基于PSO-SOA融合算法的PID参数优化

发布时间：2022-07-13 15:03

　　提出一种粒子群（Particle Swarm Optimization,PSO）与人群搜索融合（Seeker Optimization Algorithm,SOA）的算法,将其用于优化工业控制过程中PID参数。充分利用粒子群算法突出的局部寻优能力与人群搜索算法的全局搜索能力,将两种算法结合,提高算法的收敛速度以及收敛精度。通过不同的典型测试函数,将其分别对比标准粒子群算法以及人群搜索算法,验证该融合算法具有更佳的优化效果。将该融合算法用于PID控制器参数优化,仿真结果表明,该融合算法提高了控制精度和系统响应速度,鲁棒性好,改善了控制系统性能。 

【文章页数】：4 页

【文章目录】：
1 智能算法
    1.1 粒子群算法
    1.2 人群搜索算法
    1.3 融合算法
    1.4 算法性能测试
2 PID参数优化
    2.1 常规PID控制
    2.2 融合算法参数的设定
    2.3 仿真研究
3 结束语


【参考文献】：
期刊论文
[1]基于改进遗传算法的PID参数整定研究[J]. 王文庆,杨楠.  计算机与数字工程. 2018(12)
[2]基于人群搜索算法的自抗扰控制器参数优化[J]. 周志刚,马永光,董子健,高志存.  热力发电. 2018(09)
[3]基于模拟退火算法的PID参数优化研究[J]. 汤伟,胡祥满.  组合机床与自动化加工技术. 2018(04)
[4]改进粒子群算法及其在PID整定中的应用[J]. 杨智,陈颖.  控制工程. 2016(02)
[5]基于人群搜索算法的PID控制器参数优化[J]. 余胜威,曹中清.  计算机仿真. 2014(09)



本文编号：3660256