粒子群算法在PID控制器参数整定中的研究与应用

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (34): 221-224.

粒子群算法在PID控制器参数整定中的研究与应用

唐玉兰1，徐明亮1，梅娟1，2，陈建慧3

1.无锡城市学院电子信息工程系，江苏无锡 214151
2.江南大学物联网工程学院，江苏无锡 214122
3.无锡职业技术学院电子与信息技术学院，江苏无锡 214121

出版日期:2012-12-01 发布日期:2012-11-30

Research and application of particle swarm optimization in parameter tuning on PID controller

TANG Yulan1, XU Mingliang1, MEI Juan1，2, CHEN Jianhui3

1.Department of Electronics and Information Engineering, Wuxi City College, Wuxi, Jiangsu 214151, China
2.College of Internet of Things Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China
3.College of Electronics and Information Technology, Wuxi Institute of Technology, Wuxi, Jiangsu 214121, China

Online:2012-12-01 Published:2012-11-30

摘要/Abstract

摘要： 针对自动化控制系统中PID控制器参数整定困难的问题，提出了基于粒子群算法的PID控制器的设计方法，给出了具体的实验架构。采用系统参数鉴定的方式得到直流伺服发电机的传递函数，并利用粒子群算法搜寻PID参数。实验采用MATLAB仿真证明了该方法的可行性和优越性。所得到模拟结果跟遗传算法搜索PID参数的结果做比较，结果显示用粒子群算法调整PID参数所得到的运算时间比用遗传算法的运算时间要短。

关键词: 遗传算法, PID控制, 参数整定, 粒子群算法

Abstract: A design method of PID controller based on particle swarm algorithm is proposed to solve the difficult problems of parameter tuning on PID controller in automatic control system. And the specific experimental structure is also given. The transfer function of DC servo generator is found with identification of system parameters, and the PID parameters are searched by particle swarm algorithm. MATLAB simulation is used to demonstrate the feasibility and advantages of this approach. The simulation result is compared to the result of searching PID parameters based on genetic algorithm, and it is show that the seeking time to tune the PID parameters by using the particle swarm algorithm is faster than by using the genetic algorithm method.

Key words: genetic algorithm, PID control, parameters tuning, particle swarm algorithm

唐玉兰1，徐明亮1，梅娟1，2，陈建慧3. 粒子群算法在PID控制器参数整定中的研究与应用[J]. 计算机工程与应用, 2012, 48(34): 221-224.

TANG Yulan1, XU Mingliang1, MEI Juan1，2, CHEN Jianhui3. Research and application of particle swarm optimization in parameter tuning on PID controller[J]. Computer Engineering and Applications, 2012, 48(34): 221-224.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[3]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[4]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[5]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[6]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[7]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[8]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[9]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[10]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[11]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[12]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[13]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[14]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[15]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.