[发明专利]一种基于改进TLBO算法的PID控制器参数整定方法

说明书

本发明公开了一种基于改进TLBO算法的PID控制器参数整定方法，包括以下步骤：S1、初始化参数，生成一个班级的学员群体并分组，根据每个学员的PID参数变量计算出适应度值，找出班级中的最优学员、班级平均成绩和各分组的最优学员、最差学员及平均成绩；S2、班级中每个学员根据所在小组平均成绩和班级最优学员之间的差异性进行学习；S3、根据生成随机数的大小，班级中每个学员选择自主学习或者选择与另一个随机学员之间的差异性进行学习；S4、各个小组的最差学员根据自己与该小组的最优学员之间的差异性进行学习；S5、若满足结束条件，则循环结束，输出最优的PID参数，若不满足，则返回S2。

技术领域

本发明涉及一种PID控制器参数整定方法，特别是涉及一种基于改进TLBO算法的PID控制器参数整定方法。

背景技术

PID控制器是工业控制领域当中最广泛使用的一种控制器，它具有原理简单、使用方便、适应性强和鲁棒性强等优点，在PID控制器的应用过程中，核心问题是设置合适的比例、积分和微分参数。传统的PID控制器参数整定方法很难得到精确的或最优的结果，近年来，越来越多的进化算法和群智能算法被用来对PID控制器进行最优参数整定，如遗传算法、粒子群算法、蚁群算法、和声搜索算法等。

教与学优化算法(Teaching Learning Based Optimization，TLBO)是一种新型的群智能优化算法，具有优化速度快、收敛能力强等特性，本文在标准TLBO算法和基于动态分组策略TLBO算法的基础上进行了改进，设计出一种基于改进TLBO算法的PID控制器参数整定方法，进一步增强了在PID控制器参数整定过程中最优参数的获取能力和收敛精度。

发明内容

发明目的：本发明的目的主要在于，将一种改进的TLBO算法应用于PID控制器的参数整定过程中，使用本方法将进一步增强在PID控制器参数整定过程中最优参数的获取能力和收敛精度。本发明所要解决的技术问题是，改善算法对最优解的搜索能力，加快收敛速度，避免迭代过程中陷入局部最优。

为了实现上述目的及解决其技术问题，本发明采用以下方法来实现，一种基于改进TLBO算法的PID控制器参数整定方法，包含如下步骤：

S1、初始化参数，生成一个班级的学员群体并分组，根据每个学员的PID参数变量计算出适应度值，找出班级中的最优学员、班级平均成绩和各分组的最优学员、最差学员及平均成绩；

S11、初始化参数，包括初始化班级学员数量、分组数量、每个学员中PID参数变量的取值范围、终止条件；

S12、根据分组数量将班级的学员分成小组，确定出每个小组的学员数量；

S13、根据每个学员的适应度值，找出班级内的最优学员、最差学员、班级平均成绩和各分组平均成绩，适应度值是指把每一个学员的PID参数变量代入目标函数中所得到的结果，目标函数是指PID控制器参数整定过程中的一种性能指标，在本文中指的是平方误差积分；

S2、班级中每个学员根据所在小组平均成绩和班级最优学员之间的差异性进行学习；

S21、根据S13步骤得到的班级内的最优学员被看作是教师，每个学员根据所在小组平均成绩和教师之间的差异性进行学习，学习过程公式如下：

GroupMean′＝(GroupMean+X)/2

newX＝X+r＊(Teacher-TF＊GroupMean′)

在上述公式中，GroupMean表示各分组平均成绩，X表示正在学习的学员，Teacher表示班级内的最优学员，TF表示学习因子，r是介于0和1之间的随机数，newX表示学习后的学员；

S22、比较学员X在学习前后的适应度值，如果学习后的适应度值优于学习前，则将学习后的参数变量更新至该学员，如果学习前的适应度值优于学习前，则该学员的参数变量保持不变；