[发明专利]惯性权重余弦调整粒子群优化算法的PID参数整定方法

权利要求书

1.一种惯性权重余弦调整粒子群优化算法的PID参数整定方法，其特征在于，所述方法在Matlab/simulink环境下编写m函数代码并搭建simulink模型完成的，包括以下步骤：

步骤一，种群初始化操作；

设置以下参数：

种群规模、算法最大迭代次数、惯性权重及学习因子的初始值、粒子速度和搜索位置的范围、种群的维度，并在搜索空间中随机初始化粒子种群；

步骤二，将粒子群个体解码为比例Kp、积分Ki和微分Kd；

步骤三，运行simulink模型，选取误差绝对值乘时间积分ITAE准则作为算法的适应度函数；

步骤四，根据适应度值函数计算初始化群体的适应度值，并得到个体极值pBest和全局极值gBest；

步骤五，根据惯性权重余弦调整公式对惯性权重进行动态调整，并根据进化迭代公式计算速度和位置从而得到新一代的粒子群；

步骤六，由ITAE准则计算更新后的粒子群个体的适应度值，计算出更新后粒子群的个体极值和全局极值，若新一代的个体极值比上一代的个体极值小，则更新个体极值，全局极值更新准则与个体极值更新准则相同；

步骤七，若达到最大迭代次数或精度最小值的终止条件，则进入步骤八，若没有达到终止条件则进入步骤五；

步骤八，结束，得到全局最优值；

所述步骤五中的惯性权重余弦调整公式为：

其中：

k为算法当前的迭代次数，ω为惯性权重，ω_max为算法迭代过程中惯性权重取到的最大值，ω_min为算法迭代过程中惯性权重取到的最小值，h=π*k/(2*k_max)，k_max为算法的最大迭代次数。

2.根据权利要求1所述的惯性权重余弦调整粒子群优化算法的PID参数整定方法，其特征在于，ω_max=0.9。

3.根据权利要求1所述的惯性权重余弦调整粒子群优化算法的PID参数整定方法，其特征在于，ω_min=0.4。

4.根据权利要求1所述的惯性权重余弦调整粒子群优化算法的PID参数整定方法，其特征在于，所述simulink模型为基于sim函数运行搭建的模型，以计算出粒子的适应度值。

5.根据权利要求4所述的惯性权重余弦调整粒子群优化算法的PID参数整定方法，其特征在于，所述simulink模型运行方法为：将每一次产生的粒子通过feval函数子赋值给PID的三个参数，所述三个参数为比例Kp、积分Ki和微分Kd，然后利用sim函数运行搭建的simulink模型，计算出该组粒子对应的性能指标值，所述性能指标值为粒子的适应度值，再根据所述适应度值判断是否结束该算法，如果不满足终止条件，则根据进化迭代公式产生下一组粒子，重复上述行为，直到满足终止条件为止，满足终止条件后，返回全局最优值，使得PID控制器性能指标为性能最优的那组Kp、Ki、Kd。

6.根据权利要求5所述的惯性权重余弦调整粒子群优化算法的PID参数整定方法，其特征在于，所述进化迭代公式为：

其中为第i个粒子在k+1次迭代时速度的大小；

；

其中表示第i个粒子在k+1次迭代时所在的位置。

7.根据权利要求1所述的惯性权重余弦调整粒子群优化算法的PID参数整定方法，其特征在于，所述ITAE准则具体表达式为：

，其中e(t)表示实际输出与期望输出的偏差，t为时间。

8.一种应用权利要求1～7任意一项所述惯性权重余弦调整粒子群优化算法的PID参数整定方法的控制系统，所述控制系统中常用的性能指标为：

。

9.根据权利要求8所述的控制系统，其特征在于，所述控制系统包括PID控制器。