針對經(jīng)典智能優(yōu)化算法在PID參數(shù)整定時存在早熟收斂及陷入無效循環(huán)的問題,提出一種改進(jìn)細(xì)菌菌落優(yōu)化算法。在個體位置更新時引入收縮因子和有指導(dǎo)的隨機(jī)搜索策略,以平衡算法的全局搜索能力和局部搜索能力,在全局最優(yōu)位置附近進(jìn)行動態(tài)隨機(jī)搜索,以提高算法的局部收斂精度。選取ITAE指標(biāo)作為優(yōu)化目標(biāo)構(gòu)建目標(biāo)函數(shù)和約束條件。以時滯非線性濕度PID控制器為例,仿真結(jié)果表明,該算法在提高收斂精度的同時具有自我結(jié)束的能力,能夠有效抑制超調(diào)量。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 智能優(yōu)化算法PID參數(shù)整定框圖

采用環(huán)境艙濕度模型G(s)為被控對象模型，對數(shù)學(xué)模型進(jìn)行離散化處理，分別通過四種算法進(jìn)行迭代，每種算法可得一組最優(yōu)的PID參數(shù)，使得ITAE指標(biāo)最小，再把最優(yōu)的PID參數(shù)使用到PID控制器Gh(s)。為了計算目標(biāo)函數(shù)ITAE的值，采用以下方法：當(dāng)獲得一個新的可行解時，根據(jù)與細(xì)菌或....

圖2 改進(jìn)BCO算法的PID參數(shù)整定流程圖

基于改進(jìn)BCO算法的PID參數(shù)整定的算法流程圖如圖2所示。采用改進(jìn)BCO算法整定PID參數(shù)的步驟如下：

圖3 階躍響應(yīng)輸出曲線綜合比較

基于改進(jìn)BCO算法的PID參數(shù)優(yōu)化整定以MATLAB軟件為仿真實驗研究工具。采用遺傳算法、BCO算法、模擬退火的粒子群優(yōu)化算法和改進(jìn)BCO算法對被控對象進(jìn)行仿真研究，以時間(time(s))為變量，單位階躍信號(rin)作為輸入，輸出四種智能優(yōu)化算法對該環(huán)境艙濕度模型PID參數(shù)整....

圖4 最優(yōu)ITAE曲線

為了比較四種智能優(yōu)化算法整定PID參數(shù)的收斂速度及精度，給出四種整定方法對時滯非線性控制對象的最優(yōu)ITAE（即fitness）曲線，仿真結(jié)果如圖4所示。從圖4以及表1中比較可知，以三階非線性、慣性、時滯濕度模型為被控對象的PID參數(shù)整定為例，對于BCO算法，其具有仿生的智能的進(jìn)化....

本文編號：4050257