基于計算機智能的分數(shù)階PID控制器研究.pdf

1、PID控制器是目前過程控制領(lǐng)域廣泛使用的一種控制策略。但是隨著工業(yè)生產(chǎn)規(guī)模擴大化與產(chǎn)品精細化，大約有10％-20％的復雜過程控制無法單純地使用傳統(tǒng)PID控制策略，因此需要尋找更先進的控制策略。分數(shù)階PID控制器是近年來提出的一種先進控制策略，兩個分數(shù)階次的引入使其比傳統(tǒng)整數(shù)階PID控制器具有更加靈活的調(diào)節(jié)范圍及更為廣闊的應(yīng)用前景，但同時五維參數(shù)的整定也是制約其應(yīng)用于實踐的主要難點之一。為此，本文從分數(shù)階微積分學入手，基于計算智能的相關(guān)技

2、術(shù)，提出一種離線參數(shù)優(yōu)化與在線參數(shù)整定相結(jié)合的策略，以獲取分數(shù)階PID控制器的五維參數(shù)。
　　研究了分數(shù)階微積分學的相關(guān)內(nèi)容并結(jié)合整數(shù)階PID控制理論，闡述了分數(shù)階PID控制器的結(jié)構(gòu)與數(shù)學實現(xiàn)。采用改進的Oustaloup法對微積分算子進行有理化，在Matlab/Simulink中構(gòu)建出具有Kp、Ki、Kd、α、β五維參數(shù)的分數(shù)階PID控制器，作為系統(tǒng)的有理化控制模型。
　　采用離線參數(shù)優(yōu)化方法獲取五維參數(shù)的初始樣本。為了能

3、夠高效地搜索控制器的最優(yōu)參數(shù)，本文提出一種將個體進化與群體智能相結(jié)合的智能算法即螢火蟲-遺傳算法。通過仿真實驗研究，證明了該算法比傳統(tǒng)的遺傳算法、混合粒子群算法具有更強大的參數(shù)搜索能力。
　　為了將分數(shù)階PID控制器應(yīng)用于實際系統(tǒng)中，本文設(shè)計出一種可實現(xiàn)在線參數(shù)整定的BP神經(jīng)網(wǎng)絡(luò)分數(shù)階PID控制器。為了提高在線參數(shù)調(diào)整的精度與速度，把采用螢火蟲-遺傳算法離線優(yōu)化后的參數(shù)提供給神經(jīng)網(wǎng)絡(luò)作為初始學習樣本。利用BP神經(jīng)網(wǎng)絡(luò)分數(shù)階PID控

4、制器具有參數(shù)在線自學習的特點，根據(jù)輸入信號的變動實時地調(diào)整五維參數(shù)，從而獲得最優(yōu)控制效果。仿真實驗研究證明，BP神經(jīng)網(wǎng)絡(luò)分數(shù)階PID控制器比整數(shù)階PID控制器動態(tài)誤差更小。
　　以無刷直流電機系統(tǒng)作為實踐應(yīng)用平臺，驗證上述研究內(nèi)容。構(gòu)建出該系統(tǒng)的傳遞函數(shù)模型，采用螢火蟲-遺傳算法離線獲取分數(shù)階PID控制器的五維參數(shù)，作為BP神經(jīng)網(wǎng)絡(luò)分數(shù)階PID控制器的初始學習樣本，進而實現(xiàn)在線參數(shù)整定。將BP神經(jīng)網(wǎng)絡(luò)分數(shù)階PID控制器與整數(shù)階PI