基于PSO算法的PID控制器设计与实现论文

本文在介绍PID控制系统参数的优化方面提出了一种新型的优化方式，即将粒子群PSO算法引进参数的优化设计中，本文具体做了以下几个方面的工作： （1）利用经典控制系统原理对PID控制算法的参数进行初步给定； （2）采用粒子群算法并且利用SIMULINK的仿真工具对PID参数进行优化，得出系统的响应曲线。 （3）将优化后系统的性能与优化前系统性能进行比较，得出经过PSO优化的系统的性能得到提高。

%% 清空环境
clear
clc

%% 参数设置
w = 0.6;      % 惯性因子 
c1 = 2;       % 加速常数
c2 = 2;       % 加速常数

Dim = 3;            % 维数
SwarmSize = 5;    % 粒子群规模
ObjFun = @PSO_PID;  % 待优化函数句柄

MaxIter = 5;      % 最大迭代次数  
MinFit = 0.1;       % 最小适应值 

Vmax = 1;
Vmin = -1;
Ub = [300 300 300];
Lb = [0 0 0];

%% 粒子群初始化
    Range = ones（SwarmSize1）*（Ub-Lb）;
    Swarm = rand（SwarmSizeDim）.*Range + ones（SwarmSize1）*Lb      % 初始化粒子群
    VStep = rand（SwarmSizeDim）*（Vmax-Vmin） + Vmin                 % 初始化速度
    fSwarm = zeros（SwarmSize1）;
for i=1:SwarmSize
    fSwarm（i:） = feval（ObjFunSwarm（i:））;                         % 粒子群的适应值
end

%% 个体极值和群体极值
[bestf bestindex]=min（fSwarm）;
zbest=Swarm（bestindex:）;   % 全局最佳
gbest=Swarm;                % 个体最佳
fgbest=fSwarm;              % 个体最佳适应值
fzbest=bestf;               % 全局最佳适应值

%% 迭代寻优
iter = 0;
y_fitness = zeros（1MaxIter）;   % 预先产生4个空矩阵
K_p = zeros（1MaxIter）;         
K_i = zeros（1MaxIter）;
K_d = zeros（1MaxIter）;
while（ （iter < MaxIter） && （fzbest > MinFit） ）
    for j=1:SwarmSize
        % 速度更新
        VStep（j:） = w*VStep（j:） + c1*rand*（gbest（j:） - Swarm（j:）） + c2*rand*（zbest - Swarm（j:））;
        if VStep（j:）>Vmax VStep（j:）=Vmax; end
        if VStep（j:）        % 位置更新
        Swarm（j:）=Swarm（j:）+VStep（j:）;
        for k=1:Dim
            if Swarm（jk）>Ub（k） Swarm（jk）=Ub（k）; end
            if Swarm（jk）        end
        % 适应值
        fSwarm（j:） = feval（ObjFunSwarm（j:））;
        % 个体最优更新     
        if fSwarm（j） < fgbest（j）
            gbest（j:） = Swarm（j:）;
            fgbest（j） = fSwarm（j）;
        end
        % 群体最优更新
        if fSwarm（j） < fzbest
            zbest = Swarm（j:）;
            fzbest = fSwarm（j）;
        end
    end 
    iter = iter+1;                      % 迭代次数更新
    y_fitness（1iter） = fzbest;         % 为绘图做准备
    K_p（1iter） = zbest（1）;
    K_i（1iter） = zbest（2）;
    K_d（1iter） = zbest（3）;
end
%% 绘图输出
figure（1）      % 绘制性能指标ITAE的变化曲线
plot（y_fitness‘LineWidth‘2）
title（‘最优个体适应值‘‘fontsize‘18）;
xlabel（‘迭代次数‘‘fontsize‘18）;ylabel（‘适应值‘‘fontsize‘18）;
set（gca‘Fontsize‘18）;

figure（2）      % 绘制PID控制器参数变化曲线
plot（K_p）
hold on
plot（K_i‘k‘‘LineWidth‘3）
plot（K_d‘--r‘）
title（‘Kp、Ki、Kd 优化曲线‘‘fontsize‘18）;
xlabel（‘迭代次数‘‘fontsize‘18）;ylabel（‘参数值‘‘fontsize‘18）;
set（gca‘Fontsize‘18）;
legend（‘Kp‘‘Ki‘‘Kd‘1）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-04-22 00:10  程序\
     文件       29558  2010-08-22 18:38  程序\PID_Model.mdl
     文件        2585  2014-11-19 15:29  程序\PSO.m
     文件         174  2010-08-22 18:38  程序\PSO_PID.m
     文件      539169  2018-04-22 00:09  基于PSO算法的PID控制器设计与实现论文.docx