【PID优化】基于布谷鸟算法PID控制器优化设计含Matlab源码

1 简介

ＰＩＤ控制器具有原 理 简 单、实现容易和鲁棒性强等特点，从而广泛应用于工业控制过程中，其在工业生产控制中的地位十分重要。ＰＩＤ控制器的性能指标完全取决于 ３个 参数 Ｋｐ、Ｋｉ、Ｋｄ 是否合理，因此优化 ＰＩＤ控制器的参数成为 ＰＩＤ 控制器优化设计的核心，目 前 ＰＩＤ 控制器参数优化已经成为自动

控制领域研究的热点。当前，ＰＩＤ控制器参数优化方法主要基于传统控制理论技术和手动方法进行，过程如 下：

１）根 据 被 控 制 对 象 建 立 数学模型；

２）对数学模型进行分析；

３）根据分析结果来设计出合适的控制器。因 此 传 统 ＰＩＤ 控制器参数优化后，参 数不 具备自适应环境变化的能力。

近年来，为了 弥 补 传 统 ＰＩＤ 控 制器 的 不 足，完 善 并 使 其达到理想的控制效果，学者利用各式技术，尝试了多种控制方法，其中效果最好的是利用智能优化算法，比如遗传算法、粒子群算法及萤 火 虫 算 法 等，优 化 ＰＩＤ 控 制器，通 过 这 种 方 式设计的 ＰＩＤ控制器被称为智能 ＰＩＤ 控 制器，并已取得了很多成功的应用​.

2 部分代码

% Script 布谷鸟算法，求解函数最小值​clear all ; close all ;clc ;N = 25; %　Number of nests(The scale of solution)D = 10 ; %  Dimensionality of solutionT = 200 ; % Number of iterationsXmax = 20 ;Xmin = -20 ;Pa = 0.25 ; % Probability of building a new nest(After host bird find exotic bird eggs)nestPop = rand(N,D)*(Xmax-Xmin)+Xmin ;  % Random initial solutionsfor t=1:T    levy_nestPop =  func_levy(nestPop,Xmax,Xmin) ; % Generate new solutions by Levy flights    nestPop = func_bestNestPop(nestPop,levy_nestPop);  % Choose a best nest among  new and old nests         rand_nestPop = func_newBuildNest(nestPop,Pa,Xmax,Xmin); % Abandon(Pa) worse nests and build new nests by (Preference random walk )    nestPop = func_bestNestPop(nestPop,rand_nestPop) ; % Choose a best nest among  new and old nests    [~,index] = max(func_fitness(nestPop)) ; % Best nests    trace(t) = func_objValue(nestPop(index,:)) ; endfigure plot(trace);xlabel('迭代次数') ;ylabel('适应度值') ;title('适应度进化曲线') ;img =gcf;  %获取当前画图的句柄print(img, '-dpng', '-r600', './img.png')         %即可得到对应格式和期望dpi的图像

3 仿真结果

4 参考文献

[1]王庆喜, 储泽楠. 基于动态布谷鸟搜索算法的PID控制器参数优化[J]. 计算机测量与控制, 2015, 23(4):4.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。