学位论文 > 优秀研究生学位论文题录展示

微粒群算法理论研究及其在PID参数优化中的应用

作　者: 江维
导　师: 胡中功；沈斌
学　校: 武汉工程大学
专　业: 检测技术与自动化装置
关键词: 微粒群算法 收敛域 可视化平台 PID控制器参数优化
分类号: TP13
类　型: 硕士论文
年　份: 2010年
下　载: 139次
引　用: 1次
阅　读: 论文下载
 

内容摘要


现代工业生产过程大都具有非线性、时变、滞后等显著特征,进而给工业实时控制问题提出了新的挑战。PID控制以其结构简单、实现容易、控制效果好、参数物理意义明确等优点广泛应用于工业控制领域。PID控制的性能与其三个参数直接相关,目前已有很多的PID控制器参数整定方法,但它们或多或少存在一些缺陷,近年来微粒群算法已成功应用到PID控制器参数优化中,该算法收敛速度快、参数少、程序实现容易,并能动态的自整定参数,获得了很好的优化效果。微粒群算法的研究工作起源于20世纪90年代,它以其原理简单、参数少、收敛速度快等优点,自提出以来便获得很大发展。在应用微粒群算法解决优化问题时,一个首要的问题就是算法的参数设置,从这个问题开始本文着重研究了微粒群算法的改进、算法的收敛性、算法的参数选择、算法的可视化实现以及算法在控制领域的经典应用等一系列问题,其主要内容如下:1、首先介绍了微粒群算法产生的背景,分析了算法的原理、实现流程、常见的三种形式、拓扑结构以及算法的应用与发展等。2、总结了前人提出的一些重要改进算法,并在此基础上提出了两种全新的改进方案,从理论推导仿真分析两方面论证了改进方案的可行性和有效性。3、提出了微粒群算法可视化平台开发的一些方案和设想,同时也提出了该算法的MATLAB程序实现问题并就本文研究内容设计出了一个简单的微粒群算法仿真界面。4、从理论和仿真两个角度对微粒群算法的参数选择和收敛性进行了分析,并推导出了一个较具普遍性的结论即保证算法收敛的参数取值约束在一个直角梯形的内部。5、针对微粒群算法用于PID控制器的参数优化设计了一个可视化仿真平台,并以一个工业上常用的二阶时滞系统为模型,通过MATLAB仿真证明了该方案的可行性和优越性。

全文目录


摘要  4-5
Abstract  5-10
第1章 绪论  10-20
  1.1 课题背景和研究动机  10-12
  1.2 群体智能优化算法简介  12-17
    1.2.1 蚁群算法  13-14
    1.2.2 微粒群算法  14-15
    1.2.3 人工鱼群算法  15-16
    1.2.4 蜂群算法  16-17
  1.3 本文的主要研究内容与创新点  17-19
    1.3.1 本文的主要研究内容  17-18
    1.3.2 本文的创新点  18-19
  1.4 本文的组织  19-20
第2章 微粒群算法基本原理  20-28
  2.1 引言  20
  2.2 微粒群算法原理  20-21
  2.3 微粒群算法实现流程与程序伪代码  21-23
  2.4 微粒群算法几种常见的典型形式  23-24
  2.5 微粒群算法的拓扑结构  24-26
  2.6 微粒群算法与其它几种现代优化算法的比较  26
  2.7 微粒群算法的应用与发展趋势  26-28
第3章 微粒群算法的改进与可视化实现问题  28-46
  3.1 引言  28
  3.2 现有重要改进算法综述  28-29
  3.3 基于增加微粒搜索方向的PSO 算法改进  29-31
    3.3.1 算法的改进思路  29-30
    3.3.2 算法改进的可行性理论分析  30-31
  3.4 基于扩大微粒搜索范围的PSO 算法改进  31-36
    3.4.1 算法的改进思路  31-32
    3.4.2 标准PSO 算法的理论分析  32-34
    3.4.3 基于扩大微粒搜索范围改进的实现及可行性理论分析  34-36
  3.5 仿真实验研究  36-44
    3.5.1 微粒群算法的程序实现问题  36-37
    3.5.2 微粒群算法的可视化实现问题  37-43
    3.5.3 数值实验  43-44
  3.6 小结  44-46
第4章 微粒群算法参数选择的仿真实验与理论分析  46-60
  4.1 引言  46
  4.2 微粒群算法的两种模型  46-47
  4.3 微粒群算法参数选择的仿真实验  47-53
    4.3.1 惯性权值的测试实验  47-50
    4.3.2 加速度常数的测试实验  50-52
    4.3.3 种群规模和最大进化代数的测试实验  52-53
  4.4 微粒群算法参数选择的理论分析  53-58
    4.4.1 微粒位置变化的分析  54-56
    4.4.2 微粒速度变化的分析  56-57
    4.4.3 微粒群算法理论分析的一些其它方法  57-58
  4.5 小结  58-60
第5章 微粒群算法在控制系统PID 参数优化中的应用  60-72
  5.1 引言  60
  5.2 PID 控制理论与PID 控制器  60-62
    5.2.1 PID 控制的基本原理  60-61
    5.2.2 PID 控制器三个环节对控制效果的影响  61-62
  5.3 PID 控制器参数整定方案综述  62-64
  5.4 PSO-PID 仿真实验与结果分析  64-71
  5.5 小结  71-72
第6章 总结与展望  72-76
  6.1 本文总结  72
  6.2 存在的问题和未来的研究方向  72-76
参考文献  76-80
附录 PSO 算法可视化平台开发主要 MATLAB 源代码  80-84
致谢  84-86
攻读硕士学位期间发表的论文  86

相似论文

  1. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  2. 微粒群算法的改进与应用研究,TP18
  3. 物流配送选址与路径优化模型及其微粒群算法研究,F224
  4. 基于Flex平台的信息可视化开发工具的设计与实现,TP311.52
  5. 基于遗传免疫微粒群算法的工程项目多目标综合优化研究,TP301.6
  6. 水电仿真软件中调节模块的实现与优化,TP391.9
  7. 基于微粒群算法优化的模糊PID的无刷直流电机调速控制系统的研究,TM33
  8. 无线传感网络层次型拓扑控制应用研究,TN929.5
  9. 离散微粒群改进算法及在属性约简中的应用,TP18
  10. 多模态医学图像配准研究与实现,TP391.41
  11. 数独的难度衡量、生成及微粒群算法,O157.1
  12. 基于幂迭代的一类特殊函数及其应用,O174.6
  13. 电力系统安全性分析综合可视化系统,TM73
  14. 土壤光谱重建技术研究,S152
  15. 多种群协同进化的微粒群优化算法及其在橡胶硫化车间生产调度中的应用,TQ330.8
  16. 智能优化算法的改进及其在多维空间谱估计中的应用,TP18
  17. 智能优化任务调度算法的研究与应用,TP301.6
  18. 基于智能算法的DNA聚类研究及应用,TP18
  19. 基于PSO算法的神经网络优化研究及应用,TP183
  20. 基于特征选择和聚类的入侵检测的研究,TP393.08

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 自动控制理论
© 2012 www.xueweilunwen.com