论文部分内容阅读
在当今的工业过程控制中,PID(Proportional Integral Differential)控制器由于结构简单、易实现、可靠性高、鲁棒性能高等特点,因此被广泛的应用。根据相关的统计资料显示,实际的工业过程中,使用PID控制思想的控制器占95%以上。众所周知,PID控制器性能的优劣直接与PID控制器的参数相关联。然而随着现代工业技术的飞速发展,工业控制系统变的越来越复杂,传统的整定PID控制器参数的算法已经不能很好的适应于现代越来越复杂的控制问题。但随着人工智能领域的不断发展和计算机技术不断向自动化领域的渗透,涌现了大量智能算法整定P1D控制器参数的方法。萤火虫算法属于智能优化算法中的一种,因其并行性、自组织、易实现、分布式和鲁棒性等特点被广泛使用。本文将用改进的萤火虫算法(Glowworm Swarm Optimization,GSO)整定PID控制器参数,研究的主要内容概述如下:1、本文提出了一种基于导向机制和自适应步长的萤火虫算法(Based on Directed mechanism and Adaptive-step mechanism GSO,D-AGSO)。一方面,本文在算法中引入了自适应步长机制,使步长可以在算法迭代前期保持较大值,以便可以全局内搜索最优解,防止算法过早成熟,陷入局部最优。在迭代后期,使步长可以保持较小值,防止算法跳过最优解或者出现震荡现象,更加有利于精确寻找最优解;另一方面,对于基本的萤火虫算法,如果萤火虫个体在其自身动态决策域半径内没有找到比自己更亮的萤火虫,则这类萤火虫将不确定随机移动。因此,这类萤火虫虽然付出了大量计算代价,但却没有发生较好的位置移动,并且存在导致算法陷入局部最优的危险且不利于算法的快速收敛。为了减小这种算法缺陷,本文针对这类的萤火虫个体,采取了导向性的移动策略,以加快迭代速度和求解精度。为了验证改进算法的有效性与可行性,本文算法与基本的萤火虫算法、自适应步长的萤火虫算法(Enhanced Glowworm Swarm Optimization Algorithm,EGSO)、基于荧光因子与觅食行为的萤火虫算法(Foraging-behavior Adaptive-step Glowworm Swarm Optimization Algorithm,FA-GSO)进行实验比较,结果证明本文改进的萤火虫算法具有较优的寻优性能。2、本文提出了基于一种新的改进的萤火虫算法整定PID控制器参数的方法,并且使用MATLAB中的Simulink工具建立PID控制器仿真模型,对本文提出的方法进行仿真实验。本文使用四种不同类型的被控对象来验证改进的萤火虫算法整定PID控制器参数的方法的性能,并且本文引入经典Z-N公式整定方法、粒子群算法整定方法、差分进化整定方法与本文的算法进行比较,仿真结果证明本文提出的算法取得了较好的控制效果。3、本文使用改进的ITAE评价函数来验证本文提出的算法,仿真实验证明通过改变评价函数中的性能权重系数,本文算法可有效的使PID控制器偏重于某一特定指标性能。因此本文算法可以整定出工业控制过程中所需要的具有针对性的PID控制器。