《基于改进元启发式算法的PID控制器优化方法.pdf》由会员分享，可在线阅读，更多相关《基于改进元启发式算法的PID控制器优化方法.pdf（14页珍藏版）》请在专利查询网上搜索。
1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310882820.7(22)申请日 2023.07.19(71)申请人 济南大学地址 250024 山东省济南市市中区南辛庄西路336号(72)发明人 张玉璘管峰保(51)Int.Cl.G05B 11/42(2006.01)(54)发明名称一种基于改进元启发式算法的PID控制器优化方法(57)摘要本发明公开了一种基于改进元启发式算法的PID控制器优化方法，属于PID控制技术领域，具体包括以下步骤：步骤一：建立基于改进元启发式算法的PID控制系统模型，包括输入偏差，PID控制器，改进人工兔优。
2、化算法模型，被控对象。步骤二：改进元启发式算法，包括：（1）改进隐藏参数H，扩大寻优范围，避免陷入局部最优解。（2）能量因子A采用非线性自适应参数策略，随机自适应地调整勘探阶段和开发阶段之间的切换。步骤三：将改进的元启发式算法应用到PID控制器参数优化。步骤四：采用MATLAB对PID控制系统进行仿真。基于改进元启发式算法的PID控制器优化方法能够在搜索空间中探索全局最优解，避免陷入局部最优解，以更快的收敛速度和更精确的搜索精度完成寻优。权利要求书2页 说明书6页 附图5页CN 116610025 A2023.08.18CN 116610025 A1.一种基于改进元启发式算法的PID控制器优化。
3、方法，其特征在于，所述优化方法包括以下步骤：步骤一：建立基于改进元启发式算法的PID控制系统模型，包括输入偏差，PID控制器，改进人工兔优化算法模型，被控对象；步骤二：改进元启发式算法；步骤三：将改进的元启发式算法应用到PID控制器参数优化；步骤四：采用 MATLAB 对PID控制系统进行仿真；其中，步骤三中改进的元启发式算法应用到PID控制器参数优化，其特征在于，具体步骤为：S1.根据PID控制器的参数，初始化兔子种群，设置种群规模n，最大迭代次数T，空间维度d，搜索上界Up，搜索下界Low;S2.选择合适的适应度函数，适应度函数公式为：式中e(t)表示时刻 t 的误差，也即PID控制系统实。
4、际输出与期望输出之间的差值，J为适应度值；S3.计算种群每个个体的适应度值Fitness，并记录当前迭代个体最优解；S4.用改进的能量因子公式计算A的值，进而判断寻优阶段；如果A1,则为勘探阶段，兔子个体进行绕道觅食，进而更新种群位置，公式如下：;其中，是第t+1次迭代时第i只兔子的候选位置;和分别是第t次迭代时第i 只兔子和第j只兔子的当前位置；n是种群规模；t是当前迭代次数；T是最大迭代次数;R表示奔跑算子；L为奔跑长度；c是一个映射向量，取值为0,1中的整数；r1，r2均为(0,1)之间的随机数；n1为服从标准正态分布的随机数；表示四舍五入；如果A1,则为勘探阶段，兔子个体进行绕道觅食，。
5、进而更新种群位置。公式如下：;其中，是第t+1次迭代时第i只兔子的候选位置;和分别是第t次迭代时第i 只兔子和第j只兔子的当前位置；n是种群规模；t是当前迭代次数；T是最大迭代次数;R表示奔跑算子；L为奔跑长度；c是一个映射向量，取值为0,1中的整数；r1，r2均为(0,1)之间的随机数；n1为服从标准正态分布的随机数；表示四舍五入；如果A1,则为勘探阶段，兔子个体进行绕道觅食，进而更新种群位置。公式如下：;其中，是第t+1次迭代时第i只兔子的候选位置;和分别是第t次迭代时第i 只兔子和第j只兔子的当前位置；n是种群规模；t是当前迭代次数；T是最大迭代次数;R表示奔跑算子；L为奔跑长度；c是一。
6、个映射向量，取值为0,1中的整数；r1，r2均为(0,1)之间的随机数；n1为服从标准正态分布的随机数；表示四舍五入；如果A1,则为开发阶段，利用引入分段非线性隐藏函数H公式进行随机躲藏，进而更新种群位置。公式如下：；其中，表示随机选择的洞穴；H是隐藏参数；r4为（0,1）之间的随机数；gr取值为0,1中的整数。0047S5.在经过勘探或开发阶段后，用适应度函数计算个体适应度值，并执行一对一贪婪选择策略。公式如下：；式中，J为适应度函数；是第t+1次迭代时第i只兔子的新位置。0048进一步的，所述贪婪选择策略，其特征在于，若兔子个体的新位置的适应度比当前说明书5/6 页8CN 11661002。
7、5 A8的适应度好，则将放弃当前位置并更新为新位置。0049S6.判断种群是否达到最大迭代次数，若是，则停止寻优输出最优解，否则返回S3继续寻优。0050S7.将最优解输入到PID控制器的参数中，即赋值到KP，KI，KD三个参数，完成PID控制器参数的优化。0051进一步的，所述步骤四中，采用 MATLAB 对PID控制系统进行仿真，PID控制器参数优化完后，被控对象接收PID控制器产生的控制信号，并得到最优解下的输出响应。为证明本改进元启发式算法对 PID 控制器参数优化的优越性，选取系统被控对象传递函数表达式如下：;式中，G(s)为传递函数，s为函数变量。0052由图5改进人工兔优化算法和。
8、基础人工兔优化算法的效果对比曲线图，可以看出，首先是在适应度上，按照适应度值越小算法性能越好的准则，在相同迭代次数内改进人工兔优化算法能够获得更好的适应度值，即改进人工兔优化算法性能更好；其次在收敛情况上，改进人工兔优化算法能够在较少的迭代次数内达到较好的收敛状态，那么认为改进人工兔优化算法更快速、更稳定地找到解，所以改进人工兔优化算法比基础人工兔优化算法性能更好。说明书6/6 页9CN 116610025 A9图 1说明书附图1/5 页10CN 116610025 A10图 2说明书附图2/5 页11CN 116610025 A11图 3说明书附图3/5 页12CN 116610025 A12图 4说明书附图4/5 页13CN 116610025 A13图 5说明书附图5/5 页14CN 116610025 A14。