【控制】基于海鸥算法实现PID参数优化整定附matlab代码

天天Matlab科研工作室

已于 2022-08-02 16:51:05 修改

阅读量1.2k

点赞数

分类专栏：优化求解文章标签：算法 matlab 开发语言

于 2022-07-28 15:26:05 首次发布

本文链接：https://blog.csdn.net/qq_59747472/article/details/126036019

版权

优化求解专栏收录该内容

804 篇文章 274 订阅

订阅专栏

1 内容介绍

PID控制器广泛应用在电子、自动控制、航空等领域，在工业控制领域占据了重要的地位，但是对于PID控制，主要的问题在于PID的参数整定。目前，PID控制器的参数整定很多都依赖于传统的经验法，经过不断的测试，从而得到一个比较合理的PID参数。最为经典的Z－N法是由ZIEGLER和NICHOL提出用于PID参数的整定，但是该方法存在超调量大、响应时间长等缺点。由于智能时代的到来，很多智能优化算法都开始用于优化PID参数，得到了更好的参数，例如:遗传算法(GA)、细菌觅食算法(BFO)、粒子群算法(PSO)、人工鱼群算法(AFSA)等算法都成功地应用于PID参数整定。通过比较，智能优化算法比传统的经验法效率更高，结果更精确，但是这些智能优化算法也存在容易陷入局部最优以及过早收敛等问题，需要进一步改进。海鸥优化算法(SeagullOptimizationAlgorithm，SOA)是DHIMAN等提出的一种新的智能优化算法，该算法通过模拟海鸥群体的迁徙和攻击行为，具有全局搜索和局部搜索的能力，其中迁徙行为具有全局搜索能力，攻击行为具有局部搜索能力。

1标准海鸥优化算法

海鸥优化算法主要模拟海鸥的迁徙和攻击行为。在迁徙的过程中，每只海鸥的位置不同，从而避免了碰撞事件的发生。在海鸥群体移动的过程中，海鸥会朝着最佳位置的方向进行移动，从而得到最佳的位置。在攻击的过程中，海鸥会做出螺旋形状的运动，使得海鸥可以朝着不同的角度进行攻击，最后计算出海鸥的最终位置。迁移行为和攻击过程如下所述:

2 PID 控制器的原理

在模拟控制系统中，PID 控制是最常见的控制器。传统的 PID 控制器通常由控制器和受控对象组成，它是一种线性控制器，通过对偏差信号进行比例、积分以及微分实现对系统的控制。其中，比例环节反映控制系统的偏差，控制器可以减少产生的偏差; 积分环节可以消除静差，提高系统的无差度; 微分环节反映偏差信号的变化趋势，并能在偏差信号变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的运行速度，减少调节时间。 PID 控制器的优化问题就是确定一组合适的参数 Kp、 Ki、Kd，使得系统的指标达到最优。PID 控制系统如图 13 所示。

2 仿真代码

clc % 清屏
clear all; % 删除workplace变量
close all; % 关掉显示图形窗口

ts=0.001;
sys=tf([1.05],[6.8e-6 2.47e-3 0.7925]);
dsys=c2d(sys,ts,'z');
[num,den]=tfdata(dsys,'v');
u_1=0.0;u_2=0.0;
y_1=0.0;y_2=0.0;
x=[0,0,0]';
error_1=0;
for k=1:1:100
time(k)=k*ts;
kp=0.0409;
ki=64.3062;
kd=0;
rin(k)=1;
u(k)=kp*x(1)+kd*x(2)+ki*x(3);
if u(k)>=10
u(k)=10;
end
if u(k)<=-10
u(k)=-10;
end
yout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2;
error(k)=rin(k)-yout(k);
%return of parameters
u_2=u_1;u_1=u(k);
y_2=y_1;y_1=yout(k);
x(1)=error(k); % Calculating P
x(2)=(error(k)-error_1)/ts; % D
x(3)=x(3)+error(k)*ts; % I
error_1=error(k);
end
figure(1)
plot(time,rin,'b',time,yout,'r','LineWidth',3)
xlabel('time(s)'),ylabel('rin,yout');
figure(2)
plot(time,error,'b','LineWidth',3)
xlabel('time(s)'),ylabel('rin,error');