孙琼琼，郭静博

（平顶山教育学院，平顶山467000）

基于蚁群神经网络的工业自动化PID参数优化❋

孙琼琼，郭静博

（平顶山教育学院，平顶山467000）

针对常规方法无法获得最优PID控制器参数的缺点，提出一种基于蚁群神经网络的PID控制器参数优化方法（ACO-RBFNN）。ACO-RBFNN将PID控制器的3个参数作为RBF神经网络的输入，系统输出为RBF神经网络期望输出，通过蚁群算法对RBF神经网络的参数进行优化，并通过RBF神经网络构造参数自学习的PID控制器，从而实现PID控制器参数在线优化。仿真实验结果表明，基于ACO-RBFNN的PID控制器可以得到令人满意的控制效果，可以应用于工业自动化控制系统的PID控制器参数优化。

PID控制器；参数优化；蚁群算法；神经网络

1 引 言

PID控制器具有结构简单、可靠性高、鲁棒性强等优点，有比较完善的理论体系，在电力冶金、机械等工业自动化控制领域得到了广泛应用［1］。对于PID控制器来说，最核心的问题是如何优化比例系数、微分时间、积分时间等3个参数，使PID控制系统控制效果最佳，因此PID控制器参数优化一直是工业自动化控制领域的热点［2］。

目前传统PID控制器参数优化方法主要有专家法、Z-N法和单纯形法［3-5］。专家法与经验知识直接相关，且需要整理和更新专家知识库；Z-N法是由Ziggler和Nichols于20世纪40年代初提出的一种PID控制算法，该控制算法简单、易实现，但对于相对大的时间滞后对象需采取专门的补偿措施，因此通过此算法设计的PID控制器超调量较大且抗干扰能力弱。超调量大，对于控制品质要求较高的场合，一般很难满足要求。……