粒子群算法优化模糊pid

本文选取常见的二阶惯性加纯滞后环节，传递函数为：e_G(Ts+1)(Ts+1)12在这里，12=0.3PID在这里，12=0.3PID参数取为K二2,K二1,K二2pdi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｛NB,NM,NS,O,PS,PM,PB｝，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：NBNMNSZEPSPMFBFBZE/PM/PSze/pk/psNS/PE/ZEW/PB/ZEo/fb/zeM/PS/PSm/PS/NBPMZE/PB/IffiZE/PS/MBNS/PE/ZEW/PS/NSNB/FS/WW/ZE/ZEim/PS/NBPSPM/ZE/NBPS/ZE/NBZE/ZE/WW/ZE/NSH/ZE/WM/NS/ZEm/ZE/nZEFB/NS/NSPM/NS/N5PS/NS/NSNS/NS/NSO/NS/NSW/NS/ZEm/zE/oNSPB/ZE/NBPB/ZE/NBPM/ZE/NMZE/ZE/NSZE/ZEMNS/NS/HNS/NS/HWFB/FB/MBPB/PS/JIEPM/FS/NMPS/FS/NSFS/FS/NSZE/FS/OZE/PS/ONEPB/PM/PSPB/PB/PSPM/FE/EEPM/FE/EEPS/FB/ZEZE/PB/PSZE/PM/FS1)主程序：clearclc%%参数设置w=0.6;%惯性因子c1=1.414;c1=1.414;c2=1.623;Dim=5;%加速常数%加速常数%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=[2050111];Lb=[00000];%%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);fori=1:SwarmSizefSwarm(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))forj=1:SwarmSize%速度更新-Swarm(j,:))+VStep(j,:)=w*VStep(j,:)+c1*rand*(gbest(j,:)c2*rand*(zbest-Swarm(j,:))+ifVStep(j,:)>Vmax,VStep(j,:)=Vmax;endifVStep(j,:)<Vmin,VStep(j,:)=Vmin;end%位置更新Swarm(j,:)=Swarm(j,:)+VStep(j,:);fork=1:DimifSwarm(j,k)>Ub(k),Swarm(j,k)=Ub(k);endifSwarm(j,k)<Lb(k),Swarm(j,k)=Lb(k);endend%适应值fSwarm(j,:)=feval(ObjFun,Swarm(j,:));%个体最优更新iffSwarm(j)<fgbest(j)gbest(j,:)=Swarm(j,:);fgbest(j)=fSwarm(j);end%群体最优更新iffSwarm(j)<fzbestzbest=Swarm(j,:);fzbest=fSwarm(j);endenditer=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(l)%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)holdonplot(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)holdonplot(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)holdontitle('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functionz=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：K=15,K=20,K=1,ITAE=8.8446，波形如下图所示。pid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smithpid相结合，