2024年5月16日发(作者：三星u28d590d)
２０１９年６月
机械设计与制造工程
Ｊｕｎ.２０１９
第４８卷第６期
ＭａｃｈｉｎｅＤｅｓｉｇｎａｎｄＭａｎｕｆａｃｔｕｒｉｎｇＥｎｇｉｎｅｅｒｉｎｇ
Ｖｏｌ.４８Ｎｏ.６
ＤＯＩ:１０.３９６９/ｊ.ｉｓｓｎ.２０９５－５０９Ｘ.２０１９.０６.０１０
基于引领人工蜂群算法的ＰＩＤ控制器参数优化
(兰州理工大学机电工程学院ꎬ甘肃兰州 ７３００５０)
摘要:ＰＩＤ参数决定着ＰＩＤ控制器性能ꎬ针对ＰＩＤ参数优化问题ꎬ提出一种引领人工蜂群算法
(ＧＡＢＣ)ꎮ该算法在保留原有人工蜂群算法(ＡＢＣ)邻近蜜蜂互相交流信息特性的基础上ꎬ增大观
察蜂向拥有较高质量食物源的采蜜蜂的跟随概率ꎬ引入当前全局最优蜜蜂引领其他蜜蜂向更高
质量的食物源移动ꎮ运用ＭＡＴＬＡＢ对经典测试函数进行优化仿真分析可知ꎬＧＡＢＣ算法能快速
得到理论的最优值ꎬ提高了收敛速度和收敛精度ꎬ优于惯性权重线性下降粒子群算法(ＰＳＯ－
ＬＤＩＷ)和ＡＢＣ算法ꎮ以二阶被控模型为研究对象ꎬ将ＧＡＢＣ算法与ＡＢＣ算法和ＰＳＯ－ＬＤＩＷ算
法进行比较ꎬ可知用ＧＡＢＣ算法优化的ＰＩＤ控制器具有无超调量、响应快的特性ꎬ有更好的控制
效果ꎮ
关键词:比例－积分－微分控制器ꎻ参数优化ꎻ人工蜂群算法ꎻ引领人工蜂群算法ꎻ仿真分析
中图分类号:ＴＰ１８ 文献标识码:Ａ 文章编号:２０９５－５０９Ｘ(２０１９)０６－００４１－０５
在工业控制领域中比例－积分－微分(ＰＩＤ)
全局最优解的引领人工蜂群算法(ＧＡＢＣ)并对ＰＩＤ
控制器参数进行了优化ꎮ
张淑珍ꎬ袁小龙ꎬ毛 伟ꎬ李泽元ꎬ甄晶博
控制器以其结构简单、稳定性好的特性得到了广泛
应用
[１]
ꎮＰＩＤ控制器性能的好坏与其３个参数的
选择有着很大关系ꎬ目前ＰＩＤ参数选择方法主要有
传统ＰＩＤ参数整定方法和智能ＰＩＤ参数优化方法ꎮ
对于一些非线性时滞系统ꎬ传统ＰＩＤ参数整定方法
很难满足高精度的控制要求ꎮ随着计算机技术的
发展ꎬ许多学者运用智能算法ꎬ如粒子群算法
功运用在ＰＩＤ控制器参数的优化中
[２－４]
ꎬ对ＰＩＤ参
数进行优化ꎬ发现其比传统ＰＩＤ参数整定方法控制
效果更好ꎬ还能避免传统整定方法的一些缺点ꎮ但
是这些算法都存在早熟和收敛速度慢的问题ꎮ
人工蜂群算法
[５]
(ａｒｔｉｆｉｃｉａｌｂｅｅｃｏｌｏｎｙꎬＡＢＣ)
(ＰＳＯ)、遗传算法(ＧＡ)、蚁群算法(ＡＣＯ)等已经成
１ ＰＩＤ参数优化
１所示ꎮ
参数为核心的线性控制器ꎬＰＩＤ控制系统原理如图
ＰＩＤ控制器是一种以比例、微分以及积分３个
图１ ＰＩＤ控制系统原理
根据期望给定值ｒ(ｔ)与实际输出值ｃ(ｔ)之差
微分通过线性组合构成控制量ꎬ对被控对象进行控
制ꎬ其控制器的微分方程为
１
ｕ(ｔ)＝Ｋ
ｐ
[ｅ(ｔ)＋
Ｔ
Ｉ
构成控制偏差ｅ(ｔ)ꎬ并将偏差ｅ(ｔ)的比例、积分、
是Ｋａｒａｂｏｇａ小组在２００５年提出的一种新颖的基
于群智能的全局优化算法ꎬ该算法以简单且易实
现、控制参数少、具有全局性等优点引起了国内学
者的注意ꎮ文献[６]利用ＡＢＣ算法对ＰＩＤ参数进
行了优化ꎬ证明了其相对于其他智能算法的优越
性ꎬ但是也存在陷入局部最优、后期收敛速度慢、收
敛精度低的缺陷
[７－９]
ꎮ
针对ＡＢＣ算法的缺陷ꎬ本文提出了一种基于
收稿日期:２０１８－０３－１６
基金项目:兰州市科技计划项目(０１５－３－１０９)
式中:ｔ为时间ꎻｕ(ｔ)为控制器输出ꎻＫ
Ｐ
为控制器的
比例系数ꎻＴ
Ｉ
为控制器的积分时间常数ꎻＴ
Ｄ
为控制
器的微分时间常数ꎮ
ＰＩＤ参数优化就是搜寻一组最佳的ＰＩＤ参数
∫
ｔ
０
ｅ(ｔ)ｄｔ＋
Ｔ
Ｄ
ｄｅ(ｔ)
]
ｄｔ
(１)
让系统具有响应速度快、超调量小、调节时间短等
作者简介:张淑珍(１９６９—)ꎬ女ꎬ副教授ꎬ博士ꎬ主要研究方向为工业机器人控制等ꎬｙｘｌ８６９６０７＠ｑｑ.ｃｏｍ.
发布者：admin，转转请注明出处：http://www.yc00.com/num/1715845290a2680594.html
评论列表（0条）