pso粒子群算法pid控制器.pdf

发布时间：2022-05-31 发布人：admin 分类：说明书资料大小：0.11M 资料格式：pdf 举报版权申诉

qq_29041227-11058498-4744302543332047076.pdf-第1页.png

第1页 / 共1页

文本预览

14.2.2 算法流程 14.2.2.1 优化过程利用粒子群算法对 PID 控制器的参数进行优化设计，其过程如图 14-3 所示。图 14-3 PSO 优化 PID 的过程示意图图中，粒子群算法与 Simulink 模型之间连接的桥梁是粒子（即 PID 控制器参数）和该粒子对应的适应值（即控制系统的性能指标）。优化过程如下：PSO 产生粒子群（可以是初始化粒子群，也可以是更新后的粒子群），将该粒子群中的粒子依次赋值给 PID 控制器的参数 Kp、Ki、Kd，然后运行控制系统的 Simulink 模型，得到该组参数对应的性能指标，该性能指标传递到 PSO 中作为该粒子的适应值，最后判断是否可以退出算法。 14.2.2.2 粒子群算法实现粒子群算法的基本原理在 14.1.1 中已经述及，进一步地，粒子在搜索空间中的速度和位置根据如下公式确定： (14-5) (14-4) 其中，表示粒子的位置，表示粒子的速度，为惯性因子，、为加速常数，、为[0,1] 之间的随机数，是粒子迄今为止搜索到的最优位置，是整个粒子群迄今为止搜索到的最优位置。 PSO 的流程如下：（1）初始化粒子群，随机产生所有粒子的位置和速度，并确定粒子的和；（2）对每个粒子，将其适应值与该粒子所经历过的最优位置的适应值进行比较，如较好，则将其作为当前的；（3）对每个粒子，将其适应值与整个粒子群所经历过的最优位置的适应值进行比较，如较好，则将其作为当前的；（4）按式(14-4)和式(14-5)更新粒子的速度和位置；（5）如果没有满足终止条件（通常为预设的迭代次数和适应值下限值），则返回步骤（2），否则，退出算法，得到最优解。粒子群算法（PSO）开始结束产生粒子群满足终止条件吗？否是Simulink粒子依次赋值给Kp、Ki、Kd运行控制系统模型输出性能指标粒子群更新操作11122()()ttttttvwvcrPxcrGx11tttxxvxvw1c2c1r2rtPtGtPtGtPtPtGtG

分享到：

赞收藏

资料库

pso粒子群算法pid控制器.pdf

相关推荐

人工智能

热门标签

最新资料