基于改进差分进化算法的智能PID控制器

论文摘要

PID控制方式以其结构简单,应用方便,被广泛应用于过程控制和运动控制中。传统PID控制基于被控对象的精确数学模型,PID参数整定方式落后,时效性差,难以满足非线性、时变等复杂系统的控制要求。随着群智能优化算法和智能控制理论的发展,国内外许多学者将群智能优化算法和智能控制技术应用于PID参数整定中,形成智能PID控制器。在前人的研究基础上,本文设计了一种基于改进差分进化算法的智能PID控制器。现有的差分进化算法对变异率和交叉率的调整有很大的盲目性,因此没有显著提高算法的收敛速度。另一方面,算法没有重视种群多样性问题,而种群多样性的缺失会导致算法过早收敛。针对以上两点,本文提出了一种改进的差分进化算法(KDE算法),利用多种群并行提高种群的多样性,并采用反馈思想对参数进行自适应调整。用KDE算法对19个测试函数进行寻优,结果表明,相对于其它几种差分进化算法,KDE算法在解决大部分高维和低维的问题上具有更好的寻优精度和收敛速度。基于KDE算法,本文设计了一种新型的智能PID控制器。将模糊控制技术和神经网络控制技术相结合,使得神经网络的多层结构具有“模糊调控”能力,从而增强控制器的鲁棒性,同时利用神经网络任意逼近函数的特性提高控制器的控制精度；为了提高控制器的工作效率,采用KDE算法优化隶属函数参数和控制规则初值,并采用KDE算法和BP算法相结合的混合算法在线修正隶属函数参数和网络权值,在加快算法收敛速度的同时提高控制精度。针对具有三阶特性的被控对象的仿真结果验证,本文提出的智能PID控制器使系统在保证快速响应的同时具有更好的超调控制性能,并且提高了系统的抗干扰能力。文章最后将本文提出的智能PID控制器应用于机床的进给伺服系统,设计伺服系统的三环控制,对工作台的位移进行PID控制。与传统的三环PID控制方式进行仿真比较,结果表明本文提出的智能PID控制器通过自适应调节PID参数,使得系统具有更好的跟随性能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 PID控制理论基础
• 1.2.1 PID控制器工作原理
• 1.2.2 PID控制器工作性能指标
• 1.3 国内外研究现状及发展动态
• 1.4 论文创新点及内容安排
• 第2章 智能控制技术
• 2.1 模糊控制技术
• 2.1.1 模糊控制技术简介
• 2.1.2 模糊PID控制器工作原理
• 2.1.3 模糊PID控制器仿真
• 2.2 神经网络控制技术
• 2.2.1 神经网络的发展和研究现状
• 2.2.2 神经网络工作原理
• 2.2.3 基于BP神经网络的PID控制器及仿真
• 2.3 本章小结
• 第3章 改进的差分进化算法
• 3.1 优化算法的发展
• 3.2 差分进化算法
• 3.3 改进的差分进化算法
• 3.4 改进的差分进化算法寻优仿真
• 3.5 本章小结
• 第4章 基于KDE算法的智能PID控制器
• 4.1 模糊控制技术和神经网络技术的融合
• 4.1.1 模糊控制和BP神经网络控制的性能分析
• 4.1.2 模糊控制与神经网络的融合方式
• 4.2 基于KDE算法的智能PID控制器设计
• 4.2.1 基于KDE算法的智能PID设计方案
• 4.2.2 被控对象模型
• 4.2.3 基于KDE算法的模糊控制参数调整
• 4.2.4 基于KDE算法的模糊神经网络
• 4.3 本章小结
• 第5章 基于KDE算法的智能PID控制器在机床进给伺服系统中的应用
• 5.1 交流伺服系统概述
• 5.2 机床进给伺服系统的建模
• 5.3 交流伺服系统的PID控制
• 5.3.1 交流伺服电机的传统PID控制仿真
• 5.3.2 基于本文智能PID控制器的伺服系统仿真
• 5.4 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢
• 附录
• 攻读硕士学位期间的学术成果