黄训爱,杨光永,樊康生,陈旭东,徐天奇

(云南民族大学电气信息工程学院,昆明 650500)

0 引言

PID控制结构简单,适应性强,操作方便,被广泛应用在工业过程控制领域[1]。PID控制器的参数整定结果直接影响着PID控制器性能,通过人工经验方法调整参数比较耗时,且很难达到控制要求。因此,选取合适的方法对PID控制器参数进行整定显得尤为重要。最早的PID参数整定方法由Ziegler和Nichols提出(简称Z-N法)[2]。随着现代生产自动化程度的提高,系统复杂性,非线性特性以及被控对象不确定性日益突出,传统的Z-N法不再满足要求。

近年来,群智能技术发展迅速,并广泛应用在各个领域,如粒子群算法[3]、遗传算法[4]、海鸥优化算法[5]、麻雀搜索算法[6]等。随着群智能技术的发展,越来越多的智能优化算法广泛应用于PID控制参数优化,如宋娟等[7]提出基于果蝇优化算法优化PID参数,但算法后期搜索速度慢且易陷入局部最优;赵广元等[8]提出改进的人群搜索算法,响应速度较快但控制精度较差;李远梅等[9]提出一种变步长的萤火虫算法优化PID参数,但算法收敛速度较慢;王正等[10]提出一种改进花授粉算法,算法收敛精度低,局部搜索能力较弱;边莉等[11]提出蚁狮优化算法,算法虽精度高,更容易找到群居最优解,但系统响应速度很慢;WANG等[12]提出基于神经网络的PID参数优化,但算法计算量较大;张继荣等[13]提出改进粒子群优化算法,惯性权重系数呈非线性变化,能够避免算法后期陷入局部最优,但收敛速度较慢;HONG等[14]提出遗传算法优化隧道火灾烟气控制PID通风系统的参数优化与确定,并与解析试错法进行对比。……