《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设计论文设论 毕业 任务书一、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： 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/Simuli
2、nk 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.石化技术与应用. 2000,18(4):214-2177 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
3、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.2001
4、16 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 _ 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
5、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；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：PID控制，粒子群算法，优化设计，SimulinkABSTRACTPart
6、icle swarm optimization is an emerging global based on swarm intelligence heuristic search algorithm, particle swarm optimization algorithm competition and collaboration between particles to achieve in complex search space to find the global optimum. It has easy to understand, easy to achieve, the c
7、haracteristics of strong global search ability, and has never wide field of science and engineering concern, has become the fastest growing one of the intelligent optimization algorithms.The PID parameters optimization method has a lot of kinds, all kinds of methods all have their own characteristic
8、s, 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, and each of them has its own characteristics. The proper methods need to be selected according to the actual characteristics of the system. In
9、 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 object, this paper selects control object for unstable system transfer function, through the simulation of control system step by step. Second,
10、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, Using simulink tool of simulation of PID parameters optimization system, and simulation that the optimal parameters of the system to be affect
11、ed, curve. Analysis results indicate that the algorithm process, performance index has been declining, PSO looking for more optimal parameters, so by using particle swarm optimization algorithm of the obtained result is obvious.KEY WORDS: PID, Particle Swarm Optimization, Optimal Design, Simulink目 录
12、摘 要IABSTRACTII第一章前 言11.1研究的背景和课题意义11.2基本的PID参数优化方法11.3常用的整定方法21.4本文的主要工作4第二章 粒子算法52.1粒子群算法的起源52.2粒子算法的概述62.3粒子算法的介绍62.4基本粒子群算法72.4.1算法原理72.4.2算法步骤82.4.3算法特点92.4.4算法举例92.5 带压缩因子的粒子群算法132.5.1.算法原理132.5.2.算法步骤142.5.3.算法举例152.6 带惯性权重的粒子群算法16第三章 PID控制理论183.1 PID控制原理183.2 数字PID控制算法193.2.1 位置式PID控制算法193.2.
13、2 增量式PID控制算法213.3 PID控制特点223.4 PID控制器参数整定的原理和方法233.4.1 基于Ziegler-Nichols方法的PlD整定233.4.2 ISTE最优设定方法233.4.3 临界灵敏度法243.4.4 基于增益优化的整定法253.4.5 基于总和时间常数的整定法26第四章 优化设计框架284.1优化设计简介284.2 理论基础294.3 目标函数的选取294.4问题描述304.5优化设计过程314.6粒子群算法实现324.7 Simulink部分的程序实现344.8 PSO部分的程序实现34第五章 优化设计结果355.1 粒子群算法整定结果355.2 结果
14、分析365.3 P、I、D参数对系统性能影响的研究36第六章 论文总结与展望40致 谢42参考文献43毕业设计小结44附录1 PSO部分程序代码清单45第一章 前 言1.1研究的背景和课题意义在现代工业控制领域，PID控制器由于其结构简单、鲁棒性好、可靠性高等优点得到了广泛应用。PID的控制性能与控制器参数、的优化整定直接相关。在工业控制过程中，多数控制对象是高阶、时滞、非线性的，所以对PID控制器的参数整定是较为困难的。优化问题是工业设计中经常遇到的问题，许多问题最后都可以归结为优化问题。为了解决各种各样的优化问题，人们提出了许多优化算法，比较著名的有爬山法、神经算法和遗传算法等。优化问题有
15、两个主要问题。一是要求寻找全局最小点，二是要求有较高的收敛速度。爬山法精度较高，但是易于陷入局部极小。遗传算法、神经网络算法等也还存在某些不足，前者要涉及到繁琐的编码解码过程和很大的计算量，后者的编程和解码过程需要大量CPU时间，算法易早熟，收敛易陷入局部最优，往往不能同时满足控制系统的速度和精度，且隐含层数目、神经元个数以及初始权值等参数选择都没有系统的方法。1.2基本的PID参数优化方法目前PID参数整定优化方法有很多，比如单纯形法、最速下降法、误差积分准则ISTE最优设定方法、遗传算法、蚁群算法等。单纯形法是一种求解多变量无约束最优化问题的直接搜索法，是求解非线性函数的无约束极值的一种经验方法；最速下降法是一种以梯度法
