张霞

(太原学院，太原 030032)



混沌粒子群优化算法在PID参数整定中的应用

张霞

(太原学院，太原 030032)

针对传统PID参数整定方法和智能PID参数整定方法存在的不足，将粒子群优化算法与混沌理论相结合，提出了基于Logistic映射的混沌粒子群优化算法，并将该算法应用于PID参数的优化整定。结果表明： 该算法能够获得良好的整定效果和收敛特性，从而验证了该算法的可行性和优越性。

粒子群优化算法混沌PID参数整定

Abstracts： In view of shortage of parameter tuning methods for traditional and intelligent PID， chaos particle swarm optimization algorithms based on Logistic mapping is proposed with combination of particle swarm optimization algorithm and chaos theory， and is applied in PID parameter optimization and tuning. The results show good setting effect and astringent properties can be obtained with the algorithm. The feasibility and superiority are verified.

在工业生产中，通常用闭环控制方式来控制温度、压力、流量等连续变化的模拟量。由于PID控制器结构简单，控制效果好，参数调整方便，容易实现，有较强的灵活性和适应性，因而在工业控制领域中，PID控制为使用最多的闭环控制方式。PID参数的整定是PID控制器设计的关键，但是PID参数整定的过程是复杂、繁琐的。在实际应用中，如果PID参数整定得不好，系统的动静态性能达不到要求，甚至会使系统不能稳定运行。

传统的PID参数整定方法存在很多局限，很难满足对控制品质要求较高的场合。例如，Ziegler-Nichols整定算法(Z-N)不适用于时间滞后相对大的对象；Cohen-Coon整定算法不适用于衰减比太小的闭环系统。目前出现的智能参数整定方法也存在很多不足，很难实现参数的最优整定。例如，神经网络算法在参数选择时没有系统的方法；遗传算法的计算量大，解码过程繁琐[1]。文中引入基于Logistic映射的混沌粒子群优化算法(CPSO)对PID控制器的参数进行整定，通过采用Matlab软件仿真，结果表明了该算法能够获得满意的优化整定效果。……