基于改進粒子群算法的PID控制器優化設計

莊石榴　王愛元

摘 要：PID控制器是根據PID控制原理對整個控制系統進行偏差調節，從而使被控變量的實際值與工藝要求的預定值一致。不同的控制規律適用于不同的生產過程，必須合理選擇相應的控制規律，否則PID控制器將達不到預期的控制效果。目前，PID控制器參數主要是人工調整，這種方法不僅費時，而且不能保證獲得最佳的性能。粒子群算法已經廣泛應用于函數優化、神經網絡訓練、模糊系統控制以及其他應用領域，本文通過改進粒子群算法對PID控制器進行優化設計。

關鍵詞：改進粒子群算法；PID控制器；優化設計

（一）. PID控制器原理

PID 控制器是一個在工業控制應用中常見的反饋回路部件[1-2]，其應用范圍非常廣泛。它的一般形式如下：

分別是對系統誤差信號及其積分與微分量的加權。

控制器通過KP，Ki，Kd就能夠計算出控制信號來驅動受控對象。如果控制器的設計合理，那么控制信號將會使得誤差往減小的方向變化，達到最終控制的要求。

PID控制器的系統結構如圖1所示。

PID控制器的優化問題就是確定一組合適的參數KP，Ki，Kd，使得指標達到最優。本文選用ITAE指標作為最終的最優化目標。

（二）. PID控制器模型的建立

在simulink中搭建PID控制器模型，如圖2所示。本文選取的被控對象為以下不穩定系統：

（三）. 改進粒子群算法優化

改進粒子群算法[3-4]中粒子在搜索空間中的速度和位置以如下公式更新：

通過在matlab中編制程序，種群規模設置為400，最大迭代次數為200，最小適應值為0.2，速度范圍為[-1，1]。運行程序得到最優控制參數分別為KP=33.6470，Ki=0.1762，Kd=38.7880，性能指標如圖3所示，ITAE=1.05。

（四）.結論

本文通過改進粒子群算法來優化PID控制器，優化時間大大縮減，優化效果大為提升，實驗仿真結果我們可以從中得到， 改進的粒子群算法使其全局搜索能力得到了提高與改善，其收斂速度和尋優速度也得到增強。

參考文獻：

[1]李登輝.基于云模型的BBO算法優化模糊PID控制研究[J].無線互聯科技，2018，9：94-97.

[2]劉志遠，呂劍虹，陳來九.智能PID控制器在電廠熱工過程控制中的應用前景[J].2002，22（8）：128-134.

[3]陳陽，劉朝濤，譚克銀.基于改進粒子群算法的PID控制器在MPPT中的研究[J].電工技術，2018，07：21-24.

[4]許來 . 基于粒子群算法的液壓位置伺服系統的研究 [D].合肥：合肥工業大學，2014：11-19.