子群算法对PID控制参数进行整定，容易陷入局部最优值。
[0003]传统PID控制器其实是在原控制系统上串联了一个PID部分后再加入一个反馈通路的设计。由于时滞和非线性系统的存在，使得这种设计在整定PID参数时很大程度上依赖于工程人员的经验，而多变的系统特性使得整定参数非常困难。
[0004]对于粒子群算法的改进，主要改进思路就是通过一些操作保证粒子群算法在搜索时不早熟，即不会过早陷入到局部最优点。目前常见的思路主要有：动态改变相关因子，将解空间进行边界缝合等，或者对粒子两两之间进行距离判断，缺乏对整个粒子群体在搜索过程中的分布情况。
[0005]对于使用智能算法整定PID控制器参数已经有了许多研究，但是基本上都是针对单位阶跃输入的研究，缺乏在有白噪声条件下的系统的恢复性和抗干扰性的研究。

技术实现思路

[0006]本专利技术的目的在于针对现有技术不足，提出一种采用自适应性粒子群算法对PID参数进行整定优化方法，对带有延迟的线性定常系统进行PID参数整定，在粒子迭代过程中能够有效增强全局搜索能力，充分寻找到整个解空间上的最优值，同时每个粒子都会保存局部最优值信息，以供工程人员进一步的选择。
[0007]为解决上述技术问题，本专利技术采用的技术方案为：
[0008]一种采用自适应性粒子群算法对PID参数进行整定优化方法，包括如下步骤：
[0009]步骤1：构建关于PID参数的粒子群，并初始化粒子群；
[0010]步骤2：将粒子群的解空间进行分块，每个分块的空间大小一致，分块个数大于等于粒子个数的一半，保证在粒子均匀分布的情况下，每个解空间中有两个或更多粒子；
[0011]步骤3：综合考虑系统误差积分准则ITAE和PID控制器稳定系数，更新粒子群位置；
[0012]步骤4：引入种群分布熵和粒子平均距离，判断当前粒子群的分布状态离散程度，以达到寻优的效果；
[0013]步骤5：判断结束迭代条件进行结果输出。
[0014]进一步的，步骤1包括如下步骤：
[0015]步骤1.1：设置粒子的数量N，粒子最大迭代次数K，解空间的维度，解空间的范围，粒子速度的范围，个体学习因子c1，群体学习因子c2，惯性权重的范围[ω
min
，ω
max
]，ω
max
为惯性权重最大值，ω
min
为惯性权重最小值，粒子变异的概率p
m
；
[0016]步骤1.2：利用随机数功能，在解空间中随机生成位置向量和速度向量，并将这些向量赋给每个粒子，作为它们初始的位置和速度。
[0017]进一步的，步骤3包括如下步骤：
[0018]步骤3.1：更新粒子群的惯性权重ω、粒子的速度向量v和位置向量x，依据下述公式：
[0019][0020]v
i
(t+1)＝ω(t)v
i
(t)+c1r1(pbest
i
(t)
‑
x
i
(t))+c2r2(gbest(t)
‑
x
i
(t))
[0021]x
i
(t+1)＝v
i
(t+1)+x
i
(t)
[0022]其中ω为惯性权重，K为最大迭代次数，v
i
为第i个粒子的速度向量，x
i
为第i个粒子的位置向量，pbest
i
为第i个粒子的粒子最优位置，gbest为整个粒子群的种群最优位置，r1，r2为随机数，且范围为[0,2]，
[0023]步骤3.2：基于系统误差积分准则ITAE，依次计算每个粒子的适应度fit
i
，并将其与该粒子的粒子最优位置pbest
i
处的适应度pfit
i
相比较，若fit
i
小于pfit
i
，则将此时的粒子位置更新为粒子最优位置，
[0024]步骤3.3：依次计算每个粒子的粒子最优位置pbest
i
处的适应度pfit
i
，并将其与粒子群的全局最优位置gbest处的适应度gfit相比较，若pfit
i
小于gfit，则将第i个粒子的粒子最优位置更新为全局最优位置。
[0025]优选的，步骤3.2适应度函数为：将粒子位置向量的分量作为PID控制器的参数，将PID控制器加入到原系统后，系统误差积分准则ITAE计算公式为：
[0026][0027]其中，e(t)为误差关于时间的函数，
[0028]适应度函数大小比较包括如下步骤：
[0029]步骤3.2.1：计算pbesti对应的PID控制器的ITAE，并记为ITAEi，gbest对应的PID控制器的系统误差积分准则，并记为ITAE
g
，若ITAE
i
小于1.1倍ITAE
g
，则认为整体动态性能相近，则进行稳定性分析，转到步骤3.2.2；否则计算下一个粒子，转到步骤3.3；
[0030]步骤3.2.2：基于下式生成输入信号并进行仿真：
[0031]r(t)＝1(t)+ε
[0032]其中，ε为白噪声，其均值为0，标准差为1；
[0033]步骤3.2.3：计算pbest
i
对应的PID控制器的稳定系数SI
i
，计算gbest对应的PID控制器的稳定系数SI
g
，重复操作两次，若SI
i
均小于SI
g
，则认为pbest处的适应度pfit
i
小于gfit，比较结束，稳定系数SI的计算公式为：
[0034][0035]其中，SP
i
为在第i时刻的设定值，即希望稳态输出的值。OP
i
为系统在第i时刻系统的输出，n为数据个数，
△
为允许的误差带。
[0036]进一步的，步骤4包括如下步骤：
[0037]步骤4.1：确定当前粒子群的种群分布熵E(t)及粒子平均距离D(t)；
[0038]步骤4.2：若E(t)和D(t)不在阈值范围内，则粒子的分布不均匀，粒子可能陷入局部最优，执行步骤4.3的操作，否则跳转执行步骤5的操作；
[0039]步骤4.3：依次对所有粒子进行如下操作：在[0,1]内生成一随机数，若该随机数大于p
m
，则认为该粒子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用自适应性粒子群算法对PID参数进行整定优化方法，其特征在于，包括如下步骤：步骤1：构建关于PID参数的粒子群，并初始化粒子群；步骤2：将粒子群的解空间进行分块，每个分块的空间大小一致，分块个数大于等于粒子个数的一半，保证在粒子均匀分布的情况下，每个解空间中有两个或更多粒子；步骤3：综合考虑系统误差积分准则ITAE和PID控制器稳定系数，更新粒子群位置；步骤4：引入种群分布熵和粒子平均距离，判断当前粒子群的分布状态离散程度，以达到寻优的效果；步骤5：判断结束迭代条件进行结果输出。2.根据权利要求1所述一种采用自适应性粒子群算法对PID参数进行整定优化方法，其特征在于：步骤1包括如下步骤：步骤1.1：设置粒子的数量N，粒子最大迭代次数K，解空间的维度，解空间的范围，粒子速度的范围，个体学习因子c1，群体学习因子c2，惯性权重的范围[ω
min
，ω
max
]，ω
max
为惯性权重最大值，ω
min
为惯性权重最小值，粒子变异的概率p
m
；步骤1.2：利用随机数功能，在解空间中随机生成位置向量和速度向量，并将这些向量赋给每个粒子，作为它们初始的位置和速度。3.根据权利要求2所述一种采用自适应性粒子群算法对PID参数进行整定优化方法，其特征在于：步骤3包括如下步骤：步骤3.1：更新粒子群的惯性权重ω、粒子的速度向量v和位置向量x，依据下述公式：v
i
(t+1)＝ω(t)v
i
(t)+c1r1(pbest
i
(t)
‑
x
i
(t))+c2r2(gbest(t)
‑
x
i
(t))x
i
(t+1)＝v
i
(t+1)+x
i
(t)其中ω为惯性权重，K为最大迭代次数，v
i
为第i个粒子的速度向量，x
i
为第i个粒子的位置向量，pbest
i
为第i个粒子的粒子最优位置，gbest为整个粒子群的种群最优位置，r1，r2为随机数，且范围为[0,2]，步骤3.2：基于系统误差积分准则ITAE，依次计算每个粒子的适应度fit
i
，并将其与该粒子的粒子最优位置pbest
i
处的适应度pfit
i
相比较，若fit
i
小于pfit
i
，则将此时的粒子位置更新为粒子最优位置，步骤3.3：依次计算每个粒子的粒子最优位置pbest
i
处的适应度pfit
i
，并将其与粒子群的全局最优位置gbest处的适应度gfit相比较，若pfit
i
小于gfit，则将第i个粒子的粒子最优位置更新为全局最优位置。4.根据权利要求3所述一种采用自适应性粒子群算法对PID参数进行整定优化方法，其特征在于：步骤3.2适应度函数为：将粒子位置向量的分量作为PID控制器的参数，将PID控制器加入到原系统后，系统误差积分准则ITAE计算公式为：
其中，e(t)为误差关于时间的函数，适应度函数大小比较包括如下步骤：步骤3.2.1：计算pbesti对应的PID控制器的ITAE，并记为ITAEi，gbest对应的PID控制器的系统误差积分准则，并记为ITAE
g
，若ITAE
i
小于1.1倍ITAE
g
，则认为整体动态性能相近，则进行稳定性分析，转到步骤3.2.2；否则计算下一个粒子，转到步骤3.3；步骤3.2.2：基于下式生成输...

【专利技术属性】
技术研发人员：曹羽昕，沙鸿飞，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：