任久斌 曹中清

（西南交通大学机械工程学院 成都 610031）

1 引言

PID 控制器具有结构简单、实现方便、鲁棒性强、可靠性高等特点［1～2］，而且人们对它的控制原理和物理意义相当熟悉，使得其在工业控制领域得到广泛使用。PID 控制器的性能取决于比例、积分、微分三个参数，因此，整定和优化PID 控制器参数具有重要的意义。相对于传统费时费力的人工调整方法，目前出现了大量的基于自然启发的智能优化算法，如遗传算法（GA）、粒子群算法（PSO）、风驱动优化算法（WDO）等［3～8］。这些智能优化算法原理简单、灵活性强，能够解决大规模、非线性组合优化问题，但是当面对实际领域中存在的多种多样的复杂优化问题时，也存在一定的不足，如算法收敛速度慢、收敛精度低，当种群规模较小时，容易陷入局部最优解，造成早熟收敛。针对PID 控制器参数优化问题，陈彬彬等［7］提出基于风驱动优化算法的方法，在收敛速度和精度上比遗传算法和粒子群优化算法要好。

针对早熟收敛的问题，本文利用多个种群并行搜索的策略，提出一种基于多种群的风驱动优化算法（Multi-population Wind Driven Optimization，MW-DO）。通过种群之间的迁移操作保证群体之间的相互联系，实现多个种群的协同进化，在进化的每一代通过选择操作保存各个种群的历史最优个体到精华种群中，同时将精华种群的最优个体保持代数作为衡量算法停止的依据。通过Matlab 对PID控制器参数优化过程进行仿真，并与标准的风驱动优化算法作比较，验证了该算法的有效性和优越性。……