[发明专利]基于自适应蚁群智能的非线性PID控制参数整定方法

说明书

(一)技术领域

任何比例-微分-积分(Proportional-Integral-Differential，PID)控制器性能的好坏完全依赖于其控制参数的优化。非线性比例-微分-积分(Non-Linear PID，NLPID)控制器是一种新型的控制器，其参数优化方法和技术一直处于不断发展之中，采用仿生智能方法对NLPID参数进行优化已逐渐成为PID领域中一个关键技术。

蚁群算法是新兴的人工智能算法，应用蚁群算法已经很好的解决的许多NP类问题。针对一种新型的NLPID控制器的参数优化问题，我们发明了一种基于自适应蚁群智能的控制参数整定方法。本发明是解决NLPID参数整定问题的有效技术途径，同时，该方法也可应用于解决其它类型控制参数的组合优化问题。

(二)背景技术

PID控制器本质上是一种对“过去”、“现在”和“未来”信息估计的控制算法。PID控制早在20世纪30年代末期就已经出现，迄今经历了近70年的不断更新换代，由于其具有算法简单、使用方便、鲁棒性好、可靠性高等优点，目前在控制工程领域中仍有约90％的控制回路具有PID结构。

常规PID控制算法本身具有一定的局限性，如下：

(1)对于在实际应用场合中的常规PID控制器，由于受到参数优化方法烦杂的困扰，往往优化不良，性能不佳；

(2)常规PID参数优化目前在工程中多采用经验法、试凑法等方法，这些方法费时又费力，且往往优化效果不佳；

(3)常规PID控制作为一种线性控制方法，对于噪声干扰以及复杂非线性系统往往很难得到好的控制效果。

为了改善其性能，国际上很多学者对PID控制算法进行了大量的研究和改进，出现了NLPID控制、选择性PID-PD控制、I-PD控制、鲁棒PID控制、智能PID控制以及自适应PID控制等许多新型的PID控制算法。

任何PID控制器性能的好坏完全依赖于其控制参数的优化。几十年来，PID控制器的参数优化方法和技术一直处于不断发展之中，控制领域中的许多重要国际杂志(如Automatica、IEEE汇刊等)不断发表了一些新的研究成果，其中Hang C.C.等对经典的Z-N法进行了改进，进而提出了RZN法；Astrom K.J.等则以系统具有期望的相位裕度为指标提出两种PID参数优化方法；Ho W.等提出了一种利用幅值裕度和相位裕度优化PID参数的方法；Ota T.等和Lin C.L.等提出了利用改进的GA来优化PID参数的方法；Liu Y.J.等和Gaing Z.L.提出了一种利用PSO算法来优化PID参数的方法；等等。

本发明在对NLPID参数整定问题的解决中采用蚁群智能的如下特点：

(1)在蚂蚁不断散布生物信息激素的加强作用下，新的信息会很快被加入到环境中。而由于生物信息激素的蒸发更新，旧的信息会不断被丢失，体现出一种动态特性；

(2)由于许多蚂蚁在环境中感受散布的生物信息激素同时自身也散发生物信息激素，这使得不同的蚂蚁会有不同的选择策略，具有分布性；

(3)最优路线是通过众多蚂蚁的合作被搜索得到的，并成为大多数蚂蚁所选择的路线，这一过程具有协同性；

(4)蚂蚁个体之间、群体之间以及与环境之间的相互作用、相互影响、相互协作，可以完成的复杂的任务，这种适应性表现为蚁群算法的鲁棒性；

(5)自组织使得蚂蚁群体的行为趋向结构化，其原因在于包含了一个正反馈的过程。这个过程利用了全局信息作为反馈，正反馈使系统演化过程中较优解的自增强作用，使得问题的解向着全局最优化的方向不断变化，最终能有效地获得相对较优解。

蚁群算法寻优过程中所体现出的并行性、协同性、自组织性、动态性、强鲁棒性等特点与控制参数整定的许多要求是相符的。用改进的自适应蚁群智能整定NLPID控制参数可以不依赖被控对象的精确数学模型，能有效地攻克十分困难的优化问题，使处理问题更具灵活性、适应性和鲁棒性。同时，可提高NLPID参数整定的实时性，满足复杂系统的实时控制要求，也可用于解决其它类型控制参数的组合优化问题。

(三)发明内容