计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
5期
224-228
,共5页
量子粒子群算法%权重系数%PID控制器%参数优化
量子粒子群算法%權重繫數%PID控製器%參數優化
양자입자군산법%권중계수%PID공제기%삼수우화
Quantum-behaved Particle Swarm Optimization(QPSO)%weight coefficient%PID controller%parameter optimization
传统的PID控制器参数优化方法容易产生振荡和较大的超调量,因此智能算法如遗传算法(SGA)和粒子群算法(PSO)被用于参数优化,弥补传统算法的不足,但是遗传算法在进化过程中收敛速度慢,粒子群算法存在易于早熟的缺点.在分析量子粒子群算法(QPSO)的基础上,在算法中引入了权重系数,提出使用改进的量子粒子群算法(WQPSO)优化PID控制器参数.将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较.最后,通过三个传递函数实例,分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计,并对结果进行了分析.
傳統的PID控製器參數優化方法容易產生振盪和較大的超調量,因此智能算法如遺傳算法(SGA)和粒子群算法(PSO)被用于參數優化,瀰補傳統算法的不足,但是遺傳算法在進化過程中收斂速度慢,粒子群算法存在易于早熟的缺點.在分析量子粒子群算法(QPSO)的基礎上,在算法中引入瞭權重繫數,提齣使用改進的量子粒子群算法(WQPSO)優化PID控製器參數.將改進量子粒子群算法與量子粒子群算法、粒子群算法通過benchmark測試函數進行瞭比較.最後,通過三箇傳遞函數實例,分彆使用Z-N、GA、PSO方法和改進的量子粒子群算法進行瞭PID控製器參數優化設計,併對結果進行瞭分析.
전통적PID공제기삼수우화방법용역산생진탕화교대적초조량,인차지능산법여유전산법(SGA)화입자군산법(PSO)피용우삼수우화,미보전통산법적불족,단시유전산법재진화과정중수렴속도만,입자군산법존재역우조숙적결점.재분석양자입자군산법(QPSO)적기출상,재산법중인입료권중계수,제출사용개진적양자입자군산법(WQPSO)우화PID공제기삼수.장개진양자입자군산법여양자입자군산법、입자군산법통과benchmark측시함수진행료비교.최후,통과삼개전체함수실례,분별사용Z-N、GA、PSO방법화개진적양자입자군산법진행료PID공제기삼수우화설계,병대결과진행료분석.
The conventional parameter optimization of PID controller is easy to produce surge and big overshoot,and therefore heuristics such as Genetic Algorithm(GA),Particle Swarm Optimization(PSO)are employed to enhance the capability of traditional techniques.But the convergence speed of SGA.is slowly and PSO may be trapped in the local optima of the objective and leads to poor performance.In this paper,a weight coefficient is introduced into Quantum-behaved Particle Swarm Optimization(QPSO)and an improved QPSO(WQPSO)for the parameter optimization of PID controller is proposed.The comparison of WQPSO,PSO and QPSO based on benchmark function is given.Finally,three examples are given to illustrate the design procedure and exhibit the effectiveness of the proposed method via a comparison study with an existing Z-N,GA and PSO approaches.
