A multiple particle swarm optimization algorithm and its application in PID parameters tuning.pdf

1、在技術流程工業(yè)，控制過程是主要的課題。為了環(huán)境問題和正在審理的產品質量，在工業(yè)上去保持流程工作可能性和安全性是非常重要的。為從小工業(yè)到高技術產業(yè)的過程控制，大多數(shù)采用PID控制器。PID控制算法，是一種更健壯的較容易理解的算法，它能提供好的控制性能，盡管不同的動態(tài)特性的過程。
　　 然而，為了PID控制器的工作有可能，已選擇的PID控制器參數(shù)必須被調整。因此，如何優(yōu)化PID控制器參數(shù)?還可以采用由Ziegler-Nichols提

2、出的傳統(tǒng)的技術來搜索最優(yōu)PID控制器參數(shù)嗎?還是需要用新的方法用隨機的方式來調整PID?在這個項目中，提出使用多粒子群算法(MPSO)，來調整PID控制器參數(shù)。MPSO是一種最優(yōu)化的方法。
　　 在探索搜索空間的不同的方法中，超啟發(fā)式優(yōu)化被認為是高水平的策略方法，它是一個新家庭的隨機算法來解決棘手的優(yōu)化問題。它可分為兩大類，其中被認為是單一的解決方案，而在眾多的解決方案進化并發(fā)執(zhí)行。用來解決各種應用問題，許多研究人員已經證明了這

3、一技術在大量優(yōu)化問題上的效率。
　　 在這一家庭的隨機算法，粒子群算法(PSO)算法，是最強大的metaheuristic開發(fā)，過去十年中，用來發(fā)現(xiàn)全球優(yōu)化問題在搜索空間。這個靈感是來自于從社會行為的動物生活在群，如鳥植絨或魚的教育。蜂群的粒子使用直接的交流方式，以建立解決非線性問題，基于他們的集體經驗。被廣泛使用，粒子群優(yōu)化算法迅速發(fā)展為它容易實施和一些粒子需要調整。它是一種有效的多尺度，線性及非線性問題。最近，研究顯示，粒子

4、群優(yōu)化算法已成功的應用來解決PID參數(shù)優(yōu)化問題。
　　 在這項研究中，目標是提高粒子群優(yōu)化算法的尋優(yōu)能力，來確定最優(yōu)PID控制器參數(shù)，通過執(zhí)行與多群相結合的一個新的超啟發(fā)式優(yōu)化算法。該方法結合許多帶顆粒的群，以便交換它們最佳位置信息，基于他們的集體經驗，從而建立一個解決非線性問題的方法因此，利用粒子群優(yōu)化算法的PID控制器被設計出來之后，同樣的模型再使用MPSO算法被重新設計。這些設計的控制器分別被叫做PSO-PID控制器和MP