学海网

毕业设计-粒子算法在控制器参数设计中的应用，共58页，25764字，附外文翻译、答辩PPT
摘 要
众所周知，PID控制在现代工业控制中占据了十分重要的位置。PID 控制器结构简单、实现容易且应用十分广泛。PID 控制器的核心是 PID 参数整定。但随着现代工业的发展，控制过程越来越复杂，传统的 PID 参数整定方法已经不能完全适应。PID 参数整定已成为一个重要研究课题，研究一种新型、高效的参数整定十分必要。粒子群算法(PSO)，是一种进化计算技术。粒子算法源于对鸟群捕食行为研究，PSO同遗传算法类似，是一种基于迭代的优化工具。 系统初始化为一组随机变量，通过迭代寻找最优值。但是并没有遗传算法的交叉以及变异，而是粒子在解空间追随最优的粒子进行搜索。
本文通过利用粒子群算法来确定PID参数，结合仿真实例证明利用粒子群算法在整定PID参数时具有快速，高效率等优点。首先，从不同方面介绍了PID控制的发展现状，对进化算法尤其是粒子群算法进行了综述。然后，简单介绍了进化算法并且引入粒子群算法及研究现状。学习了粒子群算法的基本原理，了解了主要参数的作用，着重讨论了基于惯性权重参数和学习因子的改进方法。介绍了PID控制的基本原理，对评价控制系统的性能指标和整定方法进行了学习。基于某被控对象采用粒子群算法，设计了PID控制系统参数的整定流程。在Matlab\Simulink中进行了编程，仿真结果验证了所设计整定方法的可行性。
关键词：粒子群算法，PID控制器，参数整定

ABSTRACT
As everyone knows, PID control occupied the important situation in the modern industry . The PID controller has the advantages of simple structure and easy realization, and it is widely used. The PID parameter tuning is the core of the PID controller. But with the development of modern industry, more and more complicated control processes have appeared, the traditional PID parameter tuning method has been unable to fully meet the development. PID parameter tuning is being scientific research workers is an important research task. Researching of a novel, efficient parameter tuning is necessary. Particle swarm optimization (PSO) algorithm is a evolutionary algorithms. Particle algorithm derived from the study of birds feed on behavior, similar particle algorithm with genetic algorithm, and it is based on iterative optimization tools. System is initialized as a set of random variable, through iteration to find the optimal value .But there is no crossover and mutation of genetic algorithm, but the particles in the solution space to follow the search for the optimal particle .
In this paper, using particle swarm optimization algorithm to optimize PID parameters, and combined with the simulation example is given to illustrate the particle algorithm when determining the PID parameters is fast, efficient .First of all ,the PID control are introduced from different aspects of development ,especially the particle swam algorithm are reviewed .Then introduces the evolution and introduced and research status of particle swarm optimization (PSO) algorithm. Learning the basic principle of particle swarm optimization algorithm, to understand the effect of main parameters , discussed based on the inertia weight of learning factor and parameters of the improved method. The paper introduced the basic principle of PID control, to evaluate performance of the control system and setting method of study. Based on a controlled object using particle swarm optimization algorithm, designed the PID control system parameters setting process. To the Matlab\Simulink in programming, the simulation results verify the feasibility of setting method of the design.
KEY WORDS: PID control, particle swarm optimization, PID parameters

目 录
第一章 绪 论 1
1.1研究意义及背景... .1
1.2 PID控制器简介 2
1.2.1．PID控制的发展历程及现状 2
1.2.2．PID参数整定国内外研究现状 3
1.2.3．参数整定分类 4
1.3进化算法概述 5
1.3.1．粒子群算法的研究现状 6
1.3.2．粒子群算法的应用研究 7
1.4本课题研究的主要工作 8
第二章 粒子群算法简介 8
2.1群智能算法 9
2.1.1．蚁群算法 10
2.1.2．人工鱼群算法 10
2.1.3．其他智能优化算法 10
2.2基本和标准粒子群算法 12
2.2.1．粒子群优化算法的起源 12
2.2.2．基本粒子群优化算法 13
2.2.3．标准粒子群算法 15
2.2.4．粒子群算法的控制参数 16
2.3参数改进 18
2.3.1．惯性权重参数的改进 18
2.3.2．学习因子的改进 20
第三章 PID控制器介绍 21
3.1PID控制理论基础及现状 21
3.1.1．模拟PID调节器 21
3.1.2．PID参数对控制系统的影响 23
3.1.3．数字PID控制器 24
3.2控制系统的性能评价指标 25
3.2.1．鲁棒性指标 25
3.2.2．传统PID控制系统设计方法 26
第四章 基于粒子群优化算法的PID参数整定 29
4.1粒子群优化算法整定PID参数原理 29
4.1.1．控制系统的性能指标 29
4.1.2．典型的被控对象模型 32
4.2 基于粒子群算法的PID仿真试验步骤与流程 32
第五章 仿真 35
5.1问题描述 35
5.2参数整定思路 36
5.2.1．优化过程 36
5.2.2．粒子群算法实现 37
5.3.仿真结果 38
5.3.1．实验数据记录 38
5.3.2．实验结果分析 40
第 六 章 全 文 总 结 41
参 考 文 献 42
致 谢 49
毕业设计小结 50

本课题研究的主要工作
本论文围绕粒子群算法对PID参数的调节展开研究，全文共六章。首先，简单介绍了PID,包括PID控制的发展历程及其现状,模拟PID调节器,PID参数对控制系统的影响，PID参数整定在国内外研究现状以及现阶段参数的分类。然后简单介绍了进化算法并且引入粒子群算法及研究现状。以上所述为第一章部分。第二章专门介绍了粒子群算法，群智能算法包括了粒子群算法，因此在本章开篇先介绍了群智能算法，逐步介绍基本粒子群算法和标准粒子群算法，根据论文需要着重介绍了粒子群算法的参数改进，最后简要点出了粒子群算法的应用和研究。第三章PID控制器介绍，首先阐述了PID控制理论基础及现状，接着叙述了对系统性能评价的方法。在完成上述基本的介绍之后，第四章，基于粒子群算法的PID参数整定研究，首先介绍了粒子群算法整定PID参数的原理，然后具体叙述了其步骤和流程。第五章，仿真，讲述解决思路,记录实验结果并分析数据。最后一章，第六章，全文总结，展望未来。以上就是本次论文的具体安排。