毕业论文网
本文是一篇关于粒子群算法论文范文，可作为相关选题参考,和写作参考文献。
基于粒子群算法的PID参数优化和仿真
引言
在PID 控制器的设计过程中,对比例、积分、微分这三个参数的合理整定非常重要.实际被控对象具有复杂性,传统的整定方法像Ziegler-Nichols 法[1] 往往无法达到控制要求,在实际控制过程中经常会引起系统超调量过大,震荡剧烈等不良结果[2],且大多是针对某一类特定的性能指标或被控对象而提出的,缺乏通用性.当系统对快速性、稳定性和鲁棒性等要求比较高时,Ziegler-Nichols 法往往很难同时兼顾,获得满足实际要求的最优PID 参数是非常不容易的[3].粒子群优化（particle swarm optimization,PSO） 算法是Kennedy和Eberhart 在1995 年提出的一种新兴进化算法[4],源于对鸟群捕食行为的研究,本质上属于一种迭代随机搜索算法,在原理上能以较大的概率找到待优化问题的全局最优解[5].该算法已成功的应用于求解多种复杂的优化问题[3,6-8] ,且易于实现.针对PID 控制器的设计问题,本文应用粒子群算法和绝对误差时间积分函数（Integrated Time and Absolute Error,ITAE）作为目标函数来不断更新比例、积分、微分这三个取值[2],以此来找到最优解,ITAE 性能指标综合了系统的快速性、稳定性和准确性的综合指标,因而得到了广泛应用[9].
一、基于粒子群算法的PID 参数整定
1.1PID 控制算法
PID 控制器是对系统输出和输入的差值进行比例、积分和微分加权运算,将运算结果作为系统被控对象的输入,PID 控制器的传递函数可以表示为
仿真结果表明,利用PSO 算法明显优于Z-N 方法得到的PID 控制器,其综合性能得到了很大提高且具有更小的震幅和更短的调节时间,且不受被控对象形式的限制,鲁棒性和全局收敛能力强[17].
结束语
PID 参数在控制系统中扮演着重要的角色,粒子群算法是一种简单,快速且参数少的智能算法[18],以ITAE 指标最优来自适应的实时优化并调整PID 参数.以上结果表明,该方法优化得到的PID 控制器的综合性能较常规方法得到了很大提高可以满足实际控制工程的需要,可在实际控制系统的设计中推广应用.H
粒子群算法论文范文结:
适合粒子群算法论文写作的大学硕士及相关本科毕业论文，相关粒子群算法开题报告范文和学术职称论文参考文献下载。