摘要
众所周知，PID控制在现代工业控制中占据了十分重要的位置。PID 控制器结构简单、实现容易且应用十分广泛。PID 控制器的核心是 PID 参数整定。但随着现代工业的发展，控制过程越来越复杂，传统的 PID 参数整定方法已经不能完全适应。PID 参数整定已成为一个重要研究课题，研究一种新型、高效的参数整定十分必要。粒子群算法(PSO)，是一种进化计算技术。粒子算法源于对鸟群捕食行为研究，PSO同遗传算法类似，是一种基于迭代的优化工具。 系统初始化为一组随机变量，通过迭代寻找最优值。但是并没有遗传算法的交叉以及变异，而是粒子在解空间追随最优的粒子进行搜索。
本文通过利用粒子群算法来确定PID参数，结合仿真实例证明利用粒子群算法在整定PID参数时具有快速，高效率等优点。首先，从不同方面介绍了PID控制的发展现状，对进化算法尤其是粒子群算法进行了综述。然后，简单介绍了进化算法并且引入粒子群算法及研究现状。学习了粒子群算法的基本原理，了解了主要参数的作用，着重讨论了基于惯性权重参数和学习因子的改进方法。介绍了PID控制的基本原理，对评价控制系统的性能指标和整定方法进行了学习。基于某被控对象采用粒子群算法，设计了PID控制系统参数的整定流程。在Matlab\Simulink中进行了编程，仿真结果验证了所设计整定方法的可行性。
关键词：粒子群算法，PID控制器，参数整定
ABSTRACT
...
KEY WORDS: PID control, particle swarm optimization, PID parameters
目录
第一章 绪 论1
1.1研究意义及背景....1
1.2 PID控制器简介2
1.2.1．PID控制的发展历程及现状2
1.2.2．PID参数整定国内外研究现状3
1.2.3．参数整定分类4
1.3进化算法概述5
1.3.1．粒子群算法的研究现状6
1.3.2．粒子群算法的应用研究7
1.4本课题研究的主要工作8
第二章 粒子群算法简介8
2.1群智能算法9
2.1.1．蚁群算法10
2.1.2．人工鱼群算法10
2.1.3．其他智能优化算法10
2.2基本和标准粒子群算法12
2.2.1．粒子群优化算法的起源12
2.2.2．基本粒子群优化算法13
2.2.3．标准粒子群算法15
2.2.4．粒子群算法的控制参数16
2.3参数改进18
2.3.1．惯性权重参数的改进18
2.3.2．学习因子的改进20
第三章 PID控制器介绍21
3.1PID控制理论基础及现状21
3.1.1．模拟PID调节器21
3.1.2．PID参数对控制系统的影响23
3.1.3．数字PID控制器24
3.2控制系统的性能评价指标25
3.2.1．鲁棒性指标25
3.2.2．传统PID控制系统设计方法26
第四章 基于粒子群优化算法的PID参数整定29
4.1粒子群优化算法整定PID参数原理29
4.1.1．控制系统的性能指标29
4.1.2．典型的被控对象模型32
4.2 基于粒子群算法的PID仿真试验步骤与流程32
第五章 仿真35
5.1问题描述35
5.2参数整定思路36
5.2.1．优化过程36
5.2.2．粒子群算法实现37
5.3.仿真结果38
5.3.1．实验数据记录38
5.3.2．实验结果分析40
第 六 章 全 文 总 结41
参 考 文 献42
致 谢49
毕业设计小结50
