一种PID控制器的控制方法技术

本发明专利技术属于工业控制领域，为一种PID控制器的控制方法，确定粒子群中粒子的数目，粒子为PID控制器的Ki、Kp、Kd三个参数，随机初始粒子群，选择种群中个体历史最优值和全局最优值。更新粒子的位置和速度，根据当代粒子的适应度值替换种群个体历史最优值和全局最优值；计算种群调整概率，备份种群最优粒子，并对种群最优粒子进行交叉变异操作；计算更新后粒子的适应值，选择适应值最优的粒子代替适应值最差的粒子；更新当前种群粒子的位置和速度，并根据适应度选择最优值。迭代直到满足阈值条件或达到最大迭代次数时结束，否则回到步骤3，结束后得到的最优值用于PID控制器的调节。避免了使用PID控制器人员在调整参数上的麻烦，提高使用人员的工作效率。高使用人员的工作效率。高使用人员的工作效率。

【技术实现步骤摘要】
一种PID控制器的控制方法


[0001]本专利技术属于工业控制领域，具体地而言为一种PID控制器的控制方法。

技术介绍

[0002]PID控制在工业控制上有很重要的地位，在闭环系统控制中，可自动对控制系统进行准确且迅速的校正，但其需要对三个PID参数进行整定，常规PSO控制方法很容易陷入局部最优，从而降低使用人员的工作效率和控制效率。

技术实现思路

[0003]本专利技术所要解决的技术问题在于提供一种PID控制器的控制方法，解决常规PSO控制方法很容易陷入局部最优，降低使用人员的工作效率和控制效率的问题。
[0004]本专利技术是这样实现的，
[0005]一种PID控制器的控制方法，包括以下步骤：
[0006]步骤1，确定粒子群中粒子的数目，所述粒子为PID控制器的Ki、Kp、Kd三个参数，随机初始粒子群，选择种群中个体历史最优值和全局最优值。
[0007]步骤2，更新粒子的位置和速度，根据当代粒子的适应度值替换种群个体历史最优值和全局最优值；
[0008]步骤3，计算种群调整概率，若调整概率大于Pm，Pm设定为(0，1)，则执行步骤4，若小于则执行步骤6；
[0009]步骤4，备份种群最优粒子，并对种群最优粒子进行交叉变异操作；
[0010]步骤5，对种群最优粒子的周围区域进行微小位置调整，并计算更新后粒子的适应值，选择适应值最优的粒子代替适应值最差的粒子；
[0011]步骤6，更新当前种群粒子的位置和速度，并根据适应度选择最优值。r/>[0012]步骤7，迭代直到满足阈值条件或达到最大迭代次数时结束，否则回到步骤3，结束后得到的最优值用于PID控制器的调节。
[0013]进一步地，随机初始粒子群，选择种群中个体历史最优值和全局最优值指的是：初始化PSO算法迭代参考的两个极值，即粒子的个体历史最优值以及全局最优值。
[0014]进一步地，步骤4，对种群最优粒子进行交叉变异操作前计算全局最优粒子与种群中粒子之间的距离，设定阈值，并通过全局最优值粒子与种群中粒子之间的距离与阈值比较的大小判断下一步操作，若小于，则对粒子进行交叉操作，若大于则需要判断下一个粒子。
[0015]进一步地，通过适应值判断是否进行变异操作，若适应值没有变小，则对粒子进行变异操作。
[0016]进一步地，步骤1)中设种群中粒子的个数为m，搜索维度为D；粒子个体的历史最优值在D个维度的分量分别为P
i
＝P
i1
,P
i2
,...,P
i1
，全局最优值在D个维度的分量为P
g
＝P
g1
,P
g2
,...,P
g1
。
[0017]进一步地，粒子的位置和速度采用下式进行更新：
[0018][0019]其中，表示粒子i在第k+1次迭代时的速度信息，W称为惯性权重，表示粒子上一次迭代过程的调整值对本次迭代的影响，P
gd
称为全局最优位置，P
id
称为个体历史最优位置，k为算法的迭代次数，C1和C2称为学习因子，是算法学习中全局最优值与种群中个体历史最优值的权重，称为加速因子。
[0020]进一步地，所述适应度值通过适应度函数得到，用于检验所求值的优劣，采用的适应度函数为：
[0021][0022]式中，t
s
为调节时间，σ为超调量。
[0023]进一步地，种群调整概率为：
[0024]P＝α+G
e
×
β
[0025]式中，α与β为小于1的小数，是概率调整系数，G
e
为粒子变动小或者最优值无变化的代数累计值，若粒子群连续几代的最优值都有更新，则表明粒子的群算法不需要进行调整，则G
e
会小，若粒子连续几代的最优值都没有更新，则表明粒子的全局性不好，G
e
会变大，若G
e
的值增大到1/β时，则需使粒子强制调节。
[0026]进一步地，所述阈值设定为：
[0027]Δφ＝(iter/iter
max
)
n
×
(ub
‑
lb)
[0028]在式中iteriter
max
为目前迭代次数与最大迭代次数，ub与lb分别为粒子群位置的上下限。
[0029]进一步地，对于小于阈值的粒子进行交叉操作，粒子交叉的方法，粒子交叉的方法是通过下面的式子实现：
[0030][0031]在式子中x1和x2为上一代粒子，进行交叉操作后得到新的粒子cx1和cx2；e为0到1之间的随机数；
[0032]对粒子进行变异操作来加强粒子对周边区域搜索，变异方程如下：
[0033][0034]本专利技术与现有技术相比，有益效果在于：
[0035]本专利技术利用自适应PSO算法对PID控制器的三个参数进行整定，避免了使用PID控制器人员在调整参数上的麻烦，提高使用人员的工作效率。
附图说明
[0036]图1为本专利技术用于的PID控制系统的结构框图；
[0037]图2为本专利技术实施例提供的控制方法流程图；
具体实施方式
[0038]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0039]如图1所示，PID控制器的输入是由期望值与实际值之间的差值，对其进行比例、积分、微分计算后可求得所需要的控制量，其中e(t)表示为：
[0040]e(t)＝r(t)
‑
y(t)
[0041]对其差值进行比例、积分、微分计算进行对误差的消除，使得被控系统不断向期望目标靠拢，其控制方程为：
[0042][0043]式中K
p
、K
i
、K
d
即为PID三个参数，也就是需要调整的参数，引入自适应PSO算法后，可以帮助我们找出最优的三个参数。
[0044]本专利技术提供的一种PID控制器的控制方法，参见图2所示，包括以下步骤：
[0045]步骤1，确定粒子群中粒子的数目，所述粒子为PID控制器的Ki、Kp、Kd三个参数，随机初始粒子群，选择种群中个体历史最优值和全局最优值。
[0046]步骤2，更新粒子的位置和速度，根据当代粒子的适应度值替换种群个体历史最优值和全局最优值；
[0047]步骤3，计算种群调整概率，若调整概率大于Pm，Pm设定为(0，1)，则执行步骤4，若小于则执行步骤6；
[0048]步骤4，备份种群最优粒子，并对种群最优粒子进行交叉变异操作；
[0049]步骤5，对种群最优粒子的周围区域进行微小位置调整，并计算更新后粒子的适应值，对种群最优粒子的周围区域进行微小位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PID控制器的控制方法，其特征在于，包括以下步骤：步骤1，确定粒子群中粒子的数目，所述粒子为PID控制器的Ki、Kp、Kd三个参数，随机初始粒子群，选择种群中个体历史最优值和全局最优值。步骤2，更新粒子的位置和速度，根据当代粒子的适应度值替换种群个体历史最优值和全局最优值；步骤3，计算种群调整概率，若调整概率大于Pm，Pm设定为(0，1)，则执行步骤4，若小于则执行步骤6；步骤4，备份种群最优粒子，并对种群最优粒子进行交叉变异操作；步骤5，对种群最优粒子的周围区域进行微小位置调整，并计算更新后粒子的适应值，选择适应值最优的粒子代替适应值最差的粒子；步骤6，更新当前种群粒子的位置和速度，并根据适应度选择最优值。步骤7，迭代直到满足阈值条件或达到最大迭代次数时结束，否则回到步骤3，结束后得到的最优值用于PID控制器的调节。2.按照权利要求1所述的PID控制器的控制方法，其特征在于，随机初始粒子群，选择种群中个体历史最优值和全局最优值指的是：初始化PSO算法迭代参考的两个极值，即粒子的个体历史最优值以及全局最优值。3.按照权利要求1所述的PID控制器的控制方法，其特征在于，步骤4，对种群最优粒子进行交叉变异操作前计算全局最优粒子与种群中粒子之间的距离，设定阈值，并通过全局最优值粒子与种群中粒子之间的距离与阈值比较的大小判断下一步操作，若小于，则对粒子进行交叉操作，若大于则需要判断下一个粒子。4.按照权利要求3所述的PID控制器的控制方法，其特征在于，通过适应值判断是否进行变异操作，若适应值没有变小，则对粒子进行变异操作。5.按照权利要求1所述的PID控制器的控制方法，其特征在于，步骤1)中设种群中粒子的个数为m，搜索维度为D；粒子个体的历史最优值在D个维度的分量分别为P
i
＝P
i1
,P
i2
,...,P
i1
，全局最优值在D个维度的分量为P
g
＝P
g1
,P
g2
,...,P
g1
。6....

【专利技术属性】
技术研发人员：刘卫平，卢希全，杨祥卓，李任，张兴，毕泽天，
申请(专利权)人：吉林省驭功智能科技有限责任公司，
类型：发明
国别省市：