积分商城

最新搜索： to-252 C语言 solidworks2020 5630DSA lt9611 ad
您现在的位置是：首页 > 技术资料 > 基于果蝇优化算法的PID控制器设计与应用
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于果蝇优化算法的PID控制器设计与应用

更新时间：2019-12-24 16:58:04 大小：934K 上传用户：xiaohei1810查看TA发布的资源 标签：PID控制器 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对传统的Z-N法得到的PID参数，难以获得最优的控制性能，提出一种基于果蝇优化算法的PID控制器参数优化的方法。果蝇优化算法具有控制参数少、实现简单和优化性能良好的优点，运用此算法设计出PID控制器，与Z-N法和遗传算法设计的PID控制器进行比较。仿真结果表明：果蝇优化算法的PID控制器比Z-N法和遗传算法的PID控制器所得结果更优，比遗传算法具有较快的收敛速度，并应用于环形一级倒立摆系统的稳定控制问题，达到较好的控制效果。

部分文件列表

文件名 大小
基于果蝇优化算法的PID控制器设计与应用.pdf 934K

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
第 47 卷第 11 期  
2016 年 11 月  
中南大学学报(自然科学版)  
Journal of Central South University (Science and Technology)  
Vol.47 No.11  
Nov. 2016  
DOI: 10.11817/j.issn.1672-7207.2016.11.016  
基于果蝇优化算法的 PID 控制器设计与应用  
赵晓军，刘成忠，胡小兵  
(甘肃农业大学 工学院，甘肃 兰州，730070)  
摘要：针对传统的 Z-N 法得到的 PID 参数，难以获得最优的控制性能，提出一种基于果蝇优化算法的 PID 控制  
器参数优化的方法。果蝇优化算法具有控制参数少、实现简单和优化性能良好的优点，运用此算法设计出 PID 控  
制器，与 Z-N 法和遗传算法设计的 PID 控制器进行比较。仿真结果表明：果蝇优化算法的 PID 控制器比 Z-N 法  
和遗传算法的 PID 控制器所得结果更优，比遗传算法具有较快的收敛速度，并应用于环形一级倒立摆系统的稳定  
控制问题，达到较好的控制效果。  
关键词：果蝇优化算法；PID 控制器；参数整定；环形倒立摆  
中图分类号：TP391  
文献标志码：A  
文章编号：1672−7207(2016)11−3729−06  
Design and application of PID controller based on  
fruit fly optimization algorithm  
ZHAO Xiaojun, LIU Chengzhong, HU Xiaobing  
(College of Engineering, Gansu Agricultural University, Lanzhou 730070, China)  
Abstract: The PID parameter obtained from the traditional Z-N method is difficult to receive the optimal control  
performance. Therefore, a method for parameter optimization of PID controller based on Fruit fly Optimization  
Algorithm was proposed, which has less control parameters, simple operation and good optimize performance. Then, We  
the performance of the PID controller designed by this algorithm with that designed by the Z-N method and genetic  
algorithm were compared. The simulation results show that the PID controller base on Fruit fly Optimization  
Algorithm is better than the Z-N method and genetic algorithm, and has a faster convergence speed than the genetic  
algorithm, and the stability control problem of circular inverted pendulum system by using this PID controller achieves  
good control effect.  
Key words: fruit fly optimization algorithm; PID controller; parameters tuning; rotary inverted pendulum  
PID 控制作为最早发展起来的控制策略之一，是  
由偏差的比例(P)、积分(I)和微分(D)构成[1]。由于其控  
制结构简单、实现容易、控制效果较好、鲁棒性强和  
可靠性高，在工业过程控制中得到了广泛地应用，并  
取得了很好的经济效果。但是 PID 控制器的参数优化  
一直困扰着工程技术人员，通过人工的实际经验进行  
调整，这种方法不但耗时，而且难以满足控制要求，  
因此 PID 控制器的参数整定成为了人们关注的问题。  
伴随着智能计算科学的快速发展，许多智能优化算法，  
如蚁群算法(ACO)[2]、神经网络学习算法[3]、遗传算法  
(GA)[4−6]、粒子群算法(PSO)[7−8]等应用到 PID 参数整  
定中，同时取得了比传统方法更为理想的结果。但是  
收稿日期：2016−02−18；修回日期：2016−04−23  
基金项目(Foundation item)：甘肃省自然科学基金资助项目(1208RJZA133)；甘肃农业大学青年导师基金资助项目(GAU-QNDS-201213)  
(Project(1208RJZA133) supported by the Natural Science Foundation of Gansu Province; Project(GAU-QNDS-201213) supported by the Youth  
Fund Project Supervisor of Gansu Agricultural University)  
通信作者：刘成忠，副教授，从事智能控制理论与应用的研究；E-mail:  
万方数据  
中南大学学报(自然科学版)  
第 47 卷  
3730  
这些智能优化算法存在某些不足，如神经网络学习算  
法的一些参数选择没有系统的方法，如神经元的个数、  
隐含层的数目以及初始权值，遗传算法存在过早收敛、  
参数依赖性强的缺陷，粒子群算法采用二阶微分的优  
化方程。本文作者尝试采用果蝇优化算法优化 PID 参  
数，为 PID 参数的自整定提供了新途径。果蝇优化算  
法来源于对果蝇觅食行为的仿照，是在 2011 年 6 月由  
潘文超提出的一类全新的演化式优化算法[9]。与其他  
群智能优化算法相比较，果蝇优化算法不但具有算法  
简单、程序代码容易实现、更快地收敛于最优解的优  
点，而且比其他的群智能算法调整的参数少。由于难  
以将参数间的复杂关系研究清楚，若选取不适的参数，  
会直接涉及到算法的优化性能，并且会加深算法复杂  
度分析的难度，因此采用果蝇优化算法设计的 PID 控  
制器，能够在参数的选取上减少一些困扰。而且果蝇  
优化算法的运行时间较少，可以减少计算复杂度。  
伴，从而能够顺利地飞向目标[11]  
。
果蝇优化算法的基本思想：根据果蝇优越的嗅觉  
器官对食物进行搜索，而果蝇和食物之间的距离与食  
物的味道浓度相关，即距离越近，其味道浓度越大。  
果蝇搜索食物的实质过程就是其渐渐地从味道浓度淡  
的位置飞向味道更浓的位置的过程[12−13]  
。
依据果蝇优化算法(FOA)搜索食物的生理特性，  
将其概况为以下几个步骤。  
1) 初始化，设定群体规模 Sizepop 和最大迭代次  
数 Maxgen，以及随机产生果蝇群体的初始坐标位置  
X
axis 和 Yaxis  
2) 给出果蝇运用嗅觉器官寻找食物的随机方向  
与距离。  
。
X X  
VValue*rrand ( )  
axis  
i
(2)  
Yi Yaxis VValue*rrand ( )  
3) 因为没有办法获知食物的位置，所以先计算果  
蝇个体与原点之间的距离 DDist ，并计算味道浓度判  
i
定值 Si。  
1 PID 控制器  
DDist  
Xi2 Yi2  
(3)  
(4)  
i
PID 控制作为一种经常使用的串联控制器形式，  
是对输入的误差信号 e(t) 进行比例、积分以及微分的  
Si 1/ DDist  
i
4) 将味道浓度判定值 Si 代入味道浓度判定函数  
(或称作适应度函数)中，从而得到果蝇个体的味道浓  
加权运算得出控制信号 u(t) ，驱动受控对象模型[10]  
。
PID 控制器的一般形式为  
de(t)  
度 Ssmell  
。
u(t) Kpe(t) Ki t e(t)dt Kd  
(1)  
i
0  
Ssmell FFunction (Si )  
(5)  
dt  
i
式中：e(t) 为系统误差信号；Kp，Ki 和 Kd 分别为比例、  
积分和微分的系数。这 3 个系数有各自的物理意义，  
比例控制直接响应于当前的误差信号，Kp 较大则偏差  
将变小，但考虑到根轨迹分析，Kp 无限增大将引起闭  
环系统的不稳定。积分控制对以往的误差信号发生作  
用，能够消除静态误差，Ki 的大小会影响系统的超调  
量和系统响应趋于稳态值的速度。微分控制对误差的  
变化率发生作用，具有一定的预报功能，Kd 的大小影  
响系统的响应速度和调节时间。  
5) 从该果蝇群体中找到味道浓度最优的果蝇个  
体。  
[bbest  
bbestIndes ] min(SSmell  
)
(6)  
Smell  
6) 记录并保留下最优味道浓度 bbestSmell 与其 X、Y  
坐标，这时候果蝇群体利用视觉向该位置飞去。  
S
bbestSmell  
Smellbest  
X
X (bbestIndex  
)
(7)  
axis  
Yaxis Y(bbestIndex  
)
7) 进入迭代寻优，将步骤 2)~5)循环进行，判断  
当前最佳味道浓度是否优于前一迭代最佳味道浓度，  
并且当前迭代次数是否小于最大迭代数 MMaxgen；若是  
则执行步骤 6)。  
2 基于 FOA 的 PID 控制器设计  
2.2 果蝇优化算法的 PID 控制器参数优化  
2.1 果蝇优化算法  
目前，果蝇优化算法(FOA) 的应用较为广泛，尤  
其是在函数优化、支持向量回归参数优化、神经网络  
方面具有巨大的应用价值。由于果蝇优化算法是在最  
近几年提出的，其理论知识还处在研究当中，其应用  
果蝇优化算法依据果蝇优越的嗅觉和敏锐的视觉  
特性，对其寻食过程进行仿真模拟，进而获得一种全  
局优化进化的新方法。果蝇的嗅觉器官能够对空气中  
飘浮的各种气味，产生超强的感知能力和搜索能力，  
而且在食物周围可以通过敏锐的视觉察觉食物和同  
范围有望进一步扩展[14]  
。
万方数据  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号