基于蚁群算法的航空发动机PID参数优化
蚁群算法在PID控制器参数优化中的应用研究
摘要 ：Ｉ ＰＤ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 ＰＤ Ｉ 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
ａ ｄ ｔ ｕ ｅｓ ＰＩ ｐａａ ｔｒ ｎ ｌｎ ． Ｔｈ ｉ ｌ ｔ ｅ ｕｔ ｈ ｗ ｈ ｔｉ ａ ｍｐ ｏ ｅｔ ｅ ｐ ｅ ｉｉｎ ｏ ｒ ｐ ｒｉｎｉｇ， ｎ ｈ ｓ ｓ ｔ Ｄ ｒ ｍｅｅ ｓ ｏ ｉ ｅ ｅ ｓｍｕ ａｉ ｒｓ ｌｓｓ ｏ ｔ ａ ｔｃ ｎ ｉ ｒ ｖ ｈ ｒ ｃ ｓｏ ｆｐ ｏ ｏ ｔ ｎ ｎｇ ｏ ａ ｄ ｉ ｒ ｅ ｉｌ ｎ ｓｍｏ ｅ ｆ ｘｂ ｅ，ａ ａ ｔ ｂｅ ａ ｄ ｒ ｂ ｓ ｈ ｎ ｏｄ ｆｓ ｏ Ｄ ｏ ｔｏ ． ｌ ｄ ｐ ａ ｌ ｎ ｏ ｕ ｔｔ ａ ｌ ａ ｈｉｎ ＰＩ ｃ ｎｒ １ ＫＥＹＷ Ｏ ＲＤＳ ： ｏｏ ｌ ｏ ｔ ＰＩ ｃ ｎｔｏｌｒ； ｒ ｍｅ ｅｓ ｏ ｔｍｉａｉｎ； ｍｕ ａｉｎ Ａｎｔｃ ｌｎｙａ ｇ ｒ ｈ； Ｄ ｏ ｒ ｌ ｉ ｅ Ｐａａ ｔｒ ｐｉ ｚ ｔ ｏ Ｓｉ ｌ ｔ ｏ
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。
基于蚁群算法的航空发动机PID参数优化
良好 ． 有 较 强 的鲁 棒 性 仿 真 结 果表 明 该 控 制 系统 实现 了解耦 控 制 ， 航 空 发 动机 模 型 参 具 对
数 在 大 范 围 内的 变化 均有 良好 的 控 制 效果 关键 词 ： 空 发 动机 ； 航 蚁群 算法 ； Ｉ 控 制 器 ； 耦 ； Ｐ Ｄ 解 多变 量 系统 中 图分 类 号 ： ２ ３ Ｖ３． ７ 文 献标 志 码 ： Ａ
ＰＩ Ｐａ ａ ｅ ｅ ｎｉ ｆ Ａｅ ｏ Ｅｎｇ ｎ ｓ ｄ ｏ Ｄ ｒ ｍ ｔ ｒ Ｔｕ ｎｇ ｏ ｒ ｉ ｅ Ｂａ ｅ ｎ Ａｎｔ Ｃｏ ｏ ｙ Ａｌ ｏ ｉｈ ｌｎ ｇ ｒｔ ｍ
Ｆ ｉｇ Ｕ Ｑａ ｎ
（ ａ ｅ ｆＦｉｈ ｅ ｈ ｏｏ ｙ ａ ｄ Ｓ ｆｔ ，ＣｖｌＡｖａｉｎ Ｆｉｈ ｎｖ ｒｉ ｆＣ ｉａ Ｇｕ ｎ ｈ ｎ ６ ８ ０ ， ｈｎ ） Ａｃｄ ｍｙ ｏ ｌ ｔＴ ｃ ｎ ｌｇ ｎ ａｅｙ ｉｉ ｇ ｉｔ １ ｔＵ ｉｅｓ ｙ ｏ ｈｎ ， ａ ｇ ａ １ ３ ７ Ｃ ｉａ ｏ ｇ ｔ
蚁 群 算 法 是 通 过 模 拟 自然 界 中蚂 蚁 集 体 寻 径 行 为 而 提 出的 一 种基 于种 群 的启 发 式 仿 生 进 化 算
法 Ⅲ。 吸收 了蚂蚁群 体 行为 的典型 特征 ， 它 因此 在解
Ｑ ㈨ ：
｝
（） １
பைடு நூலகம்
设 蚂 蚁 总数为 ｍ． 于每 只蚂 蚁 ． 义其 相应 对 ｋ定
ｔ ｈ ｖ ｒ ｂ ｅ ｙ ｔ ｍ ｋ ｈ ａ ｒ ｎ ｉ ｅ ｉ ｌ ｔ ｎ ｒ ｓ ｌ ｅ ｎ ｔ ｔ ｈ ｆ ｃｉｅ ｅ ｓ ｏ ｈ ｎ ｏ ｌｔ ｌ ｅ ｈｅ ｍｕ ｉａ ｉ ｌ ｓ ｓｅ ｈ ｅ ｔ ｅ ｅｏ ｅ ｇｎ ．Ｓ ｍｕ ａｉ ｅ ｕｔ ｄ ｍｏ ｓｒ ｅ ｔｅ ｅｆ ｔ ｎ ｓ ｆ ｔ ｅ ｉ ｃ ｍｐ ｅｅｙ ｄ — ａ ｏ ｓ ａ ｅ ｖ
基于蚁群算法的PID参数寻优
基于蚁群算法的PID参数寻优
李小珂;韩璞;刘丽;李志涛
【期刊名称】《计算机仿真》
【年(卷),期】2003(000)0z1
【摘要】蚁群算法是一种新型的模拟进化算法,该算法用于离散空间问题的求解取得了较好的结果.该文将蚁群算法引入连续空间,研究了基于蚁群算法的PID参数优化问题,给出了仿真实例,结果表明蚁群算法用于解决连续空间优化问题是可行且有效的.蚁群算法具有较好的鲁棒性,它采用分布式计算,具有本质并行性.
【总页数】3页(P366-368)
【作者】李小珂;韩璞;刘丽;李志涛
【作者单位】华北电力大学动力工程系,河北保定 071000;保定热电厂,河北保定071000;华北电力大学动力工程系,河北保定 071000;保定热电厂,河北保定071000;华北电力大学动力工程系,河北保定 071000;保定热电厂,河北保定071000;华北电力大学动力工程系,河北保定 071000;保定热电厂,河北保定071000
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于NSGA-Ⅱ算法的ECPT系统PID参数寻优及输出稳压控制 [J], 苏玉刚;陈苓芷;唐春森;马浚豪;呼爱国
2.基于粒子群和细菌觅食优化算法的直流电动机控制系统的PID参数寻优 [J], 杨洋;王秀芹
3.基于改进的萤火虫算法的PID控制器参数寻优 [J], 李恒;郭星;李炜
4.基于蚁群算法的交流永磁伺服系统控制器参数寻优研究 [J], 陶涛;林荣文;李伟起
5.基于多种群遗传算法的液压系统PID参数寻优 [J], 马浩兴;王东红;罗文龙
因版权原因，仅展示原文概要，查看原文内容请购买。
基于蚁群算法的PID参数的二次整定和优化
基于蚁群算法的PID参数的二次整定和优化
陈洋;涂琴;张海如
【期刊名称】《微计算机信息》
【年(卷),期】2009(025)010
【摘要】本文利用二次蚁群算法求解PID参数整定的优化问题,使PID参数寻优速度更快,同时又避免了一次蚁群算法在循环足够的次数后,优化速度已经很小的缺点,能够快速、准确地获得更优的比例、积分及微分参数值,该途径易于实现系统的动态性能指标,并且提高了寻优的速度和精度,实现了系统阶跃响应稳、准、快的性能指标.
【总页数】3页(P59-60,121)
【作者】陈洋;涂琴;张海如
【作者单位】430081,湖北省武汉市,武汉科技大学信息科学与工程学院;430081,湖北省武汉市,武汉科技大学冶金自动化与检测技术教育部工程研究中心;430081,湖北省武汉市,武汉科技大学信息科学与工程学院;430081,湖北省武汉市,武汉科技大学冶金自动化与检测技术教育部工程研究中心;430081,湖北省武汉市,武汉科技大学信息科学与工程学院;430081,湖北省武汉市,武汉科技大学冶金自动化与检测技术教育部工程研究中心
【正文语种】中文
【中图分类】TP273
【相关文献】
1.基于粒子群优化算法对PID参数的优化整定 [J], 董楠楠;夏天;王长海
2.基于优化函数的PID参数整定技术在液压振动台上的应用 [J], 谢海波;杜泽锋;卢俊廷;张泰龙;杨华勇
3.基于动量因子优化学习率的BP神经网络PID参数整定算法 [J], 胡黄水;赵思远;刘清雪;王出航;王婷婷
4.基于多种群风驱动优化算法的PID参数整定 [J], 任久斌;曹中清
5.基于混沌蚂蚁群算法的PID控制器的参数整定 [J], 李丽香;彭海朋;王向东;杨义先
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进蚁群算法的PID参数优化
文章编号 ：１ ０—０ （ ０ １ ４下 ） ０ １ ４ ９ １ ４ ２ １ ） （ 一００ －０ ０ ３
０ 引言
制参量 ｕ 与误差 ｅ＝ （ — 与下式有关 ： Ｒ Ｙ）
） ｐ ） ＝Ｋ （ ＋
Ｊ
ｋ ＝０
』 ）２ 、 （ 一 ， ）
图 １ 寻 食 过 程
其 中 Ｕ（） ｎ 是控制变量， ｎ 是误差 ，式 （） ｅ（） ２
是 ＰＤ位 置 算 术 表 达 式 。其 对 应 的 增 量 算 术表 达 Ｉ
中 ，能够 在 其 经过 的路 径 上 留下 信 息 素 ，而且 能
感 知 这 种 物 质 的 存 在 及 其 强 度 ，并 以 此 指 导 自
己运动的方向 ，蚂蚁倾 向于信息素浓度高的方向
移 动 。相 等 时 间 内较 短 路 径 上 的 信 息 量 就 遗 留得
与 其他 方 法结 合 ， 有较 强 鲁棒 性 。本文 采 用改 进 具 的 蚁 群 算 法 优 化 ＰＤ参 数 ，可 以 克 服 传 统 ＰＤ优 Ｉ Ｉ 化 方法 的缺 陷 ，有 效提高 系统 的动 态特性 。
骏１日■：２ １ － ２ ５ ０ １ ０ －１ 作 者膏 介： 许贺群 （ ８ 一），男 ，本科 ，主要从事蚁群算法方面的研究工作 。 １７ ９ 第３ 卷 ３ 第４ 期 ２ １ — （ ） 【ｌ ０ １ ４ 下 １
务１ ｌ 地 Ｉ ５
Ｐ Ｄ控 制 系统原理 如 图 ３所 示 。 Ｉ 在 ＰＤ 控 制 系统 中 Ｒ为 输 入 ，Ｙ为 输 出 ，控 Ｉ
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
- 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)。
：
－
：Ｒ。Ｌ＝ｌ
／
Ｏ Ｏ Ｏ
厂
｛
｜
｜
描述如下：
Ｏ
１）参数初始化，令时间ｔ＝０和迭代次数Ｍ＝０； ２）将ｍ只蚂蚁置于各自的初始化领域．每只蚂
Ｏ
｜
Ｒｒ：＝０
蚁按照式（４）所给出的转移概率移动；
ｔｌｓ
３）计算各蚂蚁的目标函数Ｑｉ（ｉ＝１，２，…，ｍ），并 记录ＰＩＤ控制器当前最优解： ４）按照式（４）～（６）所给出的信息激素更新方程 修正信息激素强度： ５）循环次数旭＋ｌ； ６）若Ⅳｃ＜预定迭代次数，则转向第２）步； ７）输出ＰＩＤ控制器最优解。
ＰＩＤ Ｐａｒａｍｅｔｅｒ Ｔｕｎｉｎｇ ｏｆ Ａｅｒｏ Ｅｎｇｉｎｅ Ｂａｓｅｄ
ｏｎ
Ａｎｔ Ｃｏｌｏｎｙ Ａｌｇｏｒｉｔｈｍ
ＦＵ
Ｑｉａｎｇ
ｄｅｃｏｕｐｌｉｎｇ ｍｅｔｈｏｄ ｂａｓｅｄ
ａｓ
（Ａｃａｄｅｍｙ ｏｆ Ｈｉｇｈｔ Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｓａｆｅｔｙ，Ｃｉｖｉｌ Ａｖｉａｔｉｏｎ Ｆｌｉｇｈｔ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎａ，Ｇｕａｎｇｈａｎ ６１８３０７，Ｃｈｉｎａ）
ｄｅｃｏｕｐｌｉｎｇ ｃｏｎｔｒｏｌ ｏｆ
ｔｈｅ ｍｕｈｉｖａｒｉａｂｌｅ ｓｙｓｔｅｍ ｌｉｋｅ ｃｏｕｐｌｅｄ ａｄａｐｔｉｖｅ Ｋｅｙ ｗｏｒｄｓ：ａｅｒｏ
ｔｈｅ ｎｅｒｏ ｅｎｇｉｎｅ．Ｓｉｍｕｌａｔｉｏｎ
ｒｅｓｕｌｔｓ ｄｅｍｏｎｓｔｒａｔｅ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｉｎｃｏｍｐｌｅｔｅｌｙ ｄｅ— ｃｏｎｔｒ０１．
ｃｕｒｖｅｓ
（ｂ）控制结果 图４涡轮后总温为阶跃输入时的解耦仿真控制曲线
ｗｈｅｎ
７－：ｉｓ ｓｔｅｐ ｒｅｓｐｏｎｓｅ
Ｆｉｇ．４
ｄｅｃｏｕｐｌｉｎｇ ｃｕｒｖｅｓ ｗｈｅｎ ７－：ｉｓ ｓｔｅｐ ｒｅｓｐｏｎｓｅ
Ｏ Ｏ ０ Ｏ ／
／，弋
，
＼
３结语 文中列出了飞行包线内较有代表性点的仿真曲 线。结果表明．在目标函数的引导下，控制系统能够
Ａｂｓｔｒａｃｔ：Ａ ＰＩＤ ｐａｒａｍｅｔｅｒ ｔｕｎｉｎｇ ｂｉｎａｒｙ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｉｎ ｔｈｉｓ
ｔｏ
ｏｎ
ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ
ＷａＳ
ｒｅｓｅａｒｃｈｅｄ
ｆｏｒ
ａｅｒｏ
ｅｎｇｉｎｅ
ｐａｐｅｒ．Ａｎｔ ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ
ａ
ｈｅｕｒｉｓｔｉｃ ｂｉｏｎｉｃ
（ａ）输入曲线
２ １ ５ １ ０５ ０
／，
‘ｉ
Ｉ
Ａｆ
≠
１
１
Ｉ
参考文献： ［１］杨沛．蚁群社会生物学及多样性［Ｊ］．昆虫知识。１９９９，３６（４）：２４３—
２４７．
…
［２］沈洁，秦玲，陈宏建．基于分布均匀度的自适应蚁群算法［Ｊ］．软件
＿●●＿
‘＼ Ｏ５
一
ｌ
学报，２００３，１４（８）：１３７９—１３８７． ［３］段海滨．蚁群算法原理及其应用［Ｍ］．北京：科学出版社，２００５．
ｍ
Ｉ
ｌ ０ ２ ３ ４
１
［４］Ｓｔｂｔｚｌｅ Ｔ，Ｈｏｅｓ Ｈｏｌｇｅｒ Ｈ．Ｍａｘ－Ｍｉｎ
５
ｅｒａｔｉｏｎ
ａｎｔ
ｓｙｓｔｅｍ［Ｊ］．Ｆｕｔｕｒｅ Ｇｅｎ・
Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍ．２０００（１６）：８８９—９１４．
ａｎｔ
眺 （ｂ）控制结果 图３低压转子转速为阶跃输入时的解耦仿真控制曲线 Ｆｉｇ．３ ｄｅｃｏｕｐｌｉｎｇ
．Ｒ～＝ｌ
｝
｜
●
自动完成ＰＩＤ控制参数的搜索．使闭环系统性能接 近期望性能。蚂蚁群体经过搜索可以得到ＰＩＤ最优 控制参数。ＰＩＤ控制蚁群算法寻优后的系统对输入 信号的动态响应很快，超调量较小．控制精度较高，
？
Ｒｒ：＝Ｏ
ｔｌｓ
鲁棒性好。用蚁群算法实现参数优化大大提高了 ＰＩＤ控制器的设计与实现效率。
、
Ｉ
Ｒ～＝Ｏ
／
．？
ｔ／ｓ
一｛一
尺。．＝０
／
ｔｌｓ
（ａ）输入曲线
２ １．５ 】 Ｏ．５ Ｏ －０．５
（ａ）输入曲线
ｌ
斤ｉ
，聊Ｉ
Ｉ ｌ Ｉ Ｉ
、
一
…
—ｒ一 广●广●广
。ｌ
４
ｌ
１．５
ｌ
珲－Ｌ …
一
一
Ｉ ｍｒｉ 一Ｔ —Ｔ—Ｔ一１一 １一 Ｉ Ｉ 一１－ —Ｔ—Ｔ一一ｒ— 一一
Ｏ．５
一广一广
Ｉ
…
Ｉ
一１－
一１－一１－一．Ｆ— １一
（ａ）输入曲线
少：：
、
’７：
』
：
Ｉ Ｉ
ｉ一
Ｉ ｌ
・—－Ｊ—－・
月ｇ
≠！｝｝Ｉ一
－——Ｊ—・－・
ｉ一
．‘∑。
０ ０．５
１
ｒ
：？
１．５ ２
ｌ
２计算机仿真验证
本文研究的对象为某型双转子涡轮喷气发动
２．５ ｌ／ｓ ３ ３．５ ４ ４．５ ５
机，低压转子转速Ⅳ￡．、硝涡轮后总温为输出变量，燃
烧室供油量ｍｒ、尾喷口面积Ａ。为控制变量，双变量
Ｃｏｍｐｕｔｅ
Ｕｎｉｖｅｒｓｉｔｙ
ｗｈｅｎ￣Ｌ ｉｓ ｓｔｅｐ ｒｅｓｐｏｎｓｅ
ｎｏｌｏｇｈｙ。Ｇｅｒｍａｎｙ，Ｊｕｌｙ，１９９７．
●
田
万方数据
对于自动控制系统来说。一般认为阶跃输入 对控制系统来说是最严峻的工作状态。如果所设 计的控制系统在阶跃函数作用下的动态性能满足 要求。那么系统在其他形式的函数作用下．其动态 性能也是令人满意的。所以仍采用阶跃输入对所
自动化与仪衰２０Ｈ（Ｓ）
图
万方数据
隧爨蜜斟系绕
、
：ｆ
●
Ｒｒ：＝ｌ
／一≮ Ｉ
、
尺ｒ＝＝ｌ
制器克服了传统的ＰＩＤ控制参数不易整定的缺点，且控制器结构简单规范、动态和静态性能 良好。具有较强的鲁棒性。仿真结果表明该控制系统实现了解耦控制。对航空发动机模型参
数在大范围内的变化均有良好的控制效果。 关键词：航空发动机；蚁群算法；ＰＩＤ控制器；解耦；多变量系统
中图分类号：Ｖ２３３．７
文献标志码：Ａ
１
基于蚁群算法的解耦控制及ＰＩＤ参数优化
设ＰＩＤ控制系统性能指标如下：
收稿Ｅｌ期：２０１０—１２—２４；修订日期：２０１ｌ－０３．０３
经过／／，个时间单位后．蚂蚁所移动路径上的信
作者简介：傅强（１９７４一）男，博士研究生，讲师，主要从事航空发动机控制系统方向的教学和研究工作。
囵
万方数据
，控制嘲
息激素强度按照下式作相应调整： 勺（ｔ＋ｎ）＝（１叩）勺（ｆ）＋△％
ｃｕｒｖｅｓ
［５］Ｓｔｔｚｌｅ Ｔ．Ｍａｘ－Ｍｉｎ
ｓｙｓｔｅｍ
ｆｏｒ ｑｕａｄｒａｔｉｃ ａｓｓｉｇｎｍｅｎｔ
ｐｒｏｂｌｅｍｓ
［Ｒ］．Ｔｅｃｈｎｉｃａｌ Ｒｅｐｏｒｔ
ｔｒｅｎｔ
ＡＩＤＡ一９７埘，ｌｕｔｅｌｌｅｃｔｉｅｓ
Ｓｃｉｅｎｃｅ，Ｄａｒｍｓｔａｄｔ
Ｇｒｏｕｐ，Ｄｅｐａｒｔ・ ｏｆ Ｔｅｅｈ—
ｏｆ
Ｑ＝ｆ。ｔＩｅ（ｔ）Ｉｄｔ
的目标函数值为０，并记为 ａＱ＃＝Ｑ－Ｑｊ，Ｖｉ，ｊ 定义蚂蚁ｋ在ｔ时刻的转移概率［３】：
（１）
设蚂蚁总数为ｒｉｆｔ，对于每只蚂蚁ｋ。定义其相应
（２）
ｆ
【０．
［§④］：：［垒ｇ盟ｒ
ｅ
彤（ｔ）＝｛∑［亿（ｔ）］。．［△仉（￡），Ｊ
Ｉ‘５ｄｇｏ”，ｔ．
ａｌｌｏｗｅｄｋ
其他
（３）
（４） （５）
尺
＝
ｒ ２
设计的基于蚁群算法的发动机ＰＩＤ控制系统进行 仿真分析。 给定输入激励为单位阶跃输入，即：
△乃＝乞时；
ｒ
ｌ
ｌ
ｌＩ
式中，△下ｊ为第ｋ只蚂蚁在本次循环中在路径舀上
Ｏ １
＝
留下的单位长度的信息激素物质…。△ｒｊ可用式（６）
来计算．即：
（８）
ｒＩ
尺
‘ｌ
－Ｊ．＿ 【－．＿ ｒ ，‘／Ｌ， ２
ｃｏｎｔｒｏｌｌｅｒ ａｎｄ ｈａｖｅ ｇｏｏｄ ｅｆｆｅｃｔｓ ｆｏｒ ｅｎｇｉｎｅ
ｅｎｇｉｎｅ；ａｎｔ
ｃｏｌｏｎｙ ａｌｇｏｒｉｔｈｍ；ＰＩＤ ｃｏｎｔｒｏｌｌｅｒ；ｄｅｃｏｕｐｌｉｎｇ；ｍｕｈｉｖａｒｉａｂｌｅ ｓｙｓｔｅｍ
蚁群算法是通过模拟自然界中蚂蚁集体寻径 行为而提出的一种基于种群的启发式仿生进化算 法…。它吸收了蚂蚁群体行为的典型特征。因此在解 决很多组合优化问题上都取得比较理想的效果［２］。 ＰＩＤ控制系统设计的关键是ＰＩＤ参数优化。传 统ＰＩＤ控制参数不易整定．而且白适应能力差。蚁 群算法采用分布式并行计算机制．易与其他方法结 合，具有较强的鲁棒性。基于蚁群算法的ＰＩＤ参数 整定．可提高ＰＩＤ控制器的设计与实现效率。
当飞行条件改变后．描述发动机模型的参数也
『ＡＮｔ １＿『Ｇ１－（ｓ）Ｇ１２（ｓ）１『△Ａ。１
【ＡＴ：Ｊ【Ｇ２ｌ（ｓ）Ｇ笠（ｓ）儿△研ｊ
… 、…
要发生变化。发动机在高度Ｈ＝５ｋｍ，飞行马赫数肚
１．０的状态下仿真的结果如图３和图４。 由图１～图４的仿真输出可以看出。控制器在 参数变化的情况下效果较好，阶跃响应调节的时间 较短．均不超过１．５ｓ，并且没有稳态误差。系统能有 效地降低各个分系统间的耦合作用．满足了解耦的 要求。
Ｌ
．ｎ５
一ｌ
Ｉ Ｉ Ｉ —Ｔ —Ｔ—Ｔ一．ｒ— 一一 ｌ
ｌ
Ｉ
乓
Ｏ．５
ｌ
广一广 Ｉ ｌ
’ｊｉ｜
３
＋ｒ●ｒ●ｒ●ｒ●一● ｒ —Ｔ