基于多目标粒子群的非线性系统PID控制器设计

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (23): 69-72.

基于多目标粒子群的非线性系统PID控制器设计

伍思敏，陈珺，刘飞

江南大学自动化研究所轻工过程先进控制教育部重点实验室，江苏无锡 214122

出版日期:2014-12-01 发布日期:2014-12-12

PID control of nonlinear systems based on multi-objective particle swarm optimization

WU Simin, CHEN Jun, LIU Fei

Key Laboratory of Advanced Process Control for Light Industry （Ministry of Education）, Institute of Automation, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2014-12-01 Published:2014-12-12

摘要/Abstract

摘要： PID控制器自产生以来，一直是工业生产过程中应用最广泛、最成熟的控制器。随着控制品质的要求越来越高，综合考虑系统的准确性、稳定性、快速性等多个性能指标，基于改进的Pareto最优排序多目标粒子群算法，给出一个适用于一类非线性系统的PID控制器设计方法。采用经典的非线性倒立摆系统作为PID被控对象进行仿真，将超调量和调节时间两个目标作为多目标粒子群算法的目标，求出一组Pareto最优控制参数，通过跟踪控制得到精确稳定的控制效果。

关键词: 多目标粒子群算法, 比例-积分-微分（PID）控制, 非线性系统, 倒立摆控制

Abstract: Since production, the PID controller has been widely used in industrial production processes, with easy implementation and mature theoretical analysis. Along with the increasingly high demand for quality, this paper considers the accuracy, stability and rapid of the multiple system performance indicators at the same time and presents a PID optimization control system design for a class of nonlinear systems based on the Pareto optimal sequencing multi-objective particle swarm optimization. For simulation, a classic nonlinear inverted pendulum system is illustrated as objects of PID control. The overshoot and adjustment time are defined as the fitness functions of the multi-objective particle swarm optimization. The typical nonlinear inverted pendulum tracking control uses a set of Pareto optimal control parameters and the result testifies that the tracking control is accuracy and stability.

Key words: multi-objective Particle Swarm Optimization（PSO）, Proportion-Integration-Differentiation（PID） control, nonlinear system, inverted pendulum control

伍思敏，陈珺，刘飞. 基于多目标粒子群的非线性系统PID控制器设计[J]. 计算机工程与应用, 2014, 50(23): 69-72.

WU Simin, CHEN Jun, LIU Fei. PID control of nonlinear systems based on multi-objective particle swarm optimization[J]. Computer Engineering and Applications, 2014, 50(23): 69-72.

[1]	李伟平，黄自豪，曹和利，陶建建. 矿用自卸车主动油气悬架非线性控制方法研究[J]. 计算机工程与应用, 2017, 53(5): 222-226.
[2]	耿宏，任道先，杜鹏. 基于NARX神经网络航空发动机参数动态辨识模型[J]. 计算机工程与应用, 2017, 53(12): 241-248.
[3]	吕彬，董建园. 基于遗传算法的六自由度并联平台的控制[J]. 计算机工程与应用, 2015, 51(2): 76-81.
[4]	彭晓华1，贾美珍2，王磊1. 一类完全模糊非线性系统同伦法求解[J]. 计算机工程与应用, 2015, 51(18): 38-41.
[5]	陈玉婵，师五喜，陈奕梅. 一类不确定非仿射非线性系统自适应模糊控制[J]. 计算机工程与应用, 2014, 50(8): 251-254.
[6]	李飞祥1，赵知劲1，2，赵治栋1. 一种分阶梯度加权平均变步长VLMP算法[J]. 计算机工程与应用, 2014, 50(4): 207-210.
[7]	严平平1，赵知劲1，2，尚俊娜1，2，赵治栋1. 二阶Volterra变记忆长度LMP算法[J]. 计算机工程与应用, 2013, 49(3): 121-125.
[8]	徐志成1，王树青2. 基于菌群优化算法的非线性系统模型参数辨识[J]. 计算机工程与应用, 2013, 49(1): 46-49.
[9]	王海鹰，李祖枢，龙菊舒. 一类三维动力系统的同步控制与仿真[J]. 计算机工程与应用, 2012, 48(7): 217-218.
[10]	林琳1，黄南天2，高兴泉1. 采用双折线步方法的傅里叶神经网络[J]. 计算机工程与应用, 2012, 48(29): 55-58.
[11]	吕辉，刘恒，向伟. 一类不确定非线性系统自适应模糊滑模控制[J]. 计算机工程与应用, 2012, 48(20): 236-239.
[12]	周保民1，廖瑛2. 未知非线性系统自适应改进RBF滑模控制[J]. 计算机工程与应用, 2011, 47(9): 243-245.
[13]	刘国志，苗晨. 基于社会认知算法的非线性控制系统参数估计[J]. 计算机工程与应用, 2011, 47(35): 222-223.
[14]	徐莉，刘飞. 饱和非线性时滞系统约束预测控制[J]. 计算机工程与应用, 2011, 47(31): 245-248.
[15]	吴志华^1，2，丁杨斌¹，申功勋¹. 改进的非线性鲁棒EKF算法及其应用[J]. 计算机工程与应用, 2011, 47(3): 207-209.