化工自動(dòng)化及儀表，2010, 37(1);1 -4綜述與評(píng)論Control and Instruments in Chemical IndustryPID參數(shù)優(yōu)化算法何佳佳,侯再恩(陜西科技大學(xué)電氣與信息工程學(xué)院,西安71021)摘要: PI參教優(yōu)化是 自動(dòng)控制領(lǐng)域研究的一個(gè)重要問題。為了實(shí)現(xiàn)最優(yōu)PID控制,PID參教優(yōu)化算法巳成為國(guó)內(nèi)外控制理論研究的一個(gè)熱點(diǎn)。隨著計(jì)算機(jī)技術(shù)的發(fā)展,一些新的智能算法得到了迅速發(fā)展和廣泛應(yīng)用，.并在理論和應(yīng)用方面都有重要的意義。主要介紹了PID參敏優(yōu)化算法以及近年來在此方面取得的研究成果,并對(duì)未來PID參數(shù)優(yōu)化的研究方向作了展望。關(guān)鍵詞: PID 控制;動(dòng)態(tài)性能;參數(shù)優(yōu)化;算法中圈分類號(hào): TP301文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào): 1003020120100010PID控制器由比例、積分和微分環(huán)節(jié)組成,其控1引言PID控制即比例-積分-微分( Proportion-Inte-制規(guī)律可表示為:gal-Deivative)控制,它是建立在經(jīng)典控制理論上的() =K[()+卡[(cu+oud()]-種控制策略。在工業(yè)過程控制系統(tǒng)中,當(dāng)被控對(duì)將式(1)寫成傳遞函數(shù)形式:象的結(jié)構(gòu)和參數(shù)不能完全掌握,或精確的數(shù)學(xué)模型難以建立,或控制理論的技術(shù)難以采用時(shí)，系統(tǒng)控制C(x) =K,[1+亦+叫(2)器的結(jié)構(gòu)和參數(shù)必須依靠經(jīng)驗(yàn)和現(xiàn)場(chǎng)調(diào)試來確定，式中: K,--比例系數(shù);T-積分時(shí)間常 數(shù);這時(shí)最常用的就是PID控制。即使我們不完全了解T,- -微分時(shí)間常 數(shù)。-個(gè)系統(tǒng)和被挖對(duì)象,或不能通過有效的測(cè)量手段PID參數(shù)優(yōu)化通常由兩部分組成,分別為目標(biāo)來獲得系統(tǒng)參數(shù)時(shí),也適合采用PID控制技術(shù)。PID函數(shù)與優(yōu)化算法的選取。PID 參數(shù)優(yōu)化的目標(biāo)函數(shù)控制器就是根據(jù)系統(tǒng)的誤差,利用比例、積分、微分通常是控制系統(tǒng)性能指標(biāo)的定最描述,而控制系統(tǒng)計(jì)算出控制量進(jìn)行控制的。它是迄今為止歷史最悠的性能指標(biāo)通常包括動(dòng)態(tài)和靜態(tài)兩個(gè)方面。動(dòng)態(tài)性久,生命力最強(qiáng)的控制方式，國(guó)內(nèi)外95%以上的控能指標(biāo)用于反應(yīng)控制系統(tǒng)的瞬態(tài)響應(yīng)情況,體現(xiàn)在:制回路仍然采用PID結(jié)構(gòu)。在控制理論和技術(shù)飛躍①控制系統(tǒng)的準(zhǔn)確性或控制精度,通常用穩(wěn)態(tài)誤差發(fā)展的今天, PID控制器仍被廣泛應(yīng)用主要是因?yàn)閬砻枋?它表示系統(tǒng)輸出穩(wěn)態(tài)值與期望值之差;②晌其控制結(jié)構(gòu)簡(jiǎn)單穩(wěn)定性能好、可靠性高、易于實(shí)現(xiàn)應(yīng)的快速性,通常用上升時(shí)間(系統(tǒng)輸出值第一次等優(yōu)點(diǎn),而且許多高級(jí)控制都是以PID控制為基礎(chǔ)達(dá)到穩(wěn)態(tài)值的時(shí)間)來定量描述;③控制系統(tǒng)的穩(wěn)的。而PID控制效果完全取決于PID參數(shù)的整定與定性,通常用超調(diào)量和調(diào)節(jié)時(shí)間來描述。優(yōu)化,因此,PID參數(shù)的整定"-1與優(yōu)化算法'I顯得PID控制器的比例環(huán)節(jié)可以縮短系統(tǒng)響應(yīng)時(shí)尤為重要。為了實(shí)現(xiàn)最優(yōu)PID控制,PID參數(shù)優(yōu)化間,積分環(huán)節(jié)可以減小系統(tǒng)穩(wěn)態(tài)誤差,微分環(huán)節(jié)可以算法已成為國(guó)內(nèi)外控制理論研究的一個(gè)熱點(diǎn)，由于改善系統(tǒng)超調(diào)量,因此,可以通過調(diào)整Kp,TI,Tp這單純形法'|等算法運(yùn)算量大,而且極易陷入局部最三個(gè)參數(shù)來改善動(dòng)態(tài)性能指標(biāo)，使系統(tǒng)的控制性能優(yōu),因此需要找- -種簡(jiǎn)單而高效的PID參數(shù)優(yōu)化算達(dá)到給定的要求。從優(yōu)化的角度來說，就是在這三個(gè)法。近年來,隨著計(jì)算機(jī)技術(shù)的發(fā)展,一些新的智能變量的參數(shù)空間尋找最優(yōu)值,使系統(tǒng)的控制性能達(dá)算法得到了迅速發(fā)展和廣泛應(yīng)用,特別是模擬進(jìn)化到最優(yōu)。算法,在理論研究和應(yīng)用研究方面都相當(dāng)活躍。目3 PID參數(shù)優(yōu)化算法前,對(duì)PID參數(shù)優(yōu)化算法的研究仍在繼續(xù),許多期刊中國(guó)煤化工不斷地發(fā)表新的研究成果。本文主要介紹了五種PID參數(shù)優(yōu)化算法,并對(duì)PID參數(shù)優(yōu)化算法的發(fā)展收J(rèn)TYCHCNMHG作一綜述?；痦?xiàng)目:陜西省教廳專項(xiàng)號(hào)(08]K 237);陜西科技大學(xué)2 PID 參數(shù)優(yōu)化簡(jiǎn)介研究生創(chuàng)新基金資助項(xiàng)目●2.化工自動(dòng)化及儀表第37卷遺傳算法(Genetic Algoithm, GA)是一種新發(fā)覓食的螞蟻在自己經(jīng)過的路上留下一定數(shù)量的信息展起來的優(yōu)化算法,它起源于60年代對(duì)自然和人工素,信息素一方面會(huì)隨著時(shí)間的流逝而揮發(fā),另一方自適應(yīng)系統(tǒng)的研究,是模擬生物在自然環(huán)境中的遺面,當(dāng)有其他的螞蟻再次經(jīng)過該路徑時(shí)會(huì)再次留下傳和進(jìn)化進(jìn)程而形成的一種自適應(yīng)全局優(yōu)化慨率搜信息素以加強(qiáng)該處的信息素。在任何一個(gè)路口,螞索算法,其基本思想是,將待求解問題轉(zhuǎn)換成由個(gè)體蟻會(huì)按照概率選擇任意-一個(gè)方向前進(jìn),在信息索濃組成的演化群體和對(duì)該群體進(jìn)行操作的一-組 遺傳算度較高的方向具有較大的選擇概率。子,經(jīng)歷生成- -評(píng)價(jià)-選擇- 操作的演化過程 ,反復(fù)蟻群算法的基本特點(diǎn)是:①其原理是一種正反進(jìn)行,直到搜索到最優(yōu)解。饋機(jī)制,它通過信息素的累積和更新收斂于最優(yōu)路遺傳算法的基本特點(diǎn)是:①它是對(duì)所求參數(shù)對(duì)徑;②它是一種通用型隨機(jī)優(yōu)化算法,但人工蟻群算應(yīng)染色體進(jìn)行進(jìn)化,而不是對(duì)參數(shù)本身,因此不受目法決不是對(duì)螞蟻的簡(jiǎn)單模擬,它融進(jìn)了人類的智能; .標(biāo)響數(shù)約束條件的限制，也不受搜索空間的限制;②③它具有分布式并行搜索能力,該計(jì)算機(jī)制易于與.它是對(duì)參數(shù)表示成的二進(jìn)制編碼串群體進(jìn)行搜索，其它算法結(jié)合 ;④它是一種全局優(yōu)化的算法,可用于而不是在單個(gè)點(diǎn)上尋優(yōu),這大大減小了陷人局部最.任何一類優(yōu)化問題;⑤它有較強(qiáng)的魯棒性;⑥其缺點(diǎn)優(yōu)的可能性,具有全局快速收斂的特點(diǎn);③它只需已是初期信息索匱乏,求解速度較慢,計(jì)算時(shí)間較長(zhǎng)。知目標(biāo)明數(shù)及適應(yīng)度函數(shù)便可開始操作;④其初始王建國(guó)等101將神經(jīng)網(wǎng)絡(luò)作為預(yù)測(cè)模型來預(yù)估群體是隨機(jī)生成的,可以很快到達(dá)最優(yōu)解附近;⑤它過程未來的偏差值,并利用數(shù)字計(jì)算機(jī)的計(jì)算能力具有并行性,即用較少的編碼串對(duì)數(shù)量較大的區(qū)域?qū)崿F(xiàn)在線滾動(dòng)優(yōu)化計(jì)算,從而確定當(dāng)前最優(yōu)輸人策完成搜索;⑥其缺點(diǎn)是實(shí)時(shí)性不好，容易出現(xiàn)早熟現(xiàn)略,運(yùn)用蟻群算法預(yù)測(cè)PID控制能夠適應(yīng)控制對(duì)象象,對(duì)于系統(tǒng)中的反饋信息利用卻無能為力,而且求模型參數(shù)的時(shí)變,具有較好的魯棒性,相對(duì)傳統(tǒng)PID解到一定范圍時(shí)往往做大量無為的冗余迭代,求解控制策略還表現(xiàn)出了良好的動(dòng)態(tài)性能;賀慧杰"將最優(yōu)解的效率較低。遺傳算法和蟻群算法相結(jié)合對(duì)PID參數(shù)進(jìn)行優(yōu)化，毛敏6)等用基本的遺傳算法對(duì)PID參數(shù)進(jìn)行了可以較好地控制復(fù)雜的對(duì)象,但是, - -旦外界擾動(dòng)發(fā)優(yōu)化,但在優(yōu)化-些復(fù)雜問題時(shí)有著不可忽視的缺生時(shí)，必須重新根據(jù)需要再進(jìn)行參數(shù)的整定優(yōu)化;陳點(diǎn),而且基本遺傳算法收斂速度慢、容易早熟,這就建濤1等用高斯分布較好的局部搜索能力來增強(qiáng)使得該算法的優(yōu)化性能大大降低;范敏!”提出了基蟻群算法的局部尋優(yōu)能力,很好地彌補(bǔ)了基本蟻群.于多種群遺傳算法的優(yōu)化方法,并將其與下山單純算法易于陷人局部最優(yōu)的缺點(diǎn),且該算法不依賴于形法相結(jié)合,用下山單純形法進(jìn)行局部?jī)?yōu)化,加快了被控對(duì)象的精確數(shù)學(xué)模型,有著很好的適應(yīng)性和魯收斂速度,避免了早熟現(xiàn)象的發(fā)生,實(shí)現(xiàn)了快速優(yōu)化棒性。求解,并得到了比基本遺傳算法更為理想的控制效3.3基于粒子群算 法的PID參數(shù)優(yōu)化果;王焱等"針對(duì)標(biāo)準(zhǔn)遺傳算法收斂速度慢、易陷入粒子群( Particle Swarn Optimization, PSO)算局部極小等問題,提出了基于變尺度混沌優(yōu)化策略法"是由Kennedy和Eberhart 博士于1995年受鳥的混沌遺傳算法,該算法對(duì)經(jīng)過一次遺傳操作的群類群體行為研究結(jié)果的啟發(fā),而提出的一種基于群體進(jìn)行混沌搜索尋優(yōu),引導(dǎo)種群快速進(jìn)化,并將其成體智能的進(jìn)化計(jì)算技術(shù)。在PS0算法中,每個(gè)粒子功應(yīng)用于冷軋參數(shù)的優(yōu)化計(jì)算中,大大提高了局部代表解空間的一個(gè)候選解,粒子在搜索空間以定搜索能力,有效地避免了早熟以及局部最優(yōu)現(xiàn)象的的速度飛行,飛行速度根據(jù)飛行經(jīng)驗(yàn)進(jìn)行動(dòng)態(tài)調(diào)整。發(fā)生。該算法基于群智能的并行全局搜索策略,采用速度.2 基于蚊群算法的PID參數(shù)優(yōu)化-位置搜索模型實(shí)現(xiàn)對(duì)整個(gè)空間的尋優(yōu)操作。PSO蟻群算法由意大利學(xué)者M(jìn). Dorigo、V. Maniez-算法是模仿生物社會(huì)性行為而得出的--種全局優(yōu)化zo、A.Colorini9i等人根據(jù)螞蟻群體具有智能的特點(diǎn)算法,是一種高效簡(jiǎn)單的并行搜索算法,其優(yōu)點(diǎn)在首先提出,當(dāng)時(shí)他們稱之為蟻群系統(tǒng),后來M. Dorigo于概念簡(jiǎn)單、實(shí)現(xiàn)容易、魯棒性好,并且能以較大概等為了其他學(xué)者研究的方便,將各種螞蟻算法統(tǒng)稱率收斂到全局最優(yōu),而且它對(duì)所優(yōu)化目標(biāo)的先驗(yàn)知為蟻群算法,并為該算法提出了一個(gè)統(tǒng)一的框架結(jié)識(shí)要求甚少,一般只需知道其數(shù)值關(guān)系即可。但是，構(gòu)模型。蟻群算法是90年代初期才提出的一種新該算法中國(guó)煤化士很大的影響,另型的進(jìn)化算法,雖然其起步較晚,但是對(duì)蟻群算法的外,在=經(jīng)驗(yàn)估計(jì)出PID研究已引起了國(guó)際上學(xué)者們的廣泛關(guān)注。三個(gè)YHCNMHG采用隨機(jī)生成蟻群算法是-種基于種群的啟發(fā)式仿生進(jìn)化算的方式,對(duì)其可行解空間進(jìn)行搜索的,因此需要合理法,其基本思想來源于螞蟻之間的交流過程。外出估計(jì)PID三個(gè)參數(shù)的取值范圍。第11期何佳佳等. PID參數(shù)優(yōu)化算法●3.楊誠(chéng)4等針對(duì)全局版標(biāo)準(zhǔn)PS0算法容易陷人的整定!8局部極值點(diǎn)這一-缺點(diǎn),提出了實(shí)數(shù)編碼的局部版標(biāo)由于主管道蒸汽溫度控制具有大慣性、大延遲、準(zhǔn)PSO算法,采用該算法搜索所得的解比全局版算時(shí)變等特性,而采用常規(guī)PID控制難以獲得滿意的法更優(yōu),但速度較慢;熊偉麗5等對(duì)標(biāo)準(zhǔn)PSO算法控制效果,李茜等“9 提出一種模糊自整定PID控制進(jìn)行了改進(jìn),提出了一種改進(jìn)的粒子群算法MWP-器的串級(jí)控制算法,該算法通過模糊決策來對(duì)其控sO,使慣性權(quán)重具有了一定的靈活性,同時(shí),該算法制器的PID參數(shù)進(jìn)行調(diào)整,用模糊規(guī)則進(jìn)行推理,模在收斂的情況下,所有粒子都向最優(yōu)解的方向飛去，糊規(guī)則采用產(chǎn)生式表示方式,即IF(條件)THEN(結(jié).從而粒子趨于同一化的問題進(jìn)行了改進(jìn),為改善系.果)形式,并且它對(duì)不同的控制指標(biāo)和被控對(duì)象均統(tǒng)的過渡性能和動(dòng)態(tài)特性,還在月標(biāo)函數(shù)中加入控能實(shí)現(xiàn)PID最佳調(diào)整,是一種實(shí)施簡(jiǎn)單、性能良好、制輸人的平方項(xiàng),并采用了懲罰功能,使得相同迭代易于工程實(shí)現(xiàn)的方法;曾曉紅[2}等首先利用遺傳算次數(shù)下該算法的性能指標(biāo)遠(yuǎn)遠(yuǎn)優(yōu)于遺傳算法;李凌法的全局優(yōu)化能力優(yōu)化PID參數(shù),得到PID參數(shù)的舟([0等提出一種改進(jìn)的微粒群優(yōu)化算法(IPSO),該初始值,然后根據(jù)系統(tǒng)當(dāng)前的誤差和誤差變化率,用算法是在基本PS0算法的慣性權(quán)重部分加人一個(gè)模糊推理方法在線優(yōu)化調(diào)整PID參數(shù)的權(quán)值來動(dòng)態(tài)調(diào)節(jié)因子項(xiàng),實(shí)現(xiàn)慣性權(quán)重的非線性調(diào)整,并通過調(diào)地調(diào)整參數(shù),抗干擾強(qiáng),靈敏性較好。節(jié)因子的調(diào)節(jié),使得算法的前期有較大的收斂速度,3.5基于神經(jīng)網(wǎng)絡(luò)的 PID參數(shù)優(yōu)化后期則能以較大的概率收斂到全局最優(yōu);郭成等人工神經(jīng)網(wǎng)絡(luò)( Artificial Neural Network ，ANN)針對(duì)微粒群優(yōu)化算法存在的早熟問題，提出了一種是由大量簡(jiǎn) 單人工神經(jīng)元互聯(lián)而成的-種計(jì)算結(jié)基于T-S模型的模糊自適應(yīng)PS0算法(T-SPS0算構(gòu)。由于其大規(guī)模并行處理、學(xué)習(xí)、聯(lián)想和記憶等功法),該算法通過T-S規(guī)則,動(dòng)態(tài)自適應(yīng)更新慣性權(quán)能，以及它的高度自組織和自適應(yīng)能力,并且能夠充.重取值,使得算法前期以較大慣性權(quán)重值保證算法分任意地逼近任何復(fù)雜的非線性系統(tǒng),所有定量和的全局搜索能力,而后期則以較小慣性權(quán)重值加快定性分析都等勢(shì)分布儲(chǔ)存于神經(jīng)網(wǎng)絡(luò)內(nèi)的各種神經(jīng)收斂,從而有效解決了PSO算法的早熟問題,改善元中 ,具有很強(qiáng)的信息綜合能力,能夠?qū)W習(xí)和適應(yīng)嚴(yán)了算法的收斂性。重不確定系統(tǒng)的動(dòng)態(tài)特性,有很強(qiáng)的魯棒性和容錯(cuò)3.4基于模糊推理的PID參數(shù)優(yōu)化性,可以處理那些難以用模型和規(guī)則描述的過程,因隨著計(jì)算機(jī)尤其是微機(jī)的發(fā)展和應(yīng)用,自動(dòng)控此,神經(jīng)網(wǎng)絡(luò)已成為解決許多工程問題的有工具，制理論和技術(shù)獲得了飛躍的發(fā)展?；跔顟B(tài)變量描并且在一些不確定系統(tǒng)的控制中已成功應(yīng)用。述的現(xiàn)代控制理論對(duì)于解決線性或非線性、定?；騂opfield 神經(jīng)網(wǎng)絡(luò)( Hopfield Neural Network ,HNN)是時(shí)變的多輸人多輸出系統(tǒng)問題,獲得了廣泛的應(yīng)用。Hopfield于1982年提出的反饋神經(jīng)網(wǎng)絡(luò)模型,簡(jiǎn)稱但是,無論采用經(jīng)典控制理論還是現(xiàn)代控制理論設(shè)Hopfield 網(wǎng)絡(luò)。由于網(wǎng)絡(luò)中引人了反饋,所以它是.計(jì)-一個(gè)控制系統(tǒng),都需要事先知道被控制對(duì)象精確-個(gè)非線性動(dòng)力學(xué)系統(tǒng)。通常非線性動(dòng)力學(xué)系統(tǒng)最的數(shù)學(xué)模型,然后根據(jù)數(shù)學(xué)模型以及給定的性能指關(guān)心的是系統(tǒng)的穩(wěn)定性問題,在Hopfield模型中,神標(biāo),選擇適當(dāng)?shù)目刂埔?guī)律,進(jìn)行控制系統(tǒng)設(shè)計(jì)。PID經(jīng)網(wǎng)絡(luò)之間的聯(lián)系總是設(shè)為對(duì)稱的,這保證了系統(tǒng)控制器設(shè)計(jì)的關(guān)鍵在于如何合理地確定比例、積分、最終會(huì)達(dá)到一個(gè)固定的有序狀態(tài),即穩(wěn)定狀態(tài)。利微分參數(shù)的大小，然后進(jìn)行人工在線整定。然而,在用該特性,可以將Hopfield網(wǎng)絡(luò)用于聯(lián)想記憶，也可許多情況下被控對(duì)象(或生產(chǎn)過程)的精確數(shù)學(xué)模以用來對(duì)組合優(yōu)化問題進(jìn)行求解“1。型很難建立,或系統(tǒng)參數(shù)不能通過有效的測(cè)量手段韓偉”)利用神經(jīng)網(wǎng)絡(luò)來逼近實(shí)際系統(tǒng),用閉環(huán)來獲得,或控制理論的技術(shù)難以采用時(shí),就難以進(jìn)行控制下 所得的觀測(cè)數(shù)據(jù)進(jìn)行系統(tǒng)在線辨識(shí),并針對(duì)自動(dòng)控制。自1965年L.A.Zadeh提出模糊集的慨不同的系統(tǒng)建立不同的對(duì)象模型，并在該模型的基念以來,關(guān)于模糊系統(tǒng)的研究得到了飛速的發(fā)展,隨礎(chǔ)上,運(yùn)用遺傳算法進(jìn)行PID參數(shù)尋優(yōu),取得了較好后模糊控制技術(shù)也被廣泛應(yīng)用于工業(yè)控制過程中,的控制效果;鑒于遺傳算法雖能求得全局解,但收斂并取得了令人矚目的成就。模糊推理是模糊控制的速度饅,而基于神經(jīng)網(wǎng)絡(luò)的控制器結(jié)構(gòu)簡(jiǎn)單、可塑性理論基礎(chǔ),,該算法就是運(yùn)用模糊數(shù)學(xué)的基本理論和強(qiáng),但容易陷人局部解,何軍旗.21等提出將遺傳算方法,把控制規(guī)則的條件、操作用模糊集表示,并把法和BI中國(guó)煤化寧數(shù)優(yōu)化,使系這些模糊控制規(guī)則以及有關(guān)信息(評(píng)價(jià)指數(shù)、初始統(tǒng)整體節(jié)精度更高。.PID參數(shù)等)作為知識(shí)存人計(jì)算機(jī)知識(shí)庫(kù)中,然后計(jì)4小FYHCNMHG算機(jī)會(huì)根據(jù)控制系統(tǒng)的實(shí)際響應(yīng)情況(即專家系統(tǒng)PID控制器是整個(gè)控制系統(tǒng)的核心,它的控制的輸人條件),運(yùn)用模糊推理自動(dòng)實(shí)現(xiàn)對(duì)PID參數(shù)作用以及參數(shù)對(duì)控制品質(zhì)有直接影響。目前，PID●4.化工自動(dòng)化及儀表第37卷參數(shù)優(yōu)化算法很多,但是,無論哪種優(yōu)化算法,都有表,200 ,34(5):7-13.一定的適用范圍。以上介紹的參數(shù)優(yōu)化算法也只是[s]張磊.基于單純形法的 PID控制器的最優(yōu)設(shè)計(jì)[J].信息與控制,2004 ,3(3) :376 -379.其中比較有代表性的算法,對(duì)其研究已經(jīng)取得--定[6]毛敏,于希寧. 基于遺傳算法的PID參數(shù)優(yōu)化方法[].的成果,但仍有許多不足之處,有待進(jìn)-步研究。從中國(guó)電力,2002 ,35(8) ;48 -51.目前PID參數(shù)優(yōu)化算法的研究現(xiàn)狀來看,以下幾個(gè)[7] 范敏.基于多種群遺傳算法的PID控制器參數(shù)優(yōu)化技術(shù)方面將是今后- -段時(shí)間內(nèi)研究和實(shí)踐的重點(diǎn)。研究[J].軟件導(dǎo).2008.73):112 -114.(1)由于基本的粒子群算法易陷人局部極小值[8]王焱,孫一康. 變尺度混沌遺傳算法及其在冷軋參數(shù)優(yōu)點(diǎn),且搜索精度不高,因此,可以利用混沌序列的化中的應(yīng)用[J].化工自動(dòng)化及儀表,2002 ,29(2) :24 -27.“遍歷性、隨機(jī)性.規(guī)律性”,在其中加入混沌細(xì)搜[9] COLORNI A,DORIGO M, MANIEZZO V ,et al. Ant Sytem for索,使得局部搜索能力大大提高。Job Shop Scheduling[J]. Belgian J of Operations Research Sta-tieties and Computer Sicence ,1994 ,34(1):39 -53.(2)鑒于蟻群算法具有分布式并行搜索能力,[10]王建國(guó),張吳宇 ,明學(xué)星,等基于蚊群算法優(yōu)化的再熱汽且易于與其它算法結(jié)合,是- -種全局優(yōu)化的算法,因溫系統(tǒng)變參數(shù)預(yù)測(cè)PID控制[].化工自動(dòng)化及儀表，此,可以利用蟻群算法的全局優(yōu)化能力優(yōu)化PID參2008 ,35(3):19 -22.數(shù)，得到PID參數(shù)的初始值,然后根據(jù)系統(tǒng)當(dāng)前的誤[11]賀慧杰. 基于智能算法的PID控制器參數(shù)優(yōu)化設(shè)計(jì)的應(yīng)用差和誤差變化率,用模糊推理方法在線優(yōu)化調(diào)整研究[J].科技創(chuàng)新導(dǎo)報(bào),009,(8);16.PID參數(shù)的權(quán)值來動(dòng)態(tài)地調(diào)整參數(shù)。[12]陳建濤,姚萬業(yè). 一種用于優(yōu)化PID參數(shù)的改進(jìn)蟻群算法(3)由于人工神經(jīng)網(wǎng)絡(luò)能夠充分任意地過近任[J].儀器儀表用戶,09 ,20(5):34 -35.何復(fù)雜的非線性系統(tǒng),能夠?qū)W習(xí)和適應(yīng)嚴(yán)重不確定[13]徐志成 基于微粒群優(yōu)化的魯櫸PID挖制器參數(shù)整定方法研究[J].化工自動(dòng)化及儀表2006 ,3(5):22 -25.系統(tǒng)的動(dòng)態(tài)特性,有很強(qiáng)的魯棒性和容錯(cuò)性,可以處[14] 楊誠(chéng),楊傳啟.基于粒子群算法的PID參數(shù)優(yōu)化[J].自理那些難以用模型和規(guī)則描述的過程,因此，可以用動(dòng)化儀表,2006 ,27(SI):95 -96.神經(jīng)網(wǎng)絡(luò)來過近實(shí)際系統(tǒng),用閉環(huán)控制下所得的觀[15]熊偉麗 ,徐保國(guó),周其明.基于改進(jìn)粒子群算法的PID參數(shù)測(cè)數(shù)據(jù)進(jìn)行系統(tǒng)在線辨識(shí)，并針對(duì)不同的系統(tǒng)建立優(yōu)化方法研究[J].計(jì)算機(jī)工程,2005 ,31(24):41 -43.不同的對(duì)象模型,并在該模型的基礎(chǔ)上,運(yùn)用蟻群算[16]李凌舟,陳 利. 基于改進(jìn)PSO算法的PID參數(shù)優(yōu)化研究法進(jìn)行PID參數(shù)尋優(yōu)。[J].四川電力技術(shù),09 ,32(5):29 -31.(4)除了對(duì)各種算法繼續(xù)進(jìn)行全面深入的研究[17] 郭成,李群湛利用T-S模糊自適應(yīng)PSO算法優(yōu)化PID參數(shù)[J].計(jì)算機(jī)工程與應(yīng)用,2009 ,45(3) :245 -248.外,還應(yīng)考慮將各種算法互相結(jié)合,互相滲透,充分[18]李士勇. 模糊控制,神經(jīng)控制和智能控制論[ M].哈爾濱:發(fā)揮各自的優(yōu)勢(shì),并且希望能更多地結(jié)合實(shí)際工程哈爾濱工業(yè)大學(xué)出版禮,1998.應(yīng)用,擴(kuò)展各算法的應(yīng)用領(lǐng)城，從而進(jìn)-步提高控制[19] 李茜,李彬,朱雪丹.模糊自整定PID控制器的設(shè)計(jì)與系統(tǒng)的性能,實(shí)現(xiàn)PID最優(yōu)控制。仿真[J].化工自動(dòng)化及儀表,2010,37(3):25 -28.參考文獻(xiàn):[20]曾曉紅,龔 偉. 基于遺傳優(yōu)化和模糊推理PID及MAT-[1] 楊智,朱海鋒，黃以華. PID控制器設(shè)計(jì)與參數(shù)整定方法LAB仿真[J].微計(jì)算機(jī)信息(測(cè)控自動(dòng)化) ,2006 ,22(12綜述[J].化1自動(dòng)化及儀表,2005.32(5);1 -7.-1):57-59.[2] uUA C P,DALEYB s. OimlaTring PID Control for Indus- [21] 黃平.孟永鋼最優(yōu)化理論與方法[ M]北京:清華大學(xué)trial Systems[J]. Control Engineering Practice ,2001 ,9(11):出版杜,009.1185 -1194.[22]韓偉基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的PID控制參數(shù)的優(yōu)化研3] 劉思華,王 英基于相角裕度優(yōu)化的PID參數(shù)整定方法研究[J].叮編程控制器與工廠自動(dòng)化205):119 -121.究[J].化工自動(dòng)化及儀表,2008 ,35(1):17-19.[23]何軍旗,萬少松,齊 蜂基于BP遺傳算法的PID控制器[4] 王輝,錢鋒.群體智能優(yōu)化算法[J].化工自動(dòng)化及儀參數(shù)設(shè)計(jì)[J].彈箭與制導(dǎo)學(xué)報(bào),2007 ,27(5):53 -54.Algorithms for Parameters Optimization of PID ControllerHE Jiajia, HOU Zai-en(School of Electric and Informatin Eninering, Shaanxi University of Science and Technology ,Xi' an 710021, China)Abstract: Parameters optimization of PID controller is an important problem in automatic control feld. In order to 8a-chieve optimal PID control, the algorithms for parameters optimizatio中國(guó)煤化工hotspou of n8tional control theory research.With the development of computer tealgorithms havebeen rapidly developed and widely used, and are significant in theaYHCNMHGmsforparame-ters optimization and the latest achievements in this aspect were mainly introduced, and the future directions of PIDparameter optimization were also discussed. .Key words: PID control ; dynamic performance ; parameters optimization; algorithm