蚁群算法在PID控制器参数优化中的应用研究

合集下载

蚁群算法在PID控制中的应用及其参数影响

蚁群算法在PID控制中的应用及其参数影响作者：孙铁成张思敏李超波来源：《现代电子技术》2015年第20期摘要：鉴于传统PID参数整定方法的不足，提出了一种采用蚁群算法优化选取PID控制参数的方法。

通过建立数学模型将PID控制参数选择问题抽象成路径选择问题，从而将蚁群算法成功的应用于PID参数优选，并对寻优过程进行了仿真。

将结果与常用的临界比例度法整定的结果进行了比较，发现基于蚁群算法的PID参数优选方案可使系统超调量大幅减小，并明显缩短系统调节时间，具有良好的应用前景。

此外，讨论了蚁群算法中的关键参数对算法性能的影响，对比了不同参数下算法的收敛速度和求解质量。

关键词： PID控制；蚁群算法；信息素；参数优选中图分类号： TN911⁃34； TP301.6 文献标识码： A 文章编号： 1004⁃373X（2015）20⁃0020⁃06Application and parameter influence of ACO in PID controlSUN Tiecheng， ZHANG Simin， LI Chaobo（Key Laboratory of Microelectronics Devices and Integrated Technology， Institute of Microelectronics， Chinese Academy of Science， Beijing 100029， China）Abstract： In view of the deficiencies of traditional PID parameters tuning method， a new method to optimize and select PID control parameters by means of ACO （ant colony algorithm） is proposed， in which the selection problem of PID control parameters is abstracted into the routing selection problem by building a mathematical model， thus ACO is applied successfully to PID parametric optimization and the optimizing process is simulated. It is found by comparing with tuned results of common critical proportioning method that the PID parameter optimization scheme based on ACO can reduce system overshoot significantly and shorten tuning time of system obviously， and has a great application prospect. In addition， the influence of key parameter in ACO on algorithm performance is discussed， and convergence velocity and solution quality of the algorithm with different parameters are compared.Keywords： PID control； ant colony algorithm； pheromone； parameter optimization0 引言PID控制是最早发展起来的控制策略之一，由于其算法简单易实现、鲁棒性好、可靠性高、不依赖被控对象的数学模型，因此至今仍然是工业控制领域应用最广泛的控制方式。

基于二进制蚁群算法的自适应pid控制器优化设计与整定方法(一)

基于二进制蚁群算法的自适应pid控制器优化设计与整定方法(一)基于二进制蚁群算法的自适应PID控制器优化设计与整定方法什么是二进制蚁群算法概述二进制蚁群算法是一种基于群体智能的优化算法，它模拟了蚂蚁的行为来求解最优解。

工作原理二进制蚁群算法从一个随机初始位置出发，每个蚂蚁根据环境信息(可能是信息素浓度等)进行状态转移，最终蚂蚁群汇聚于最优解。

什么是自适应PID控制概述自适应PID控制是一种能够根据当前情况自动调整参数的PID控制器，它能够适应不稳定和时变的系统，提高控制效果。

工作原理自适应PID控制通过监测系统的反馈信号和误差信号，实时调整三个控制参数(Kp,Ki,Kd)，从而实现对控制系统的自适应调整。

二进制蚁群算法优化自适应PID控制器设计过程确定目标函数二进制蚁群算法需要定义一个目标函数来评价每个解的优劣。

在优化自适应PID控制器的设计过程中，目标函数可设为系统稳态误差和超调量的加权和。

确定决策变量决策变量即为自适应PID控制器的三个参数(Kp,Ki,Kd)，在进行优化时需要设定搜索空间和决策变量的范围。

生成蚁群通过二进制编码的方式生成蚁群，每只蚂蚁代表一个可能的解。

初始时将所有蚂蚁放入搜索空间中的某一点。

定义状态转移概率将每个蚂蚁的二进制编码转化为实际控制器参数，使用目标函数评价其性能后，定义状态转移概率，采用轮盘赌等方式进行状态转移，模拟蚂蚁的寻找路径过程。

更新信息素浓度每次蚂蚁找到更优的解时，释放一定量的信息素，更新信息素浓度，使得其他蚂蚁更容易找到更优解。

迭代搜索通过多次迭代搜索，蚂蚁群汇聚于最优解，同时得到了最优自适应PID 控制器的参数值。

总结本文介绍了二进制蚁群算法和自适应PID控制的概念和工作原理，并给出了基于二进制蚁群算法的自适应PID控制器优化设计过程。

该方法通过模拟蚂蚁的行为进行搜索，能够快速找到最优控制器参数。

通过运用该方法，可大幅度提高控制系统的稳定性和性能。

实际应用基于二进制蚁群算法的自适应PID控制器优化设计与整定方法已经在许多领域得到了广泛应用。

蚁群算法在油库发油PID控制中的应用

!!,-.控制是最早发展起来的控制方案之一%由于针对油库定量发油过程%本文将一种蚁群算法优
其具有鲁棒性能好&可靠性高等特点%被广泛应用于工化,-.参数的方法用于油库发油控制%并取得了较好
业过程控制中($)' 油库定量发油的过程具有滞后&惯结果' 控制系统采用/+0$"## ,12作为中央控制器%
$!油库发油控制系统的结构及硬件框架
收稿日期!"#$' (#$ (") 基金项目!国家自然科学基金资助项目"*$&+)#)+#$江苏高校优势学科建设工程资助项目作者简介!张相胜"$%++ #%男%博士研究生%讲师%主要研究领域为生产过程建模& 优化与控制研究与开发$ 陆书燕 "$%%$# %女%硕士% 主要研究领域为控制工程及应用$ 潘丰
部分-:c端口%考虑到添加$#6的裕量%对模拟量-:c
和数字量模块进行了合理的配置' 硬件的详细模块参数如表$ 所示'
表$!系统模块选型
模块
型号数量:个
图"!控制系统结构图
"9"!节点和路径的选择保留,&-.位控小制数的%各!需"&要!#&)!个$&数个字参来数表为示优%化共变需量要%$设" 均个
Copyright©博看网 . All Rights Reserved.
**"*
,测控技术-"#$% 年第&' 卷第" 期
该控制系统需要控制* 个鹤管%对-:c口进行分
配%包括&* 个数字量输入点ห้องสมุดไป่ตู้") 个数字量输出点&* 个

基于蚁群算法PID控制器的应用研究

ＡｐｌａｉｎｓｕｙｏＤｏｔｏｌｒｂｓｄｏｎｏｏｙａｇｒｔｍｐｉｔｔｄｆＰＩｃｎｒｌａｅｎａｔｃｌｎｌｏｉｈｃｏｅ
ＬＵＹａ —ｏｇ，ＪＡＮＧｏＩｎｒｎＩＢ２
（．ｉｏｇＬｇｔｎｕｔａＶｃｔｎｌｏｅｅＵｕｑ３０１ｈｎ；１ｘｑｉ￣ｉｈＩｄｓｒｌｏａｏａＣｌｇ，ｒｍｉ０２，Ｃｉａｉｉｌ８２ＣｌｇｌｔｃｎｉｅｒｇＸｎｉｇＵｉｅｉ，Ｕｕｑ３０９Ｃｉ）．ｏｅｅｏｅｒｄＥｇｅｉ，ｉａｎｒｔｒｍｉ０４，ｈｎｌｆＥｃｉｎｎｊｎｖｓｙ８ａ
的转移概率定义为：
—
法采用分布式并行计算机制，容易和其他算法相结合取得很
更好的控制效果，以很多学者就在基本蚁群算法的基础上所
Ｊ岳ｔａｂ
进行了很多改进．提高算法的寻优性。比如Ｇｍａｄｌ来ａｂｒｅａ和ｌ
在各种配料系统中对物料行者完成任务．设有ｍ只蚂蚁在城市中移动，那么在城市ｉ中蚂蚁选择城市Ｊ的概率取决于这两个城市之间的距离和留｜
但由于物料特性的不确定性，得传统的ＰＤ控制得不到好使Ｉ的控制结果。蚁群算法具有良好的鲁棒性，法灵活，容易算很

非线性系统的蚁群优化预测PID控制

收稿日期:2008-02-29作者简介:王建国(1970—),男,江苏淮安人,博士研究生,主要从事智能控制理论在热工过程控制中的应用研究;明学星(1978—),男,博士研究生,主要从事智能控制理论在热工过程控制中的应用研究;李益国(1973—),男,副教授,主要从事智能控制理论在热工过程控制中的应用研究;吕震中(1940—),男,教授,博士生导师,主要从事先进控制理论在热工过程控制中的应用研究。

非线性系统的蚁群优化预测P ID 控制王建国,明学星,李益国,吕震中(东南大学能源与环境学院,江苏南京　210096)摘要:针对非线性、时变及大惯性系统的控制问题,提出了一种基于蚁群算法的预测P I D 控制算法。

该算法以神经网络作为预测模型,将预测控制和P I D 控制相结合,并用蚁群算法在线优化控制器参数,其中以常规的Ziegler 2N ichols 方法整定的控制器参数为基础,选取蚁群优化变量的动态搜索区间。

该算法考虑了控制能量受限情况下,非线性系统的预测控制问题。

计算机仿真结果表明,该非线性控制方案具有较好的鲁棒性,相对传统P I D 控制策略还表现出了良好的动态性能,能够满足对再热汽温对象的控制要求。

关键词:预测控制;P I D 控制;蚁群算法;神经网络;再热汽温中图分类号:TP13 文献标识码:A 文章编号:1000-8829(2008)10-0045-03Pred i cti ve P I D Con trol Ba sed on An t Colony A lgor ith mO pti m i za ti on for Non li n ear SystemWANG J ian 2guo,M ING Xue 2xing,L I Yi 2guo,LV Zhen 2zhong(School of Energy and Envir onment,Southeast University,Nanjing 210096,China )Abstract:For the contr ol of nonlinear,ti m e 2varying and big inertia syste m,a p redictive P I D contr ol strategy based on ant col ony al 2gorith m (AC A )is p resented .A rtificial neural net w ork (ANN )is used as the p redictive model and AC A is adop ted t o op ti m ize the contr oller parameters online by combining the p redictive contr ol structure with P I D contr ol .The variable searching regi on is set on the basis of the para meters based on Z 2N methods .The contr ol strategy can be used t o the nonlinear syste m s with contr ol energy con 2straint .The computer si m ulati on result shows that the nonlinear contr ol strategy has more favorable dyna m ic characteristics and str ong r obustness than traditi onal P I D contr ol in reheated stea m te mperature syste m.Key words:p redictive contr ol;P I D contr ol;ant col ony alg orith m (AC A );artificial neural net w ork (ANN );reheated stea m te mperature 再热汽温系统是一个典型的非线性、时变、大惯性系统,它的状态参数与运行工况密切相关,汽温控制的好坏直接影响其热效率的高低;然而,生产过程中往往存在较多的干扰因素,严重影响了系统自动控制的长期稳定运行;因此迫切需要设计出具有较好鲁棒性的控制系统,并能够较快投入自动。

基于蚁群算法的PID参数的二次整定和优化

中只有一套在工作，另一套处于待命状态，而热冗余是两套设尔滨工业大学学报. 2001,12,33,6，740～745
备同时工作。冷冗余方式下，假设此时主设备（***A 表示的设 [3]禹春来等. CAN 总线冗余方法研究[J]. 测控技术. 2003,22,
备）处于工作状态，而备份设备（***B 表示的设备）处于待命状 10，28～30
3 算法的实现
3.1 采用 Ziegler-Nichols（Z-N）法求 PID 参数整定初值
Ziegler-Nichols 法是由 Ziegler 和 Nichols 对由一阶惯性加
纯延迟环节构成的开环系统提出的。它通过测试法求得 KP 的值，再应用经验公式求 TI 和 TD。
3.2 二次蚁群算法实现 PID 参数整定和优化
rameter faster, avoiding low speed after circulating enough times of an ant colony algorithm, but also obtain accurate parameter values
of proportional, integral and differential quickly. In a word, this algorithm can satisfy the dynamic performances efficiently indicators of the system, as well as improving the speed, the accuracy and the stability for a control system. Key words: PID controller; twice ant colony algorithm; Ziegler-Nichols tuning

基于进制蚁群算法的自适应pid控制器优化设计与整定方法

基于进制蚁群算法的自适应pid控制器优化设计与整定方
法
自适应PID控制器是一种根据系统状态自动调整PID参数
的控制器。

进制蚁群算法是一种模拟蚁群行为的优化算法，可以应用于PID控制器参数的优化。

基于进制蚁群算法的自适应PID控制器优化设计与整定方
法可以按照以下步骤进行：
1. 确定控制系统的目标和性能要求，包括稳定性、快速性
和精确性等指标。

2. 设计PID控制器结构，包括选择合适的比例系数、积分
系数和微分系数。

3. 将PID控制器的参数表示为进制形式，即通过进制编码
将参数转化为二进制形式。

4. 初始化进制蚁群算法中的参数，包括蚂蚁数量、迭代次数和信息素浓度等。

5. 利用蚁群算法搜索最优的PID参数组合，通过信息素的分布和挥发，蚂蚁在参数空间中搜索最优解。

6. 根据蚁群算法的搜索结果，更新PID控制器的参数。

7. 在实际控制系统中进行仿真或实验，评估优化后的PID 控制器的性能。

8. 根据实际反馈结果，对PID控制器进行进一步的调整和优化。

通过以上的步骤，基于进制蚁群算法的自适应PID控制器优化设计与整定方法能够根据系统的需求和性能要求，自动搜索最优的PID参数组合，提高控制系统的稳定性和性能。

同时，由于进制蚁群算法的全局搜索能力，可以避免陷入局部最优解的问题，提高了优化的准确性和效率。

蚁群算法在PID控制器参数优化中的应用研究

蚁群算法在PID控制器参数优化中的应用研究陈书谦;张丽虹【期刊名称】《计算机仿真》【年(卷),期】2011(28)1【摘要】PID参数优化一直是控制工程领域研究的热点,针对提高系统的稳定性和响应特性,传统的PID控制参数多采用试验的方式进行优化,往往费时而且难以达到较好的控制效果.为了解决控制参数优化,改善系统性能,提出一种新型的蚁群算法的PID参数优化策略,将蚁群算法能快速稳定找到最优参数解的特点与PID精确调节的特点有机结合起来,在控制过程中将PID参数作为蚁群中蚂蚁,采用控制绝对误差积分函数作为优化目标,在控制过程中动态调整PID的3个控制参数,可以进行PID 控制参数的实时调节,最后将优化方案应用于中央空调温度控制系统.仿真应用研究表明,方法比传统的PID控制有更强的灵活性、适应性和鲁棒性,可有效提高系统控制精度,验证了应用的有效性.%The setting and optimization of PID parameters are always the hot topics in the automatic control field.In response to low precision problem with traditional PID proportioning system, this paper puts forward a PID parameter optimal control way based on ant colony algorithm, combining both predominance of fast finding out optimal parameter of ant colony algorithm and PID precision adjustment. In the PID control process , three parameters are as the ants. and the PID parameters optimizing design is targeted. It can adjust three control parameters in control process and thus sets PID parameters on line. The simulating results show that it can improve the precision ofproportioning,and is more flexible, adaptable and robust than old fashion PID control.【总页数】4页(P238-241)【作者】陈书谦;张丽虹【作者单位】淮海工学院计算机工程学院,江苏,连云港,222005;淮海工学院计算机工程学院,江苏,连云港,222005【正文语种】中文【中图分类】TP273【相关文献】1.蚁群算法在PID参数优化中的应用研究 [J], 李楠;胡即明2.基于蚁群算法的再热汽温预测PID控制器参数优化 [J], 明学星;王建国;吕震中3.基于蚁群算法PID控制器的应用研究 [J], 刘艳荣;姜波4.基于蚁群算法的PID控制器参数优化研究 [J], 陈阳;杨敏5.基于智能算法的PID控制器参数优化设计的应用研究 [J], 贺慧杰因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

摘要：ＩＰＤ参数优化一直是控制工程领域研究的热点，针对提高系统的稳定性和响应特性，传统的ＰＤ控制参数多采用试验Ｉ
的方式进行优化，往费时而且难以达到较好的控制效果。为了解决控制参数优化，善系统性能，出一种新型的蚁群算往改提法的ＰＤ参数优化策略，蚁群算法能快速稳定找到最优参数解的特点与ＰＤ精确调节的特点有机结合起来，控制过程Ｉ将Ｉ在中将ＰＤ参数作为蚁群中蚂蚁，Ｉ采用控制绝对误差积分函数作为优化目标，控制过程中动态调整ＰＤ的３个控制参数，在Ｉ可以进行ＰＤ控制参数的实时调节，后将优化方案应用于中央空调温度控制系统。仿真应用研究表明，法比传统的ＰＤＩ最方Ｉ控制有更强的灵活性、应性和鲁棒性，有效提高系统控制精度，证了应用的有效性。适可验
ａｄｔｕｅｓＰＩｐａａｔｒｎｌｎ．Ｔｈｉｌｔｅｕｔｈｗｈｔｉａｍｐｏｅｔｅｐｅｉｉｎｏｒｐｒｉｎｉｇ，ｎｈｓｓｔＤｒｍｅｅｓｏｉｅｅｓｍｕａｉｒｓｌｓｓｏｔａｔｃｎｉｒｖｈｒｃｓｏｆｐｏｏｔｎｎｇｏａｄｉｒｅｉｌｎｓｍｏｅｆｘｂｅ，ａａｔｂｅａｄｒｂｓｈｎｏｄｆｓｏＤｏｔｏ．ｌｄｐａｌｎｏｕｔｔａｌａｈｉｎＰＩｃｎｒ１ＫＥＹＷＯＲＤＳ：ｏｏｌｏｔＰＩｃｎｔｏｌｒ；ｒｍｅｅｓｏｔｍｉａｉｎ；ｍｕａｉｎＡｎｔｃｌｎｙａｇｒｈ；ＤｏｒｌｉｅＰａａｔｒｐｉｚｔｏＳｉｌｔｏ
ＡＢＳＴＲＡＣＴ：ｈｅｔｇａｄｏｔｚｔｎｏＩａａｔｒｒｌｙｈｏｏｉｓｉｈｕｏｔｏｔｌｅｄＴｅｓｔｎｎｐｉａｉｆＰＤｐｒｍｅｅｓａｅａｗａｓｔｅｈｔｔｐｃｔｅａｔｍａｉｃｎｒｌ．ｉｍｉｏｎｃｏｆｉ
ｔｒｏｔｌｏｔｌｙｂｓｄｏｎｏｏｙａｇｒｈｅｐｉｎｒａｅｎａｔｃｌｎｌｏｉｍ，ｃｍｂｎｎｏｈｐｅｏｎｎｅｏａｔｆｄｎｕｐｉｌｐ－ｍａｃｏｗａｔｏｉｉｇｂｔｒｄｍｉａｃｆｆｓｉｉｇｏｔｏｔｎｍａａ
ＩｅｐｎｅｔｏｐｒｃｓｏｏｅｗｉｈｔａｔｏａＤｒｐｒｉｎｎｙｔｍ，ｔｓｐｐｒｐｓｆｒｒＤａａ。ｎｒｓｏｓｏｌｗｅｉｉｎｐｒｂｌｍｔｒｄｉｎｌＰＩｐｏｏｔｏｉｇｓｓｅｉｈｉａｅｕｔｏｗａｄａＰＩｐｒｍｅ
第２卷第１８期
文章编号：０６９４（０１Ｏ — ２８０１０ — ３８２１）１０３ — ４
计
算
机
仿
真
２１年１０１月
蚁群算法在ＰＤ控制器参数优化中的应用研究Ｉ
陈书谦，丽虹张
（海工学院计算机工程学院，苏连云港２２０）淮江２０５
ｒｔｔｏｏｙａｏｉｍａｄＰＤｐｅｉｏｄｕｔｅｔｎｈＩｏｔｌｒｃｓｔｒｅａａｅｒａｅｓｈａｅｏａｌｎｌｒｈｎＩｒｓｎａｊｓｎ．ＩｅＰＤｃｎｏｐｏｅｓ，ｈｅｒｍｔｓｒａｅｍｅｒｆｎｃｇｔｃｉｍｔｒｐｅｔａｔｎｅＰＤｐｒｍｔｓｏｔｚｇｄｓｎｉｔｇｔ．ＩｃｎａｊｓｔｒｅｃｎｏｐｒｍｔｓｉｃｎｒｌｒｅｓｎｓｄｔＩａｅｒｐｉｉｅｉｒｅｄｔａｄｕｔｈｅｏｔｌａａｅｒｎｏｔｏｓ．ａｈａｅｍｉｎｇｓａｅｒｅｏｐｃ
ＢａｅｎＡｎｌｎｙＡｌｏｉｈｓｄｏｔＣｏｏｇｒｔ
ＣＨＥＮｈｑａＺＨＡＮＧｉｏｇＳｕ— ｉｎ，Ｌ —ｈｎ
（ｕｉａＩｓｔｅｏＴｃｎｌｙＣｍｕｒｎｉｅｎ，ｉｙｎａｇＪｎｓ２０５ＣｉａＨａｈｉｎｔｕｆｅｈｏｏｏｐｔｇｅｒｇｅＥｎｉｎｉ
关键词：蚁群算法；比例积分微控制器；参数优化；仿真
中图分类号：Ｐ７Ｔ２３文献标识码：Ｂ
ＡｐｌｃｔｏｓａｃａｏｔＩＰａａｅｅｓＯｐｉｉａｉｎｐｉａｉｎＲｅｅｒｈｂｕＤｒｍｔｒｔｍｚｔｏ