第32卷第02期計(jì)算機(jī)仿真2015年02月文章編號(hào):1006 -9348(2015)02 -0391 -04PID參數(shù)優(yōu)化方法對(duì)優(yōu)化效果的影響研究洪博,董澤(華北電力大學(xué)河北省發(fā)電過程仿真與優(yōu)化控制工程技術(shù)研究中心.河北保定071003)摘要:PID控制器對(duì)系統(tǒng)的經(jīng)濟(jì)和安全運(yùn)行有著至關(guān)重要的影響,主要研究了PID參數(shù)優(yōu)化方法對(duì)優(yōu)化效果的影響。目前PID優(yōu)化算法有多種，選取較典型的三種優(yōu)化方法,經(jīng)典優(yōu)化方法(單純形法)智能優(yōu)化方法(粒子群法)和專家系統(tǒng)三種優(yōu)化方法進(jìn)行分析與比較,通過實(shí)例分析講述每種優(yōu)化方法的優(yōu)化原理,研究PID優(yōu)化方法對(duì)系統(tǒng)性能的影響,得出三種優(yōu)化方法優(yōu)化后的參數(shù)和曲線,對(duì)它們進(jìn)行分析比較,結(jié)果表明,三種優(yōu)化方法在準(zhǔn)確性、快速性、穩(wěn)定性方面各有側(cè)重點(diǎn)。關(guān)鍵詞:參數(shù)優(yōu)化;單純形法;粒子群法;專家系統(tǒng)中團(tuán)分類號(hào):TP273文獻(xiàn)標(biāo)識(shí)碼:BStudy of an Effect of PID Parameter OptimizationMethods on Optimization EffectHONG Bo,DONG Ze( Hebei Engineering Research Center of Simulation & Optimized Control for Power Generation,North China Electric Power University , Baoding Hebei 071003 , China)ABSTRACT:PID ontroller plays a very important role on the system operating safely and economically, this papermainly studies the influence on the optimization efect produced by optimization of PID paramelers. At present thereare a variety of PID optimization algorithm, this article selects the typical three optimization methods and comparesand analyzes these methods of optimization including classical optimization method ( simplex method) , itelligent 0p-timization method ( particle swarm method) and expert system. In addition, through the example this paper narratesthe optimization principle of each kind of optimization method, studies the influence on system performance exercisedby PID optimization method. Besides, it is concluded that the emphasis of each method of optimization in terms of ac-curacy , rapidity and stability is diferent by analyzing the parameter and curve got by optimizing with the three kindsof optimization method.KEYWORDS:Parameter optimization; Simplex method; PSO method; Expert system的關(guān)注。隨著控制效果的要求不斷提高, PID逐漸向智能化1引言發(fā)展，但形形色色的現(xiàn)代控制理論最終還是源自經(jīng)典PID隨著現(xiàn)在工業(yè)的飛速發(fā)展,機(jī)組容量不斷增大,這就對(duì)理論。系統(tǒng)的經(jīng)濟(jì)性和安全性提出了更高的要求,即對(duì)控制器的在傳統(tǒng)優(yōu)化算法中單純形法應(yīng)用最廣泛,它具有在尋優(yōu)PID品質(zhì)要求不斷提高?？刂破饕辛己玫目箶_動(dòng)性能,較過程中不必計(jì)算 目標(biāo)的函數(shù)梯度,只是針對(duì)一定圖形的頂好的穩(wěn)定性以及較強(qiáng)的魯棒性等,雖然在機(jī)組運(yùn)行前調(diào)試人點(diǎn),按照一定的規(guī)則進(jìn)行搜索,具有操作簡(jiǎn)單,計(jì)算量小,適員已經(jīng)對(duì)系統(tǒng)的運(yùn)行指標(biāo)進(jìn)行了調(diào)整,但是在運(yùn)行期間隨著用面廣,便于計(jì)算機(jī)實(shí)現(xiàn)等優(yōu)點(diǎn)。但是單純形法不適合優(yōu)化機(jī)組運(yùn)行特性的不斷改變,運(yùn)行指標(biāo)難免會(huì)發(fā)生變化，所以形態(tài)較復(fù)雜的系統(tǒng),并且優(yōu)化速度較慢。而智能優(yōu)化方法較深知每種方法對(duì)系統(tǒng)的哪種指標(biāo)有較好的矯正特性具有較好的彌補(bǔ)了這些缺點(diǎn),粒子群優(yōu)化算法(PS0)具有易于描重要的現(xiàn)實(shí)意義。述便于實(shí)現(xiàn)要調(diào)整的參數(shù)少、收斂速度快等優(yōu)點(diǎn)而得到廣PID參數(shù)整定是由Ziegler和Nichols提出并引起了廣泛泛應(yīng)用,因?yàn)槠渲袊夯ひ约安灰紫萑刖植繕O小的特點(diǎn)CNMHG的問題。專家系收稿日期:2014-05 -06統(tǒng)是PID理論方法走向?qū)嶋H應(yīng)用的重大突破,它可以看作是-391-.-類具有專門知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng),- -般采用向,然后粒子們就跟隨當(dāng)前最好的粒子在空間中進(jìn)行搜索。人工智能中的知識(shí)表示和知識(shí)推理技術(shù)來模擬通常由領(lǐng)域PSO首先初始化- -群隨機(jī)粒子(初始速度、位移及其決專家才能解決的復(fù)雜問題。定的適應(yīng)值都隨機(jī)化) ,然后通過迭代搜索粒子的最優(yōu)解。本文在循環(huán)硫化床實(shí)例的基礎(chǔ)上分析研究單純形法、粒設(shè)以求某- - 函數(shù)Q(X)的極小值為例,粒子i在第t次迭子群法和專家系統(tǒng)三種優(yōu)化方法對(duì)系統(tǒng)好壞的影響,對(duì)三種代時(shí)的位置表示為向量X(t) =(x(t) ,xa(),",*0x(t)),i優(yōu)化方法的優(yōu)化原理進(jìn)行了詳細(xì)介紹,更加深人的了解三種=1 ,2,.. ,m,其速度也是一-個(gè)N維的向量,記為V,(t) =(ua優(yōu)化方法的異同點(diǎn),通過優(yōu)化后的參數(shù)和曲線可以直觀的看(t) ,0a(t),.. ,0w(I)),則在這種情況下粒子所經(jīng)歷的最優(yōu)出它們各自的側(cè)重點(diǎn),從而更好的指導(dǎo)人們學(xué)習(xí)和工作。位置記為Xbest, =(xa ,,. ,xv) ,相應(yīng)的當(dāng)前適應(yīng)值記為Qbest, ,則粒子i的當(dāng)前最好位置可表示為2 PID 優(yōu)化算法簡(jiǎn)介Xbest(1+1) =[Xbest()Q[X(1+1) > QVbest(1)2.1基于單純形的 PID優(yōu)化算法lx,(t+ 1)Q[X(1+1)≤QVbest,單純形法是發(fā)展較早的- -種優(yōu)化方法,它的基本思想可在尋優(yōu)過程中,粒子所經(jīng)歷的最優(yōu)位置為Xbest, = (xg，以描述為盲人爬山，每次在向前走一步之前,都會(huì)把拐棍向*.. ,*gn) ,其對(duì)應(yīng)的適應(yīng)值即全局最優(yōu)解記為Qbestgo在前試探幾下,然后向試探的最高一點(diǎn)邁出- -步。第t+1次迭代計(jì)算時(shí),粒子i根據(jù)下列規(guī)則來更新自己的位可以選定--個(gè)出發(fā)點(diǎn),構(gòu)成初始單純形,從初始單純形置和速度'。出發(fā),通過每次迭代構(gòu)成一個(gè)新的單純形來取代初始單純0.(1+1) =.(t) +er[Xbestm -xa(t)] +C252[Xbestm形,使新的單純形不斷向目標(biāo)函數(shù)小的方向靠近,從而找到-xn(1)](2)極小值為止。即對(duì)于一般的n元函數(shù),取n維空間的n+1xn(t+1) =xm(1) +02(1+1)(3)個(gè)點(diǎn)構(gòu)成初始單純形。而這n+1個(gè)點(diǎn)應(yīng)使n維向量x -式中:10 是慣性權(quán)重,C ,C2是加速度常數(shù),一般情況下c=c2x。一x0線性無關(guān)。在平面上即n=2時(shí)取不在 =2,r和r2為0到1之間的隨機(jī)數(shù),k=1,"",d。同一直線上的三點(diǎn)構(gòu)成單純形(三角形)。在三維空間即nPSO優(yōu)化PID時(shí)要根據(jù)以下幾個(gè)步驟:=3時(shí)則取不在同-平面上的四點(diǎn)構(gòu)成單純形(四面體)。1)根據(jù)實(shí)際現(xiàn)場(chǎng)的需要初始化種群。主要初始化優(yōu)化如果點(diǎn)取的少或上述n個(gè)向量中有一部分線性 相關(guān)那么就變量的上下限,優(yōu)化變量的速度限制,慣性權(quán)重區(qū)間等。會(huì)使搜索極小點(diǎn)的范圍局限在一個(gè)低維空間內(nèi),若極小點(diǎn)不2)計(jì)算當(dāng)前種群的適應(yīng)度,求出Xbest, 和Xbestgo在這個(gè)空間內(nèi),那就搜索不到,從而造成尋優(yōu)失敗"。3)根據(jù)迭代計(jì)算進(jìn)行速度和位置的更新,計(jì)算新種群?jiǎn)渭冃畏▋?yōu)化PID參數(shù)的方法為:的適應(yīng)度并比較Xbest,和Xbest。1)設(shè)置優(yōu)化變量的初值。主要包括優(yōu)化變量的上下4)根據(jù)算法精度要求判斷結(jié)束條件。限,步長和優(yōu)化精度等初始參數(shù)。從單純形法和PS0算法優(yōu)化PID的方法可以看出,PSO2)確定初始單純形。有調(diào)整的參數(shù)少,收斂速度快,算法容易實(shí)現(xiàn)等優(yōu)點(diǎn)(”。3)根據(jù)傳遞函數(shù)求出初始時(shí)確定的三個(gè)變量的函數(shù)2.3基于專家系統(tǒng)的PID優(yōu)化算法值,比較最好點(diǎn)、次差點(diǎn)和最差點(diǎn)。利用專家經(jīng)驗(yàn)來設(shè)計(jì)PID參數(shù)便構(gòu)成專家整定PID控4)求反射點(diǎn)。把最差點(diǎn)揚(yáng)棄,求其相應(yīng)的反射點(diǎn)的函制。在進(jìn)行專家整定PID控制設(shè)計(jì)時(shí),從特性識(shí)別獲得的系數(shù)值。統(tǒng)狀態(tài)特征和性能特征出發(fā),根據(jù)控制專家的經(jīng)驗(yàn),由專家5)求擴(kuò)張點(diǎn)。把反射點(diǎn)的函數(shù)值與次差點(diǎn)的函數(shù)值比系統(tǒng)歸納出PID參數(shù)的控制規(guī)律,把該控制規(guī)律存人知識(shí)庫較,若反射點(diǎn)小于次差點(diǎn)則求相應(yīng)的擴(kuò)張點(diǎn),擴(kuò)張點(diǎn)與反射并對(duì)知識(shí)庫進(jìn)行完善。系統(tǒng)工作時(shí),被控對(duì)象的狀態(tài)被輸人點(diǎn)比較,得出的最小點(diǎn)放到最差點(diǎn)的位置。專家控制器,由推理機(jī)根據(jù)知識(shí)庫進(jìn)行啟發(fā)式推理,決定此6)求收縮點(diǎn)。若反射點(diǎn)大于次差點(diǎn)則求收縮點(diǎn),若收時(shí)系統(tǒng)所需的PID控制器控制參數(shù)[5]。縮點(diǎn)小于次差點(diǎn)則壓縮單純形,得出的最小點(diǎn)扔放到最差專家整定PID控制系統(tǒng)的結(jié)構(gòu)如圖1所示。點(diǎn)處。從圖1可以看出專家系統(tǒng)對(duì)PID控制參數(shù)的整定過程最后求出PID參數(shù)和繪制曲線。若經(jīng)過N次搜索后仍包括對(duì)系統(tǒng)控制性能的判別，過程響應(yīng)曲線的特征識(shí)別,控不能滿足精度要求,則認(rèn)為搜索失敗,不能達(dá)到優(yōu)化要求。制參數(shù)調(diào)整量的確定以及PID控制參數(shù)的修改。在熱工系統(tǒng)中的PID控制器,比例帶為8,積分時(shí)間為T,專家系統(tǒng)優(yōu)化PID參數(shù)主要是通過三個(gè)模塊組成,分和微分時(shí)間為T,比例帶8的取值范圍為0.01 -2,積分時(shí)間別是:T:為5 -2000(2]。1)仿真棋也。甘更h的縣計(jì)笛被仿真對(duì)象的階躍中國煤化工2.2基于粒子群的 PID優(yōu)化算法響應(yīng)。PSO算法是根據(jù)鳥類飛行現(xiàn)象衍化而來的,所以它的原2)求系HC N M H G它的作用是通過階理是像鳥飛行一樣,有個(gè)速度向量決定它們飛行的距離和方躍響應(yīng)曲線求出特征值和品質(zhì)指標(biāo)。一392一知識(shí)庫y(h+1) =x(k+1-8)(13)↓用單純形法優(yōu)化PID參數(shù)時(shí)，設(shè)置優(yōu)化變量的下限是推理機(jī)]←特征識(shí)到4[0.1 ,20],上限是[2,500] ,單純形步長delta為0.01 ,優(yōu)化精性能識(shí)別Kp{ n| Td度epsF為0.0000,根據(jù)上述單純形法優(yōu)化PID參數(shù)的方法可得優(yōu)化后的δ為1.86,T為455.9。SV] P)PID控制器→[對(duì)象PSO優(yōu)化PID時(shí)設(shè)置優(yōu)化上下限為[- 10, 300]和[ - 20,100] ,優(yōu)化變量速度限制為[2,20],慣性權(quán)重區(qū)間為[0.8,1.2],認(rèn)知和社會(huì)因子為[2,2], PSO優(yōu)化PID后可得圍1專家整定 PD控制系統(tǒng)結(jié)構(gòu)圖δ為-10,T,為224.7。在本模型中設(shè)置專家系統(tǒng)的允許最大超調(diào)量為25 ,最小.3)專家系統(tǒng)模塊,該模塊是專家系統(tǒng)的核心,作用是對(duì)衰減率是0. 75 ,最大上升時(shí)間為1000,優(yōu)化后的8為9.4,T,系統(tǒng)的指標(biāo)如衰減率、上升時(shí)間等進(jìn)行分析優(yōu)化,從而得到為200. 2。一組新的PID參數(shù),以改善系統(tǒng)的性能°6。設(shè)初始參數(shù)下的階躍響應(yīng)為y,專家系統(tǒng)優(yōu)化后的階躍響應(yīng)為y ,粒子群優(yōu)化后的階躍響應(yīng)為yz ,單純形優(yōu)化后的3不同優(yōu)化算法 下的PID優(yōu)化分析與比較階躍響應(yīng)為y3。得到優(yōu)化后的仿真對(duì)比圖像如圖3所示。某300MW循環(huán)流化床鍋爐運(yùn)行在60%負(fù)荷下,燃料量與床溫關(guān)系的數(shù)學(xué)模型為1.8+(224. 18s + 1)21.6-采用單回路PID控制器對(duì)其進(jìn)行控制并優(yōu)化參數(shù)。對(duì)該系統(tǒng)進(jìn)行離散化得到離散相似系統(tǒng)框圖為圖2a”所示。每063|0.40.四母500 1000150020002500 30000 3500 4000仿真時(shí)間/s圍2離散相似系統(tǒng)框圉圈3優(yōu)化后的仿真對(duì)比圖像按圖2所示即可得到系統(tǒng)的狀態(tài)方程和輸出方程。三種優(yōu)化方法優(yōu)化PID后的δ和T;如表1所示。云=8T(R-y)(4)表1 PID 優(yōu)化后的結(jié)果對(duì)比5.77優(yōu)化方法T名=224. i8x+224.18(5)初始參數(shù)22002=xg(6)專家系統(tǒng)9.4200.23“224.18*+22418號(hào)(7)粒子群-10224. 7y =xq(I- 86)(8)單純形1.86455.9由上式的狀態(tài)方程和輸出方程可得系統(tǒng)的差分方程。提取各類優(yōu)化曲線下的調(diào)節(jié)參數(shù),如表2所示。x(k+1) =x(k) +7[R-r(k+1)](9)表2各類優(yōu)化曲線下參數(shù)對(duì)比調(diào)節(jié)參數(shù)u =x(k+1) +R-x(k+1)(10)中(FAI)x(k+1) =etix2(h) +(1 -e2x) *5.77*山2個(gè)1890. 96中國煤化工(11)粒子群法.二-680. 98x(k+1) =eixq(k) +(1 -e2l8)*x(k+1)單純形法CCHCNM H G"。0.9912)一393--從圖表2可以看出:專家系統(tǒng)的上升時(shí)間較小，衰減率[3] 韓璞.智能控制理論及應(yīng)用[M].北京:中國電力出版也相對(duì)較好,但是超調(diào)量大,系統(tǒng)不穩(wěn)定。粒子群算法的超社, 2013.調(diào)量比較好,但是犧牲了上升時(shí)間與調(diào)節(jié)時(shí)間。單純形法的[4]張家駿. 基于粒子群算法的PID控制器參數(shù)優(yōu)化研究[J].計(jì)算機(jī)仿真, 2010,27(10 ): 191 -193.超調(diào)量、上升時(shí)間與調(diào)節(jié)時(shí)間都較好但是衰減率不太理想。[5] 郭晨.智能控制原理及應(yīng)用[M].大連:大連海事大學(xué)出版4結(jié)束語社,1998.本文通過對(duì)經(jīng)典優(yōu)化方法(單純形法)智能優(yōu)化方法[6] 蔡自興.智能控制基礎(chǔ)與應(yīng)用[M].北京:國防工業(yè)出版社t,1998.(粒子群法)和專家系統(tǒng)三種優(yōu)化方法進(jìn)行分析與比較,可知三種優(yōu)化方法在準(zhǔn)確性、快速性、穩(wěn)定性方面各有側(cè)重點(diǎn),在[作者簡(jiǎn)介]實(shí)際生產(chǎn)過程中,可以根據(jù)不同的要求有選擇的舍棄要求相洪博(1989-),男(蒙古族),河北承德人,碩士對(duì)弱的環(huán)節(jié),從而更好的達(dá)到效果。研究生,研究方向?yàn)榉稚⒖刂葡到y(tǒng)設(shè)計(jì)與開發(fā)，燃料智能管理系統(tǒng)設(shè)計(jì)與開發(fā)。參考文獻(xiàn):董澤(1970-), 男(漢族),河北省保定市人,教[1]韓璞,張麗靜. 熱工過程控制系統(tǒng)參數(shù)優(yōu)化方法的研究[J].授,碩士研究生導(dǎo)師，研究方向?yàn)橹悄芸刂萍捌湓谌A北電力學(xué)院學(xué)報(bào), 1993 ,20(1):50 -57.工程中的應(yīng)用,非線性控制,網(wǎng)絡(luò)化控制等。[2] 劉娜.控制系統(tǒng)參數(shù)優(yōu)化方法的研究[D].華北電力大學(xué), 2002.(上接第368頁)[7]何娟,涂中英 ,牛玉剛. - -種遺傳蟻群算法的機(jī)器人路徑規(guī)劃借鑒二維蟻群算法取得的切實(shí)有效的研究手段和方法,分析方法[J].計(jì)算機(jī)仿真, 2010,27(3);170-174.了蟻群算法的優(yōu)勢(shì)與劣勢(shì),改進(jìn)了啟發(fā)式函數(shù)和信息素更新[8]王沛棟,唐功友. 帶容量約束車輛路由問題的改進(jìn)蟻群算法[J].控制與決策, 2012 ,2711);163 -164.策略,引入了逆轉(zhuǎn)變異和插人變異避免算法陷入停滯,提出[9] 石鐵峰. 改進(jìn)遺傳算法在移動(dòng)機(jī)器人路徑規(guī)劃中的應(yīng)用[J].了一種適于三維機(jī)器人路徑規(guī)劃的變異算子蟻群算法。仿計(jì)算機(jī)仿真，2011 ,2(28): 193-196.真結(jié)果表明, MOACA在搜索路徑、收斂時(shí)間、適應(yīng)度等方面[10] 李士勇. 蟻群算法及其應(yīng)用[ M].哈爾濱:哈爾濱工業(yè)大學(xué)較傳統(tǒng)蟻群算法有明顯改善,算法是有效可行的。此外,本出版社, 2005.文提出的變異算子蟻群算法也可推廣應(yīng)用于其它類似優(yōu)化[11] J Amores, N Sebe, P Radeva. Context - based object - class rec-問題的求解。本文研究的路徑規(guī)劃問題規(guī)模有限，當(dāng)規(guī)模增ognition and retrieval by generalized crrelogams[J]. IEEETrans大時(shí),改進(jìn)算法能否取得滿意的效果,尚需進(jìn)--步驗(yàn)證和on Ptterm Analysis and Machine Ieligence, 2007 ,29 ( 10):完善。1818 - 1833.12] W J Gutjahr. A Graph - Based Ant Systemn and its Convergence[J]. Future Generation Computer System, 2000 , 32 (16):886[1]齊勇,魏志強(qiáng),殷波.增強(qiáng)蟻群算法的機(jī)器人最優(yōu)路徑規(guī)劃- 88[J].計(jì)算機(jī)工程與應(yīng)用, 2008 ,4(1):54 -56.[13] 馬良,朱剛，寧愛兵蟻群優(yōu)化算法[M].北京:科學(xué)出版[2] P C Kevin, et al. AUV Path planning: An A * Approach to Path社, 2010.Planning Widh Consideration of Varable Vehicle Speeds and Mul-tiple, Overapping, Time Dependent Exclusion Zone[C]. Proe ofSymp on AUV Technology, 1992 ,23(3):79 -84.李向軍(1972-),男(漢族) ,江西萍鄉(xiāng)人,教授,主[3] 郝艷玲,張京娟.基于遺傳算法的AUV三維海底路徑規(guī)劃要研究領(lǐng)域?yàn)槿斯ぶ悄芗皯?yīng)用,數(shù)據(jù)挖掘,智能[J].中國工程科學(xué), 2003 ,5(1):56 -60.計(jì)算。[4] 劉雄,雷勇,除國強(qiáng).基于蟻群算法的移動(dòng)機(jī)器人路徑規(guī)劃霍艷麗(1987-),女(滿族) ,吉林人,碩士生,主要[J].計(jì)算機(jī)仿真，2011,11(28):185 - 188.研究領(lǐng)域?yàn)槿斯ぶ悄芗皯?yīng)用,數(shù)據(jù)挖掘。5]胡小兵 ,黃席樾.基于蟻群算法的三維空間機(jī)器人路徑規(guī)劃.曾勃煒(1973-),男(漢族),江西人,碩士,教授,研究方向?yàn)橛?jì)算重慶大學(xué)學(xué)報(bào)[J].重慶大學(xué)學(xué)報(bào)，2004,27(8);132 - 135.機(jī)網(wǎng)絡(luò)與應(yīng)用、信息安全。[6] 胡薈,蔡秀珊.機(jī)器人三維路徑規(guī)劃問題的-種改進(jìn)蟻群算法徐鷹(1957-),女(滿族) ,遼寧人,教授,主要研究領(lǐng)域?yàn)橛?jì)算機(jī)[J].計(jì)算機(jī)工程與科學(xué)，2012 ,411);1513 -157.網(wǎng)絡(luò)及應(yīng)用。中國煤化工MHCNMHG一394一