資源描述：
《權(quán)重改進(jìn)的蛙跳算法優(yōu)化PID參數(shù).pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、2014年第2期工業(yè)儀表與自動(dòng)化裝置·7·權(quán)重改進(jìn)的蛙跳算法優(yōu)化PID參數(shù)劉悅婷(蘭州文理學(xué)院電子信息工程學(xué)院，蘭州730010)摘要：針對(duì)非線性、大延遲、時(shí)變的控制系統(tǒng)，傳統(tǒng)的PID控制效果不理想，為此提出用蛙跳(shufledfrogleapingalgorithm，SFLA)仿生優(yōu)化算法整定PID參數(shù)，但傳統(tǒng)蛙跳算法易陷入局部最優(yōu)，收斂速度慢，因此提出權(quán)重改進(jìn)的蛙跳算法(weightimprovedshuffledfrogleapingalgorithm，WIS—FLA)。該算法引入線性遞減慣性權(quán)重修正最差青蛙的更新策略，可以平衡算法的全局搜索和局部搜索。通過(guò)兩個(gè)經(jīng)典
2、控制系統(tǒng)的仿真測(cè)試，結(jié)果表明，WISFLA算法可以平衡算法的全局搜索和局部搜索，比SFLA和PSO(particleswarmoptimization)的尋優(yōu)能力強(qiáng)，迭代次數(shù)少，更適合PID參數(shù)的整定優(yōu)化。關(guān)鍵詞：PID參數(shù)；蛙跳算法；慣性權(quán)重；最優(yōu)解中圖分類號(hào)：TP273．2文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1000—0682(2014)02—0007—04WeightimprovedshufledfrogleapingalgorithmtooptimizetheparametersofPIDLIUYueting(SchoolofElectronicsandInformationE
3、ngineering，LanzhouUnwemityofArtsandScience，Lanzhou730010，China)Abstract：Forthenonlinear，largedelay，time-varyingcontrolsystem，conventionalPIDcontrolresultisnotsatisfactory．SoPIDself-turningbasedonSFLA(shuffledfrogleapingalgorithm)ispresented．ButbecauseoftheproblemsofSFLAsuchaslocaloptimalit
4、yandslowconvergencerate．Thereforeweproposeaweightimprovedshufledfrogleapingalgorithm．Inthisalgorithm，whichintroducethelineardecreasingadaptiveinertiaweighttocorrectthepoorfrogupdatestrategycanbalancetheglobalsearchandlocalsearch．Thesimulationresultsofexperimentsontwoclassicalcontrolsystems
5、howthatcomparedwiththeSFLAandPSO(particleswarmoptimization)，theWISFLAcanbalancetheglobalsearchandlocalsearch，anditsoptimizationabilitywouldbestronger，thenumberofiterationsless，moresuitableforthetuningofthePIDparametersoptimization．Keywords：PIDparameters；SFLA(shuffledfrogleapingalgorithm)；i
6、nertiaweight；optimumsolution參數(shù)整定與優(yōu)化已成為一個(gè)重要的研究方向。0引言而實(shí)際的控制對(duì)象往往是非線性、大延遲、時(shí)變傳統(tǒng)的PID控制器具有結(jié)構(gòu)簡(jiǎn)單、可靠性高和不確定的，難以建立精確的控制模型，應(yīng)用傳統(tǒng)的易于操作等優(yōu)點(diǎn)被廣泛地應(yīng)用于化工、電力等工業(yè)PID得不到理想的控制效果。近年來(lái)，一些人工過(guò)程控制中[。要使PID控制器發(fā)揮理想的控制智能方法，如遺傳算法(GA)、模擬退火算法(SA)和效果，必須先對(duì)其3個(gè)參數(shù)進(jìn)行整定，即比例系數(shù)粒子群算法(PSO)被成功地應(yīng)用到PID控制器參數(shù)(P)、積分(I)、微分時(shí)間(D)。因此，PID控制器的優(yōu)化中J。然而，
7、GA在解決被優(yōu)化參數(shù)相互關(guān)聯(lián)的優(yōu)化問(wèn)題時(shí)效率較低，且易陷人局部最優(yōu)；SA算收稿日期：2013—07一O5法收斂速度較慢；PSO算法參數(shù)較多，在算法后期難基金項(xiàng)目：甘肅省自然科學(xué)基金項(xiàng)目(1112RJZA028)；蘭州文理逃局部最優(yōu)的困擾。該文針對(duì)這些問(wèn)題，提出了具學(xué)院科研能力提升計(jì)劃一般項(xiàng)目(2012YBTS04)。有GA算法和PSO算法各自優(yōu)點(diǎn)的蛙跳算法，但傳作者簡(jiǎn)介：劉悅婷(1979)，女，陜西臨潼人，碩士，副教授，主要從事電子、自動(dòng)控制等方面的教學(xué)與科研。統(tǒng)蛙跳算法易陷入局部最優(yōu)，收斂速度慢，因此，用·8·工
