[发明专利]一种基于自适应果蝇优化算法的PID参数优化方法

说明书

技术领域

本发明涉及PID参数优化方法技术领域，特别涉及一种基于自适应果蝇优化算法的PID参数优化方法。

背景技术

PID控制器由于其算法简单、鲁棒性好、可靠性高，被广泛应用于工业过程控制中。传统的PID控制器参数整定需要人工经验的总结，难以获得理想的最优值。遗传算法编程比较复杂，参数比较多；粒子群算法在进化后期收敛速度减弱,容易陷入局部最优。同时，基本果蝇算法也没有考虑寻优步长自适应变化，使得算法寻优精度不高、收敛速度较慢，增加了迭代次数和时间。

发明内容

为了解决上述问题，本发明提供了一种基于自适应果蝇优化算法的PID参数优化方法，通过新的工业过程控制策略，使PID控制能够得到响应速度快，精确度高的效果。

为实现上述目的，本发明采用的技术方案是：

一种基于自适应果蝇优化算法的PID参数优化方法，具体包括以下两部分：

(1)适应度函数的选取；

为了获取理想的动态特性，采用误差绝对值的时间积分性能指标作为最小目标函数，为了防止控制能量过大，引入控制输入平方项，则目标函数为：

其中，e(t)为输入量rin(t)和PID控制输出yout(t)之间的误差值，u(t)为控制器输出，ω₁和ω₂为权值常数，在[0,1]之间；

为了避免超调，采用一定的惩罚控制，将超调量作为最优指标的一项，此时最有指标为：

当e(t)＜0时，

其中，ω₃为权值，且ω₃＞＞ω₁，一般情况下，ω₁＝0.999，ω₂＝0.001，ω₃＝100；

(2)PID控制器的IFOA算法设计

设计PID参数整定的IFOA算法步骤如下：

Step1、设置果蝇种群大小sizepop及最大迭代次数maxgen，并初始化果蝇个体的位置X_axis，其中，每个果蝇的位置由比例、积分、微分三个控制参数组成：

X_axis＝[K_p K_i K_d] (3)

由于果蝇种群的多样性，可以根据实际工程背景设定K_p、K_i、K_d的取值范围，初始位置在相应范围内随机产生；

Step2、给出果蝇个体利用嗅觉搜寻实物的随机方向和距离为：

X_i＝X_axis+ω×(2×rand()-1) (4)

ω为搜索半径，初始值设定为ω＝1；rand()是[0,1]区间服从均匀分布的随机数；

Step3、设置半径调节系数λ，令ω＝ω×λⁱ，i为当前迭代次数，保证迭代次数越大，搜索范围越小；

Step4、令气味浓度判定值S_i＝X_i，根据公式(1)、(2)计算气味浓度的适应度值：

Smell_i＝function(X_i) (5)

Step5、从果蝇群体中找到味道浓度最优的浓度和个体；

[bestSmell bestIndex]＝min(Smell_i) (6)

Step6、记录并保留最优浓度以及最优的X_axis[K_p K_i K_d]，这时候果蝇利用视觉向该位置飞去；

Smellbest＝bestSmell

X_axis＝X(bestIndex) (7)

Step7、进入迭代寻优，将步骤2～5循环进行，判断当前最佳浓度是否优于前一次最佳浓度，并且当前迭代次数是否小于最大迭代次数；若是则记录下来；

通过程序执行，自适应果蝇优化算法结果输出最优个体气味浓度适应度值Smell_best以及PID最优参数X_best(K_p K_i K_d)；

选取目标最小值对应的PID三个参数为最优值。

本发明的有益效果：