基于改进人工免疫算法的PID参数优化研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (19): 84-86.

基于改进人工免疫算法的PID参数优化研究

刘国联^1,2,谭冠政¹,何燕²

1.中南大学信息科学与工程学院，长沙 410083
2.湖南铁路科技职业技术学院，湖南株洲 412000

收稿日期:2008-02-18 修回日期:2008-04-28 出版日期:2008-07-01 发布日期:2008-07-01
通讯作者: 刘国联

Parameters optimizing of PID controller based on improved artificial immune algorithm

LIU Guo-lian^1,2,TAN Guan-zheng¹,HE Yan²

1.School of Information Science and Engineering，Central South University，Changsha 410083，China
2.Hunan Railway College of Science and Technology，Zhuzhou，Hunan 412000，China

Received:2008-02-18 Revised:2008-04-28 Online:2008-07-01 Published:2008-07-01
Contact: LIU Guo-lian

摘要/Abstract

摘要： 针对传统PID控制器参数优化方法存在的不足，提出了一种改进的人工免疫算法（IAIAE）。该算法的主要特点是，采用了基于抗体浓度的调节机制和多样性保持策略的新方法，使用了浮点数编码方法和Elitism策略。将该算法应用于PID控制器参数的优化，并与具有精英保留的SGA进行比较。仿真实验结果表明，用IAIAE算法优化PID控制器参数，其效果优于SGA。

关键词: 免疫算法, PID控制, 参数优化

Abstract: Aimed at the drawback of the conventional optimization method of PID controller parameter，an improved artificial immune algorithm is proposed.The algorithm has the main features，the new method of antibody density and variety policy，the floating-point coding and elitism strategy.The algorithm is applied to the optimization of PID parameter，compared to SGA.The simulation results show that the performance of PID controller based on IAIAE is superior to that of PID controller based on SGA.

Key words: immune algorithm, PID control, parameter optimization

刘国联^1,2,谭冠政¹,何燕². 基于改进人工免疫算法的PID参数优化研究[J]. 计算机工程与应用, 2008, 44(19): 84-86.

LIU Guo-lian^1,2,TAN Guan-zheng¹,HE Yan². Parameters optimizing of PID controller based on improved artificial immune algorithm[J]. Computer Engineering and Applications, 2008, 44(19): 84-86.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[3]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[4]	巫光福，陈颖. 花授粉算法研究与应用综述[J]. 计算机工程与应用, 2021, 57(15): 30-41.
[5]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.
[6]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[7]	曹林，王之腾，陈亮，李洪顺，高申，张自立. 基于改进量子免疫算法的神经网络集成[J]. 计算机工程与应用, 2020, 56(22): 142-147.
[8]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[9]	殷春武. 执行器故障时变系统的PID迭代容错控制[J]. 计算机工程与应用, 2019, 55(3): 266-270.
[10]	王丽婷，张金鑫，张金华. 乌鸦搜索算法在SVM参数优化中的应用[J]. 计算机工程与应用, 2019, 55(21): 214-219.
[11]	邓辉，罗倩，王岩. 基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断[J]. 计算机工程与应用, 2019, 55(17): 156-161.
[12]	李婕1，李昊2，赵新蕖1. 免疫遗传算法的混合动力汽车多目标优化[J]. 计算机工程与应用, 2018, 54(4): 237-243.
[13]	库硕，丁达理，黄长强，王杰，周欢. 基于自适应模糊PID的UCAV姿态控制[J]. 计算机工程与应用, 2018, 54(20): 223-229.
[14]	陈大鹏1，2，张九根1，2，梁星1，2. 基于解析法的变风量空调解耦优化控制[J]. 计算机工程与应用, 2018, 54(18): 235-241.
[15]	温博文，董文瀚，解武杰，马骏. 基于改进网格搜索算法的随机森林参数优化[J]. 计算机工程与应用, 2018, 54(10): 154-157.