改進(jìn)的螢火蟲算法及其在PID控制器參數(shù)整定中的應(yīng)用.pdf

1、在當(dāng)今的工業(yè)過程控制中，PID(Proportional Integral Differential)控制器由于結(jié)構(gòu)簡單、易實(shí)現(xiàn)、可靠性高、魯棒性能高等特點(diǎn)，因此被廣泛的應(yīng)用。根據(jù)相關(guān)的統(tǒng)計(jì)資料顯示，實(shí)際的工業(yè)過程中，使用PID控制思想的控制器占95％以上。眾所周知，PID控制器性能的優(yōu)劣直接與PID控制器的參數(shù)相關(guān)聯(lián)。然而隨著現(xiàn)代工業(yè)技術(shù)的飛速發(fā)展，工業(yè)控制系統(tǒng)變的越來越復(fù)雜，傳統(tǒng)的整定PID控制器參數(shù)的算法已經(jīng)不能很好的適應(yīng)于現(xiàn)代越

2、來越復(fù)雜的控制問題。但隨著人工智能領(lǐng)域的不斷發(fā)展和計(jì)算機(jī)技術(shù)不斷向自動(dòng)化領(lǐng)域的滲透，涌現(xiàn)了大量智能算法整定PID控制器參數(shù)的方法。螢火蟲算法屬于智能優(yōu)化算法中的一種，因其并行性、自組織、易實(shí)現(xiàn)、分布式和魯棒性等特點(diǎn)被廣泛使用。本文將用改進(jìn)的螢火蟲算法(Glowworm Swarm Optimization，GSO)整定PID控制器參數(shù)，研究的主要內(nèi)容概述如下:
　　1、本文提出了一種基子導(dǎo)向機(jī)制和自適應(yīng)步長的螢火蟲算法(Based

3、 onDirected mechanism and Adaptive-step mechanism GSO，D-AGSO)。一方面，本文在算法中引入了自適應(yīng)步長機(jī)制，使步長可以在算法迭代前期保持較大值，以便可以全局內(nèi)搜索最優(yōu)解，防止算法過早成熟，陷入局部最優(yōu)。在迭代后期，使步長可以保持較小值，防止算法跳過最優(yōu)解或者出現(xiàn)震蕩現(xiàn)象，更加有利于精確尋找最優(yōu)解;另一方面，對(duì)于基本的螢火蟲算法，如果螢火蟲個(gè)體在其自身動(dòng)態(tài)決策域半徑內(nèi)沒有找到比自己

4、更亮的螢火蟲，則這類螢火蟲將不確定隨機(jī)移動(dòng)。因此，這類螢火蟲雖然付出了大量計(jì)算代價(jià)，但卻沒有發(fā)生較好的位置移動(dòng)，并且存在導(dǎo)致算法陷入局部最優(yōu)的危險(xiǎn)且不利于算法的快速收斂。為了減小這種算法缺陷，本文針對(duì)這類的螢火蟲個(gè)體，采取了導(dǎo)向性的移動(dòng)策略，以加快迭代速度和求解精度。為了驗(yàn)證改進(jìn)算法的有效性與可行性，本文算法與基本的螢火蟲算法、自適應(yīng)步長的螢火蟲算法(Enhanced Glowworm Swarm OptimizationAlgorit

5、hm， EGSO)、基于熒光因子與覓食行為的螢火蟲算法(Foraging-behaviorAdaptive-step Glowworm Swarm Optimization Algorithm，F(xiàn)A-GSO)進(jìn)行實(shí)驗(yàn)比較，結(jié)果證明本文改進(jìn)的螢火蟲算法具有較優(yōu)的尋優(yōu)性能。
　　2、本文提出了基于一種新的改進(jìn)的螢火蟲算法整定PID控制器參數(shù)的方法，并且使用MATLAB中的Simulink工具建立PID控制器仿真模型，對(duì)本文提出的方法進(jìn)

6、行仿真實(shí)驗(yàn)。本文使用四種不同類型的被控對(duì)象來驗(yàn)證改進(jìn)的螢火蟲算法整定PID控制器參數(shù)的方法的性能，并且本文引入經(jīng)典Z-N公式整定方法、粒子群算法整定方法、差分進(jìn)化整定方法與本文的算法進(jìn)行比較，仿真結(jié)果證明本文提出的算法取得了較好的控制效果。
　　3、本文使用改進(jìn)的ITAE評(píng)價(jià)函數(shù)來驗(yàn)證本文提出的算法，仿真實(shí)驗(yàn)證明通過改變評(píng)價(jià)函數(shù)中的性能權(quán)重系數(shù)，本文算法可有效的使PID控制器偏重于某一特定指標(biāo)性能。因此本文算法可以整定出工業(yè)控制過