基于粒子群算法的改进PID液位控制器开题报告

1. 研究目的与意义

在现代工业控制领域，pid控制器由于经典的控制方法，可靠成熟，相比两位式控制，控制精度高，算法成熟，资源丰富等优点，得到了广泛应用。pid控制器（proportionintegrationdifferentiation.比例-积分-微分控制器），由比例单元p、积分单元i和微分单元d组成。通过kp，ki和kd三个参数的设定。pid控制器主要适用于基本线性和动态特性不随时间变化的系统。pid控制器是一个在工业控制应用中常见的反馈回路部件。这个控制器把收集到的数据和一个参考值进行比较，然后把这个差别用于计算新的输入值，这个新的输入值的目的是可以让系统的数据达到或者保持在参考值。和其他简单的控制运算不同，pid控制器可以根据历史数据和差别的出现率来调整输入值，这样可以使系统更加准确，更加稳定。

传统的pid参数优化方法有临界比例度法（稳定边界法）、衰减曲线法、动态特性法和zieglernichols经验公式（zn公式法）。这些算法过程比较繁琐，难以实现参数的最优整定，容易产生震荡和大超调。近几年来，很多人为了解决这一问题，提出来许多基于人工智能技术的pid参数整定方法，如神经网络、模糊系统、模糊神经网络等。进化计算技术，如遗传算法，由于其较强的全局优化能力在pid控制参数优化中得到了广泛的应用。与传统的方法相比，遗传算法取得了一定的效果，但还是存在一些问题，如编码和解码过程需要大量cpu时间等。粒子群算法，也称粒子群优化算法（particleswarmoptimization），缩写为pso，是近年来发展起来的一种新的进化算法(（evolu2tionaryalgorithm-ea）。pso算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的交叉(crossover)和变异(mutation)操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。

就此，本文提出来一种基于粒子群算法的pid控制参数整定方法。在实验仿真中与遗传算法的pid参数整定方法进行比较，结果显示，粒子群算法优于基本遗传算法，可以实现pid参数快速，有效的整定。

2. 国内外研究现状分析

粒子群优化算法(PSO)是一种进化计算技术(evolutionarycomputation)，1995年由Eberhart博士和kennedy博士提出，源于对鸟群捕食的行为研究。该算法最初是受到飞鸟集群活动的规律性启发，进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上，利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。PSO同遗传算法类似，是一种基于迭代的优化算法。系统初始化为一组随机解，通过迭代搜寻最优值。但是它没有遗传算法用的交叉(crossover)以及变异(mutation)，而是粒子在解空间追随最优的粒子进行搜索。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。本文采用pso算法对PID控制器的参数进行自整定，在实验仿真中与基于实数编码遗传算法和基于二进制编码的遗传算法进行比较，证明该算法具有操作方便，收敛速度快，优化精度高，不易陷入局部最优值等优点。

3. 研究的基本内容与计划

由传统的ZN（ZieglerNichols）整定公式得出的PID参数，不能得到最佳的控制性能。本文提出一种基于适应度指数定标和边界缓冲墙相结合的改进型粒子群算法，应用于PID参数的整定。首先采用适应度指数定标的选中概率，挑选粒子进行随机变异；其次对越界的粒子进行缓冲，保证粒子落在寻优空间内以增加粒子种群多样性，同时调整种群粒子个数、社会和认知因子以提高寻优效率。在仿真实验中，将改进的粒子群算法分别应用于５种不同的工业过程，整定他们的PID参数，验证了这里提出的改进型粒子群算法的有效性。

本文主要研究基于粒子群算法控制系统PID参数优化设计方法和对PID液位控制器的改进。PID参数的寻优方法有很多，各种方法都有各自的特点，应按实际的系统特点选择适当的方法。本文采用了粒子群算法进行参数优化，主要做了如下工作：１、选择控制系统的目标函数，本控制系统选用时间乘以误差的绝对值，通过对控制系统的逐步仿真，对结果进行分析。由于选取的目标函数的解析式不能直接写出，故采用逐步仿真来实现；2、本文采用工程上的整定方法（临界比例度法）粗略确定其初始的三个参数，再利用粒子群算法进行寻优。得到更好的PID参数；3、采用SIMULINK的仿真工具对PID参数优化系统进行仿真，得出系统的响应曲线。从中发现它的性能指标，都比原来有了很大的改进。因此，采用粒子群算法的优越性是显而易见的，并且通过它在工业自动化领域不同实例中详细的解释它所起的作用。总的研究计划是首先自己通过阅读老师指定的参考文献，对整个课题研究有一个总的思路，然后仔细研读，确定本课题的研究方向。接下来通过老师的指导和讨论，对本课题有一个清晰的了解和认识。自己再通过设计实验，对不同工业自动化下的液位控制实例进行带入实验，来验证粒子群算法下的PID液位控制可行性，再行不停的改进以及优化，将其优化。最后整理实验数据，心得，开始撰写毕业论文。通过和老师同学的讨论，交流，不断完善自己的毕业论文。

4. 研究创新点

基于粒子群算法改进的PID控制，相对于其他算法的优势，并且深入粒子群算法研究PID控制的参数整定以及其算法的创新对PID控制的影响和应用，并且运用实例衍生出来的未来可能运用到应用。