《基于智能优化算法的控制器优化设计本》由会员分享，可在线阅读，更多相关《基于智能优化算法的控制器优化设计本（53页珍藏版）》请在金锄头文库上搜索。
1、西北工业大学明德学院本科毕业设计论文毕业 任务书一、题目一、题目基于粒子算法的控制器优化设计二、指导思想和目的要求二、指导思想和目的要求1、利用已有的专业知识，培养学生解决实际工程问题的能力；2、锻炼学生的科研工作能力和培养学生的团结合作攻关能力；三、主要技术指标三、主要技术指标1、熟悉掌握粒子群算法的基本原理；2对 PID 控制进行优化设计；四、进度和要求四、进度和要求第 01 周-第 02 周： 英文翻译；第 03 周-第 04 周： 了解智能算法的发展趋势；第 05 周-第 06 周： 学习粒子群算法；第 07 周-第 09 周： 设计 PID 控制器系统结构；第 10 周-第 11 周
2、： 设计基于智能优化算法的控制器优化结构；第 12 周-第 13 周： 搭建 Matlab/Simulink PID 控制优化设计仿真程序，进行仿真、验证；第 14 周-第 16 周： 撰写毕业设计论文，论文答辩；五、主要参考书及参考资料五、主要参考书及参考资料1胡寿松自动控制原理M科学出版社20072史峰、王辉Matlab 智能算法M北京航空航天大学出版20113蒋慰孙，俞金寿.过程控制工程（第二版）M.中国石化出版社. 19994金以慧.过程控制M.清华大学出版社.20005陆德民.石油化工自动控制设计手册M.化学工业出版社.20006水琦, 何岗.鲁棒 PID 参数整定技术及应用J.石化
3、技术与应用. 2000,18(4):214-217设 论设计 论文西北工业大学明德学院本科毕业设计论文7王骥程,祝和云.化工过程控制工程M.化学工业出版社.19918吴建生，秦发金.基于 Matlab 的粒子群优化算法程序设计J.柳州师专学报.2005，20（4）：97-1009王万良，唐宇.微粒子群算法的研究与展望J.浙江工业大学学报.2007,35（2）：136-14110 谢晓锋，张文俊，杨之廉.微粒群算法综述J.控制与决策. 2003,18(2):129-13411 纪震，廖惠连，吴青华.粒子群算法及应用M.科学出版社.200912 龚纯，王正林，精通 Matlab 最优化计算M.电子
4、工业出版社.13 李丽，牛奔，粒子群优化算法M.冶金工业出版社.200914 陈国良遗传算法及其应用M.人民邮电出版社199615 王凌智能优化算法及其应用M.清华大学出版社.200116 陈云飞广义分配问题的一种小生境遗传蚁群优化算法J.北京理工大学学报.2005(06)17 杨维粒子群优化算法综述J.中国工程学.2004(84)18 志荣基于 MATLAB 的粒子群优化算法及其应用J.计算机仿真.2004(5)19 李爱国粒子群优化算法J.计算机工程与应用 2004(5)20 刘国平多目标最优化的粒子群算法J.杭州师范学院学报 2005(1)学生 _ 指导教师 _ 系主任 _西北工业大学明
5、德学院本科毕业设计论文摘 要粒子群算法是一种基于群体智能的启发式全局搜索算法，粒子群算法通过粒子间的竞争和协作以实现在复杂搜索空间中寻找全局最优点。它具有易理解、易实现、全局搜索能力强等特点，倍受科学与工程领域的广泛关注，已经成为发展最快的智能优化算法之一。PID参数的寻优方法有很多种，各种方法都有各自的特点，应按照实际系统的特点选择适当的方法。本文主要研究基于粒子群算法的PID控制系统参数优化设计方法，主要工作如下：其一，选择被控对象，本文选取的控制对象为不稳定系统的传递函数，对控制系统进行仿真，并对结果进行分析。其二，根据粒子群算法的特点，设置算法中的相应参数，对PID的、进行优化；pki
6、kdk其三，采用Simulink对优化后的控制系统进行仿真，得到系统优化后的响应曲线。通过对结果分析可知，将粒子群算法应用于PID参数优化设计是完全可行的。关键词：关键词：PID 控制，粒子群算法，优化设计，Simulink西北工业大学明德学院本科毕业设计论文ABSTRACTParticle swarm optimization is an emerging global based on swarm intelligence heuristic search algorithm, particle swarm optimization algorithm competition and co
7、llaboration between particles to achieve in complex search space to find the global optimum. It has easy to understand, easy to achieve, the characteristics of strong global search ability, and has never wide field of science and engineering concern, has become the fastest growing one of the intelli
8、gent optimization algorithms.The PID parameters optimization method has a lot of kinds, all kinds of methods all have their own characteristics, should according to the characteristics of the actual system choosing proper method. There are a lot of methods of optimization for the parameters of PID,
9、and each of them has its own characteristics. The proper methods need to be selected according to the actual characteristics of the system. In this paper we adopt the Particle Swarm Optimization to tune the parameters. To finish it, the following tasks should be done. First, choose the controlled ob
10、ject, this paper selects control object for unstable system transfer function, through the simulation of control system step by step. Second, according to the characteristics of the particle swarm algorithm, each of the parameters set PSO, use of MATLAB program, to optimize the 、 of the PID. Third,
11、Using simulink tool of simulation of PID parameters pkikdkoptimization system, and simulation that the optimal parameters of the system to be affected, curve. Analysis results indicate that the algorithm process, performance index has been declining, PSO looking for more optimal parameters, so by us
12、ing particle swarm optimization algorithm of the obtained result is obvious.KEY WORDS: PID, Particle Swarm Optimization, Optimal Design, Simulink西北工业大学明德学院本科毕业设计论文目目 录录摘摘 要要.I IABSTRACTABSTRACT.IIII第一章第一章 前前 言言.1 11.1 研究的背景和课题意义 .1 1.2 基本的 PID 参数优化方法 .1 1.3 常用的整定方法 .2 1.4 本文的主要工作 .4第二章第二章 粒子算法粒子算法.5 52.1 粒子群算法的起源 .5 2.2 粒子算法的概述 .6 2.3 粒子算法的介绍 .6 2.4 基本粒子群算法 .7 2.4.1 算法原理 .7 2.4.2 算法步骤 .8 2.4.3 算法特点.9 2.4.4 算法举例 .9 2.5 带压缩因子的粒子群算法 .13 2.5.1.算法原理 .
