[发明专利]一种基于自适应果蝇优化算法的PID参数优化方法

摘要

一种基于自适应果蝇优化算法的PID参数优化方法，将基本果蝇优化算法(FOA)引入半径调节系数自适应搜索范围，通过自适应果蝇优化算法中引入惩罚控制的气味搜索适应度函数作为评价标准，寻找到最优PID参数值，具体包括如下步骤1)适应度函数的选取，2)PID控制器的算法设计；3)算法执行优化PID参数过程；4)输出最优适应度函数值及PID控制参数；本发明提供了一种算法控制精度高、响应速度快、鲁棒性良好的基于自适应果蝇优化算法的PID参数优化方法。

主权项

一种基于自适应果蝇优化算法的PID参数优化方法，其特征在于，具体包括以下两部分：(1)适应度函数的选取为了获取理想的动态特性，采用误差绝对值的时间积分性能指标作为最小目标函数，为了防止控制能量过大，引入控制输入平方项，则目标函数为：J=∫0∝(ω1|e(t)|+ω2u2(t))dt---(1)]]>其中，e(t)为输入量rin(t)和PID控制输出yout(t)之间的误差值，u(t)为控制器输出，ω1和ω2为权值常数，在[0,1]之间；为了避免超调，采用一定的惩罚控制，将超调量作为最优指标的一项，此时最有指标为：当e(t)＜0时，J=∫0∝(ω1|e(t)|+ω2u2(t)+ω3|e(t)|)dt---(2)]]>其中，ω3为权值，且ω3＞＞ω1，一般情况下，ω1＝0.999，ω2＝0.001，ω3＝100；(2)PID控制器的IFOA算法设计设计PID参数整定的IFOA算法步骤如下：Step 1、设置果蝇种群大小sizepop及最大迭代次数maxgen，并初始化果蝇个体的位置X_axis，其中，每个果蝇的位置由比例、积分、微分三个控制参数组成：X_axis＝[Kp Ki Kd]               (3)由于果蝇种群的多样性，可以根据实际工程背景设定Kp、Ki、Kd的取值范围，初始位置在相应范围内随机产生；Step 2、给出果蝇个体利用嗅觉搜寻实物的随机方向和距离为：Xi＝X_axis+ω×(2×rand()‑1)               (4)ω为搜索半径，初始值设定为ω＝1；rand()是[0,1]区间服从均匀分布的随机数；Step 3、设置半径调节系数λ，令ω＝ω×λi，i为当前迭代次数，保证迭代次数越大，搜索范围越小；Step 4、令气味浓度判定值Si＝Xi，根据公式(1)、(2)计算气味浓度的适应度值：Smelli＝function(Xi)                  (5)Step 5、从果蝇群体中找到味道浓度最优的浓度和个体；[bestSmell bestIndex]＝min(Smelli)            (6)Step 6、记录并保留最优浓度以及最优的X_axis[Kp Ki Kd]，这时候果蝇利用视觉向该位置飞去；Smellbest＝bestSmellX_axis＝X(bestIndex)            (7)Step 7、进入迭代寻优，将步骤2～5循环进行，判断当前最佳浓度是否优于前一次最佳浓度，并且当前迭代次数是否小于最大迭代次数；若是则记录下来；通过程序执行，自适应果蝇优化算法结果输出最优个体气味浓度适应度值Smellbest以及PID最优参数Xbest(Kp Ki Kd)；该算法以误差绝对值和控制输入平方项的时间积分作为优化目标，目标最小值对应的PID三个参数为最优值。