[发明专利]基于蜻蜓算法的PID控制器优化方法

说明书

技术领域：

本发明涉及一种控制工程领域，特别是涉及一种基于蜻蜓算法的PID控制器优化方法。

背景技术：

PID控制器是最早提出的反馈控制器之一，因其具有原理简单、易于实现、稳定性好、可靠性高和调整方便等特点，在工业控制系统中得到了广泛地应用。在工业控制领域，有超过95％的反馈回路部件使用的是PID控制器，然而由于PID控制本质是一种线性控制规律，在实际工业应用中对于一些非线性、高阶、时滞的复杂系统，常规的PID控制效果并不能满足生产要求。因此，PID控制器的参数优化一直是控制理论研究的一个重要课题。

传统的PID控制参数主要是凭人工经验来调整，显然这种方法过于主观，可移植性差，不能保证最优控制。早期用于整定PID控制器参数的最典型的方法是Ziegler－Nichols(Z-N法)方法，该方法利用一套整定公式来对参数进行调整，虽简单容易，但却需具备一定的数学知识。近年来，随着智能控制技术的发展，相继出现了如基于神经网络的PID控制、基于模糊逻辑控制的PID参数自整定技术、基于遗传算法的PID参数自整定技术、基于蚁群算法的PID参数优化设计、基于粒子群优化算法的PID控制器参数自整定技术、基于人工蜂群算法的PID控制参数优化、基于布谷鸟算法的PID参数整定技术等。与经典Z-N法相比，基于智能优化算法的PID参数整定显著地提高了系统性能。

然而，现存的这些方法虽在一定程度上提高了系统控制性能，但仍存在一些缺陷，如基于神经网络的PID控制对网络权重的初始权重的选取较敏感；遗传算法的编码解码过程较复杂，控制的响应时间较长；蚁群算法为基于离散空间的优化算法，故一定程度上限制了其应用范围；粒子群算法、人工蜂群算法、布谷鸟搜索算法等几种常用的PID参数整定方法存在易陷入局部最优、算法迭代后期收敛速度慢、收敛精度低等缺陷，在实际应用中常常需要对原算法进行适当改进后才能对PID控制器实现较好的控制。

发明内容：

本发明所要解决的技术问题是：克服现有技术的不足，提供一种蜻蜓算法与PID控制器结合，解决传统PID参数优化方法易出现费时、震荡且不能保证所调参数最优问题的基于蜻蜓算法的PID控制器优化方法。

本发明的技术方案是：一种基于蜻蜓算法的PID控制器优化方法，通过将蜻蜓算法(Dragonfly algorithm，DA)中每个蜻蜓个体的位置信息对应为PID控制器的一组参数，并把控制系统的性能评价指标ITAE作为算法的适应度函数，算法经过迭代寻优最后所找到的最优的个体位置即为所求的最优的一组参数，其具体步骤如下：

A、对种群规模N、与待优化控制参数的个数相对应的空间维数d、最大迭代次数Max_iteration以及控制参数K_p、K_i、K_d的取值范围进行参数设置；

B、随机初始化蜻蜓种群的位置X及步长向量ΔX；

C、将蜻蜓个体的位置信息依次赋值给K_p、K_i、K_d，其中每个蜻蜓个体对应一组控制参数；

D、运行PID控制系统，求出每组控制参数对应的ITAE性能指标值，作为种群中每个蜻蜓个体的适应度值；

E、找出当前的最优个体和最差个体，将最优个体视为食物，将最差的个体视为外敌；

F、更新邻域半径，更新每个个体的位置；若个体周围有邻近的个体，则更新个体的步长和位置；若当前个体领域内没有邻近个体，则通过随机游走的方式绕搜索空间飞行，并对个体位置进行更新；

G、判断是否满足终止条件，若满足则结束，输出最优的ITAE值和最优的一组参数；否则返回步骤C继续迭代；

H、把得到最优的一组参数带入公式得到PID控制器的传递函数。

个体周围有邻近的个体，则通过以下公式更新个体的步长和位置：(a)、蜻蜓个体的步向量指示蜻蜓的运动方向及其步长，其公式为：

ΔX_t+1＝(sS_i+aA_i+cC_i+fF_i+eE_i)+wΔX_t(1)

其中s为分离权重，a为对齐权重，c表示凝聚权重，f是食物权重因子，e为外敌权重因子，w是惯性权重，t为迭代计数器；

(b)、蜻蜓个体位置向量的更新公式为：

X_t+1＝X_t+ΔX_t+1(2)