基于改进粒子群算法的PID参数优化研究

摘要

PID控制是典型的工业控制,其核心内容是PID参数优化.为解决参数优化时不能确保得到最佳性能且耗时问题,通过改进粒子群算法学习因子,研究基于相等随机因子粒子群算法的PID参数优化,将其与标准的粒子群算法及迭代次数线性变化的学习因子进行比较.仿真结果表明,该算法性能指标tr、ts、δ％分别为1.782、3.285、14.07％,两种对比算法的tr、ts、δ％分别为1.804、4.825、24.33％ 和1.802、4.135、16.56％,改进算法提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优.