粒子群算法优化模糊pidWord版.docx
本文选取常见的二阶惯性加纯滞后环节，传递函数为： 在这里， PID参数取为本设计中的模糊控制器采用两输入(e, ec)，三输出(P,I,D)的形式来调整PID参数。e的论域为-3,3，ec的论域为-3,3。推理机使用，表示负大，负中，负小，零，正小，正中，正大为了可以调节尽可能多的系统，此控制器选定在负边界处和正边界处分别选用平滑连续的Z型隶属度函数和S型隶属度函数，在中间部分采用灵敏度较强的三角形隶属度函数。规则表如下图所示：（1）主程序：clearclc% 参数设置w = 0.6; % 惯性因子 c1 = 1.414; % 加速常数c2 = 1.623; % 加速常数Dim = 5; % 维数SwarmSize = 100; % 粒子群规模ObjFun = PSO_PID; % 待优化函数句柄MaxIter = 100; % 最大迭代次数 MinFit = 0.01; % 最小适应值Vmax = 2;Vmin =-2;Ub = 20 50 1 1 1;Lb = 0 0 0 0 0;% 粒子群初始化 Range = ones(SwarmSize,1)*(Ub-Lb); Swarm = rand(SwarmSize,Dim).*Range + ones(SwarmSize,1)*Lb; % 初始化粒子群 VStep = rand(SwarmSize,Dim)*(Vmax-Vmin) + Vmin; % 初始化速度 fSwarm = zeros(SwarmSize,1);for i=1:SwarmSize fSwarm(i,:) = feval(ObjFun,Swarm(i,:); % 粒子群的适应值end% 个体极值和群体极值bestf,bestindex=min(fSwarm);zbest=Swarm(bestindex,:); % 全局最佳gbest=Swarm; % 个体最佳fgbest=fSwarm; % 个体最佳适应值fzbest=bestf; % 全局最佳适应值% 迭代寻优iter = 0;y_fitness = zeros(1,MaxIter); % 预先产生4个空矩阵K_p = zeros(1,MaxIter); K_i = zeros(1,MaxIter);K_d = zeros(1,MaxIter);e= zeros(1,MaxIter);ec = zeros(1,MaxIter);while( (iter < MaxIter) && (fzbest > MinFit) ) for j=1:SwarmSize % 速度更新 VStep(j,:) = w*VStep(j,:) + c1*rand*(gbest(j,:) - Swarm(j,:) + c2*rand*(zbest - Swarm(j,:); if VStep(j,:)>Vmax, VStep(j,:)=Vmax; end if VStep(j,:)<Vmin, VStep(j,:)=Vmin; end % 位置更新 Swarm(j,:)=Swarm(j,:)+VStep(j,:); for k=1:Dim if Swarm(j,k)>Ub(k), Swarm(j,k)=Ub(k); end if Swarm(j,k)<Lb(k), Swarm(j,k)=Lb(k); end end % 适应值 fSwarm(j,:) = feval(ObjFun,Swarm(j,:); % 个体最优更新 if fSwarm(j) < fgbest(j) gbest(j,:) = Swarm(j,:); fgbest(j) = fSwarm(j); end % 群体最优更新 if fSwarm(j) < fzbest zbest = Swarm(j,:); fzbest = fSwarm(j); end end iter = iter+1; % 迭代次数更新 y_fitness(1,iter) = fzbest; % 为绘图做准备 K_p(1,iter) = zbest(1); K_i(1,iter) = zbest(2); K_d(1,iter) = zbest(3); e(1,iter) = zbest(4); ec(1,iter) = zbest(5);end% 绘图输出figure(1) % 绘制性能指标ITAE的变化曲线plot(y_fitness,'LineWidth',2)title('最优个体适应值', 'fontsize',18);xlabel('迭代次数','fontsize',18);ylabel('适应值','fontsize',18);set(gca,'Fontsize',18);figure(2) % 绘制PID控制器参数变化曲线plot(K_p)hold onplot(K_i,'k','LineWidth',3)title('Kp、Ki优化曲线','fontsize',18);xlabel('迭代次数','fontsize',18);ylabel('参数值','fontsize',18);set(gca,'Fontsize',18);legend('Kp','Ki',1);figure(3) % 绘制PID控制器参数变化曲线plot(e)hold onplot(ec,'k','LineWidth',3)title('e、ec 优化曲线','fontsize',18);xlabel('迭代次数','fontsize',18);ylabel('参数值','fontsize',18);set(gca,'Fontsize',18);legend('e','ec',1);figure(4) % 绘制PID控制器参数变化曲线plot(K_d)hold ontitle('Kd 优化曲线','fontsize',18);xlabel('迭代次数','fontsize',18);ylabel('参数值','fontsize',18);set(gca,'Fontsize',18);legend('Kd',1);clearclc（2）simulnik与算法结合程序function z=PSO_PID(x)assignin('base','Kp',x(1);assignin('base','Ki',x(2);assignin('base','Kd',x(3);assignin('base','e',x(4);assignin('base','ec',x(5);t_time,x_state,y_out=sim('pca',0,20);z=y_out(end,1);（3）Simulink仿真图：实验结果：，波形如下图所示。实验结论：本次设计使用的是pid，粒子群算法模糊pid，粒子群算法模糊smith pid相结合，仿真波形如下图所示。黄色的是pid波形，红色的是粒子群算法模糊pid，蓝色的是粒子群算法模糊smith pid。从图中明显的可以看出加入粒子群算法模糊控制后波形超调量减少，调节时间缩短；在加入smith后波形有了明显的改善。 （注：可编辑下载，若有不当之处，请指正，谢谢!）
