QBSO算法在PID参数优化的应用

发布时间：2021-08-08 22:54

　　为解决PID控制参数求解过程中所存在的求解精度不高的问题,提出一种量子天牛群算法.通过结合PSO算法的全局搜索能力、BAS算法的局部搜索能力以及量子策略的随机能力,使得算法的全局搜索能力以及搜索精度得到有效提高,并通过两类经典函数对其寻优能力进行验证.进一步,将QBSO算法应用于PID参数优化中,并对一阶与二阶延时和非延时系统进行PID控制参数求解.通过仿真实验以及计算结果表明,基于QBSO的PID控制的控制系统具有更加优良的动态性能与抗扰动能力. 

【文章来源】：辽宁工程技术大学学报(自然科学版). 2020,39(02)北大核心

【文章页数】：6 页

【部分图文】：

QBSO算法流程

为验证QBSO算法求解PID参数的有效性，本文依据上文给定的适应度评价函数，分别给出了基于PSO、GA以及QBSO算法的PID参数优化结果，另外，对于利用智能算法对PID参数进行优化的计算框架，见图2.3.1 参数设定

利用三种算法对上述四种被控对象所整定的PID参数分别进行计算20次取最优解所得到的参数分析表见表3.另外，对于仿真，设置采样周期为0.01、采样次数为500次.由求得的表3中的ITAE值可以看出，四种情况下，基于QBSO的PID控制相对基于PSO以及GA的PID控制控制效果更加优良，也即说明QBSO算法对于PID参数的求解精度较其他两种算法高.另外由分析表中的上升时间tr也可以看出，经QBSO算法整定的PID控制的系统相对其他两种算法来说达到稳态的时间更短，因而说明系统的动态性能优良.

【参考文献】：
期刊论文
[1]基于改进动态变异差分进化的最优PID控制[J]. 谭飞,曹立佳.  控制工程. 2019(03)
[2]采煤机自动调高系统的模糊PID控制仿真[J]. 赵丽娟,李苗.  辽宁工程技术大学学报(自然科学版). 2016(10)
[3]交流感应电机串联PI控制及其参数整定方法[J]. 肖仁鑫,张海洋,陈峥,申江卫.  控制工程. 2016(04)
[4]橡胶带卷取机跑偏模糊控制系统的动态仿真[J]. 毛君,徐健博,陈洪月,王鑫,张伟.  辽宁工程技术大学学报(自然科学版). 2016(03)



本文编号：3330833