论文部分内容阅读
PID控制是工业生产中非常经典的过程控制,由于具有简单的控制结构和在实际应用中易于整定而被广泛应用于工业过程控制领域。工业生产水平的迅猛发展导致过程控制的复杂性不断增大,过去使用的PID参数整定方法无法再满足现代过程控制的更高要求,迫切需要研究一种新型、高效的整定方法以适应现代工业生产的快速发展。粒子群优化算法(PSO)是基于鸟群觅食过程中迁徙和聚集模拟的一种群体智能优化算法,具有易理解、易实现、全局搜索能力强等特点备受科学工程领域的极大关注。本文将粒子群优化算法引入到PID控制器参数整定中,以实现参数的最优整定。论文主要工作有以下两点：(1)提出一种基于自适应惯性权重的均值粒子群优化算法,改进策略如下：1)粒子等级划分。通过适应度值比较将粒子分成三种不同的等级；2)自适应惯性权重策略。根据粒子等级划分结果采用不同的惯性权重；3)个体极值和全局极值的线性组合。采用个体极值和全局极值的均值策略取代速度公式中的“个体部分”和“社会部分”。通过实验验证该算法具有较好的优化性能,是一种更加有效和快速的粒子群优化算法。(2)将改进粒子群优化算法应用到PID参数整定中,通过对四种典型被控对象的仿真实验与对比表明改进粒子群的PID参数整定算法是一种有效的参数优化算法,能够提高控制系统的性能。最后,对工业实例加热炉温度控制系统建立仿真模型,进一步验证改进粒子群的PID参数整定算法的有效实用性。最后,总结了本文所做的一些工作并提出了更进一步的相关工作。