基于粒子群算法改进的PID控制及其在工业自动化领域的应用开题报告

1. 研究目的与意义

在现代工业控制领域，pid控制器由于其结构简单、鲁棒性好、可靠性高等优点得到了广泛应用。

pid控制器的控制性能与控制器参数, , p i d k k k 的优化整定直接相关。

在工业控制过程中多数的控制对象是高阶、时滞、非线性的，所以对pid控制器的参数整定是较为困难的。

2. 国内外研究现状分析

1995年kennedy和eberhart等人[6]提出了一种新的进化计算技术─粒子群优化算法（particle swarm optimization, pso）。

pso算法由于其思想简单、程序易实现、需要调整的参数较少已被广泛应用于科学计算与工程应用领域。

但应用于pid控制器的参数设计并不多见。

3. 研究的基本内容与计划

由传统的z-n(ziegler-nichols)整定公式得出的pid参数, 不能得到最佳的控制性能。

本文提出一种基于适应度指数定标和边界缓冲墙相结合的改进型粒子群算法, 应用于pid参数的整定. 首先采用适应度指数定标的选中概率, 挑选出粒子进行随机变异; 其次对越界的粒子进行缓冲, 保证粒子落在寻优空间内以增加粒子种群多样性, 同时调整种群粒子个数、社会和认知因子以提高寻优效率. 在仿真实验中, 将改进的粒子群算法分别应用于5种不同的工业过程, 整定他们的pid参数. 对误差绝对值乘以时间积分的性能指标(itae)做最小化, 得到了相应的pid参数, 验证了这里提出的改进型粒子群算法的有效性。

　　本文主要研究基于粒子群算法控制系统pid参数优化设计方法以及对pid控制的改进。

4. 研究创新点

基于粒子群算法改进的PID控制，相对于其他算法的优势，并且深入粒子群算法研究了PID控制的参数整定以及其算法的创新对PID控制的影响和应用，并且运用实例衍生出来的未来可能运用到应用。