[发明专利]基于自适应蚁群遗传混合算法PID参数整定方法

说明书

本发明涉及基于自适应蚁群遗传混合算法PID参数整定方法及应用，该方法：1)，计算PID参数值；2)，蚂蚁的种群数量为m，每个蚂蚁k，k＝1～m；3)，混合算法参数初始化：将全部蚂蚁置于起始点O；4)，计算蚂蚁向线段上每个节点转移的概率；5)，每只蚂蚁走完一个节点，更新局部信息素；6)，置变量i＝i+1，如果i≤15，转到步骤3)；否则，转到6)；7)，根据数组计算对应的PID参数；计算蚂蚁对应的目标函数；8)，更新全局信息素；自适应调整全局信息挥发系数；9)，杂交约束变量杂交生成新个体；10)，重新计算各参数值；11)，若N_C＜NC_max，且整个蚁群尚未收敛到走同一条路径，则再次将全部蚂蚁置于起始点O并转到步骤4)；否则循环结束。

技术领域

本发明属于旋转冲击型锚杆钻机液压驱动系统优化及控制技术领域，具体涉及一种基于自适应蚁群遗传混合算法PID参数整定方法及应用。

背景技术

20世纪30年代末，随着现代科技的迅速发展，工业自动控制系统对系统控制的快速性、准确性和稳定性提出要求，PID控制因此而生[79]。PID控制器(ProportionIntegration Differentiation.比例-积分-微分控制器)是在PID 控制原理基础上，由比例单元P(Proportion)、积分单元I(Integration)和微分单元D(Differentiation)构成的控制器[79]。其原理是将偏差的比例、积分和微分通过线性组合构成控制量，用这一控制量对被控对象进行控制，根据反馈原件采集的历史数据，与参考值相对比，根据差别的出现率纠正输入值，最终实现目标输出。PID控制器因简单、鲁棒性好、可靠性高，调整方便而成为目前的工业过程控制和运动控制不可替代的主要技术之一。在工业过程控制中，大量的被控对象多为模拟量参数，为使控制目标能快速无误差地跟踪设定值，实现最终控制输出任务，多采用PID控制算法。

20世纪80年代以来，人们从生物进化的机理中受到启发，提出通过模拟生态系统机制求解复杂优化问题的仿生智能优化算法，如蚁群算法、粒子群优化算法、遗传算法、人工鱼群算法、模拟退火算法、人工神经网络技术和人工免疫算法等。这些算法独特的优点和机制，引起了国内外学者的广泛重视并掀起了该领域的研究热潮，且在诸多领域得到了成功应用，如系统控制、模式识别、多目标优化、生产调度以及流程规划等。其中蚁群算法、粒子群优化算法和人工鱼群算法隶属于群智能优化算法的范畴，这三种算法来源于对社会性动物群体行为的一种不完全模拟，隶属于仿生学研究的一个分支，而蚁群算法、粒子群优化算法又在群智能理论研究领域占主导作用。蚁群算法和粒子群优化算法在系统控制中的成功运用，如应用于PID控制器的参数优化策略——实现对PID控制器的比例系数、积分系数和微分系数的优化等。

蚁群算法是一种群智能算法，具有很强的搜索较优解的能力，具有很强的并行性和全局收敛能力。但初始求解速度慢，当应用于优化PID参数时，该算法初期信息素匮乏，导致算法速度慢；有关参数，如信息素轨迹的挥发系数1-ρ大小的选取，都会影响算法的全局搜索能力及收敛速度。遗传算法具有快速随机的全局收敛能力，但不能很好地利用系统的反馈信息，且容易导致重复迭代，降低求解效率。

发明内容

为克服上述现有技术的不足，本发明的目的在于提供一种基于自适应蚁群遗传混合算法PID参数整定方法及应用，具有在求解范围内迅速、有效地寻找到 PID参数整定值最优解，避免停滞产生，全局收敛性提高，参数值敏感度低，求解效率也大大提高的特点。

为实现上述目的，本发明采用的技术方案是：基于自适应蚁群遗传混合算法 PID参数整定方法，包括以下步骤：

步骤1)，根据Z-N法，计算出PID参数值为：K_P，Z-N，K_i，Z-N和K_d，Z-N；