蝙蝠算法的pid控制参数优化方法【字数：9823】
摘 要在工业生产控制中，PID控制的运用十分广泛，PID控制具有结构简单稳定性强的优点。PID参数整定是PID控制中的一个重要环节，然而由于现代工业的日益发展，控制过程变得越来越复杂，控制要求也越来越高，传统的PID参数整定方法已经不能完全适应。采用群智能算法是解决上述问题的有效方法，人们将群智能算法与PID参数整定相结合，大大提高了参数优化的精准度。本文选取了蝙蝠算法来优化PID控制参数，蝙蝠算法具有模型简单、参数较少、易于实现等优点。本文将蝙蝠算法引入到PID控制系统中，通过matlab仿真试验，证明了基于蝙蝠算法的PID控制参数优化方法是一种具有实用价值、高效、准确地参数寻优方式。本文主要研究工作如下（1）简述了PID控制和蝙蝠算法的研究背景、意义以及国内外研究现状。（2）简述了传统PID 控制原理和改进的PID控制算法，简述了蝙蝠算法的原理与运行步骤。（3）提出基于蝙蝠算法的PID控制参数优化方法。通过大量的仿真试验，并将其与粒子群算法优化PID参数和增量式PID控制算法进行对比,仿真实验结果表明，改进后所提出的方法较之基本PID，控制性能有明显提高，且与基于粒子群的PID参数整定方法相当。
目 录
1.绪论 1
1.1 研究意义与背景 1
1.2 国内外研究现状 1
1.2.1 PID参数整定发展与研究现状 1
1.2.2蝙蝠算法的研究现状 3
1.3论文主要内容 3
2.PID控制与参数整定 5
2.1 经典PID控制 5
2.2 改进PID整定的方法 5
2.2.1积分分离PID控制算法 5
2.2.2位置式PID控制算法 6
2.2.3增量式PID控制算法 7
2.3仿真与分析 7
2.4本章小结 8
3.蝙蝠算法 9
3.1蝙蝠算法原理 9
3.2蝙蝠算法的实现步骤 10
3.3仿真与分析 11
4.基于蝙蝠算法的PID控制参数优化 14
4.1蝙蝠算法整定PID参数原理 14
4.2算法流程 14
4.3仿真实验 15< *好棒文|www.hbsrm.com +Q: ￥351916072$
br /> 4.3.1实验对象及参数设置 15
4.3.2仿真与分析 16
5.结论 21
致谢 22
参考文献 23
1.绪论
研究意义与背景
PID(比例积分微分)控制器[1]在上世纪30年代出现。因其原理简单，系统模型较为单一的特点，被广泛运用于工业生产中。
由于传统的PID参数整定时产生的误差较大，整定过程比较复杂并且整定结果较差，产生震荡和超调量也很大，所以优化PID控制参数是解决上述问题的有效途径。想要精确的找到合适的PID参数，就需要研究出更多新的整定方法。因此人们发现了一种将群智能算法运用在PID控制中的方法，事实证明，该方法大大优化了PID参数整定。
本文将蝙蝠算法应用到PID参数整定中，运用蝙蝠算法准确性高、易于实现和结构简单等优点来实现PID控制参数的优化，以达到提高控制系统的精度、稳定性和整定速度的目的。
国内外研究现状
1.2.1 PID参数整定发展与研究现状
1932年奈奎斯特提出用图形法来判断系统的稳定性[2]，同时工业生产开始采用反馈控制来实现。1936年Callender和Stevenson等人研究出了PID控制的方法[2]，自此，在自动控制领域中，PID控制应用越来越广泛。
如今PID参数整定主要有以下三个研究方向：
(1)对于单输入输出的PID控制系统：存在控制对象变化较大和干扰控制过程的变量过多的问题，因此需要继续深化研究PID参数整定的方法。
(2)对于多输入输出的PID控制系统：需研究如何整合各个对象的关系。
(3)对于智能PID算法方面：将智能算法与PID参数整定结合;研究出更多智能PID整定方法。
围绕上述这三种方法，涌现出来很多有效的改进方法，比如：
曾豪勇等[3]运用模拟扩充临界比例度法整定增量式PID参数，实施大量实验，实验结果表明使用该方法大大提升了工作效率，控制结果也更加优化。
韩冲[4]提出了一种神经网络直接自整定PID控制器。主要特点是,它不包括在控制结构中的独立PID控制,而是集成了神经网络和PID控制规律，结果表明该控制系统具有较强的适应性和鲁棒性。
宋超等[5]提出了基于GUI的单回路PID控制系统，采用matlab软件的GUI和simulink进行仿真调试得到了很好的效果。
张婧等[6]根据自动控制原理，利用MATLAB自带的Rltool工具箱来改进出简易的PID控制参数整定方法，实践表明利用该方法调整参数十分方便易懂。
Priyanka[7]开发了一种基于PLC的PID控制器，对开环响应进行识别并在matlab/simulink平台上仿真，实验结果表明该方法提高了系统的稳定性能。
徐传敬等[8]对基本遗传算法的参数进行改进，提出一种改进遗传算法的PID参数整定研究，该方法提升了算法的收敛速度防止陷入局部最优。
杨智等[9]针对工业过程中的PID参数整定困难的问题,提出一种个性化惯性权重的粒子群算法,并用来优化PID控制参数整定。
王正等[11]提出基于改进花授粉算法的PID参数整定，该算法引入监测邻域,对邻域中粒子,利用适应度指数定标来确定不同的选中概率,选择部分花粉粒子进行变异,提高粒子种群的多样性和算法的效率。。
叶海平[12]将模糊控制理论应用到PID参数整定中,构建模糊PID整定器，将模糊PID控制器应用到伺服系统中,与基本PID控制器在Matalab的Simulink中进行仿真建模比较，证明了模糊PID控制器的快速响应和稳定特性。
李吉涛等[13]针对工业中PID参数不能跟随被控装置在线优化的问题，提出了基于类脑计算的过程控制PID参数在线整定的方法，该方法克服了时变工作情况下PID参数与被控对象的不相容性,在未知干扰的情况中,实现了参数最优解的输出。
不光在理论研究中发展迅速，人们在实际应用中也有很多研究。
韩海宁[14]用蚁群算法对海上平台热介质锅炉采用的传统PID控制参数进行优化,提高热介质锅炉的控制精度与稳定性，大大提高了工作效率。?
郭威等[15]针对水电机组PID参数优化问题,在分析水电机组调节系统特性和PID寻优适应度函数的基础上,基于萤火虫算法建立了水电机组调速器PID参数寻优模型，等等。
1.2.2蝙蝠算法的研究现状
2010年，剑桥学者Yang Xin She[16]根据蝙蝠发射超声波进行探测周围的实体的原理，提出模拟蝙蝠回声定位特点的蝙蝠算法(Bat Algorithms)。蝙蝠算法具有模型简单、参数较少、易于实现的优点，同时也和其他群智能算法一样，存在易陷入局部最优、收敛速度慢、收敛精度低等缺点。人们根据以上问题进行了很多改进来提升蝙蝠算法的性能。
目 录
1.绪论 1
1.1 研究意义与背景 1
1.2 国内外研究现状 1
1.2.1 PID参数整定发展与研究现状 1
1.2.2蝙蝠算法的研究现状 3
1.3论文主要内容 3
2.PID控制与参数整定 5
2.1 经典PID控制 5
2.2 改进PID整定的方法 5
2.2.1积分分离PID控制算法 5
2.2.2位置式PID控制算法 6
2.2.3增量式PID控制算法 7
2.3仿真与分析 7
2.4本章小结 8
3.蝙蝠算法 9
3.1蝙蝠算法原理 9
3.2蝙蝠算法的实现步骤 10
3.3仿真与分析 11
4.基于蝙蝠算法的PID控制参数优化 14
4.1蝙蝠算法整定PID参数原理 14
4.2算法流程 14
4.3仿真实验 15< *好棒文|www.hbsrm.com +Q: ￥351916072$
br /> 4.3.1实验对象及参数设置 15
4.3.2仿真与分析 16
5.结论 21
致谢 22
参考文献 23
1.绪论
研究意义与背景
PID(比例积分微分)控制器[1]在上世纪30年代出现。因其原理简单，系统模型较为单一的特点，被广泛运用于工业生产中。
由于传统的PID参数整定时产生的误差较大，整定过程比较复杂并且整定结果较差，产生震荡和超调量也很大，所以优化PID控制参数是解决上述问题的有效途径。想要精确的找到合适的PID参数，就需要研究出更多新的整定方法。因此人们发现了一种将群智能算法运用在PID控制中的方法，事实证明，该方法大大优化了PID参数整定。
本文将蝙蝠算法应用到PID参数整定中，运用蝙蝠算法准确性高、易于实现和结构简单等优点来实现PID控制参数的优化，以达到提高控制系统的精度、稳定性和整定速度的目的。
国内外研究现状
1.2.1 PID参数整定发展与研究现状
1932年奈奎斯特提出用图形法来判断系统的稳定性[2]，同时工业生产开始采用反馈控制来实现。1936年Callender和Stevenson等人研究出了PID控制的方法[2]，自此，在自动控制领域中，PID控制应用越来越广泛。
如今PID参数整定主要有以下三个研究方向：
(1)对于单输入输出的PID控制系统：存在控制对象变化较大和干扰控制过程的变量过多的问题，因此需要继续深化研究PID参数整定的方法。
(2)对于多输入输出的PID控制系统：需研究如何整合各个对象的关系。
(3)对于智能PID算法方面：将智能算法与PID参数整定结合;研究出更多智能PID整定方法。
围绕上述这三种方法，涌现出来很多有效的改进方法，比如：
曾豪勇等[3]运用模拟扩充临界比例度法整定增量式PID参数，实施大量实验，实验结果表明使用该方法大大提升了工作效率，控制结果也更加优化。
韩冲[4]提出了一种神经网络直接自整定PID控制器。主要特点是,它不包括在控制结构中的独立PID控制,而是集成了神经网络和PID控制规律，结果表明该控制系统具有较强的适应性和鲁棒性。
宋超等[5]提出了基于GUI的单回路PID控制系统，采用matlab软件的GUI和simulink进行仿真调试得到了很好的效果。
张婧等[6]根据自动控制原理，利用MATLAB自带的Rltool工具箱来改进出简易的PID控制参数整定方法，实践表明利用该方法调整参数十分方便易懂。
Priyanka[7]开发了一种基于PLC的PID控制器，对开环响应进行识别并在matlab/simulink平台上仿真，实验结果表明该方法提高了系统的稳定性能。
徐传敬等[8]对基本遗传算法的参数进行改进，提出一种改进遗传算法的PID参数整定研究，该方法提升了算法的收敛速度防止陷入局部最优。
杨智等[9]针对工业过程中的PID参数整定困难的问题,提出一种个性化惯性权重的粒子群算法,并用来优化PID控制参数整定。
王正等[11]提出基于改进花授粉算法的PID参数整定，该算法引入监测邻域,对邻域中粒子,利用适应度指数定标来确定不同的选中概率,选择部分花粉粒子进行变异,提高粒子种群的多样性和算法的效率。。
叶海平[12]将模糊控制理论应用到PID参数整定中,构建模糊PID整定器，将模糊PID控制器应用到伺服系统中,与基本PID控制器在Matalab的Simulink中进行仿真建模比较，证明了模糊PID控制器的快速响应和稳定特性。
李吉涛等[13]针对工业中PID参数不能跟随被控装置在线优化的问题，提出了基于类脑计算的过程控制PID参数在线整定的方法，该方法克服了时变工作情况下PID参数与被控对象的不相容性,在未知干扰的情况中,实现了参数最优解的输出。
不光在理论研究中发展迅速，人们在实际应用中也有很多研究。
韩海宁[14]用蚁群算法对海上平台热介质锅炉采用的传统PID控制参数进行优化,提高热介质锅炉的控制精度与稳定性，大大提高了工作效率。?
郭威等[15]针对水电机组PID参数优化问题,在分析水电机组调节系统特性和PID寻优适应度函数的基础上,基于萤火虫算法建立了水电机组调速器PID参数寻优模型，等等。
1.2.2蝙蝠算法的研究现状
2010年，剑桥学者Yang Xin She[16]根据蝙蝠发射超声波进行探测周围的实体的原理，提出模拟蝙蝠回声定位特点的蝙蝠算法(Bat Algorithms)。蝙蝠算法具有模型简单、参数较少、易于实现的优点，同时也和其他群智能算法一样，存在易陷入局部最优、收敛速度慢、收敛精度低等缺点。人们根据以上问题进行了很多改进来提升蝙蝠算法的性能。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/1109.html
