基于粒子群优化的分数阶ＰＩＤ预测函数参数整定

2015年01月29日15:11:50 本网站我要评论(2)字号：T | T | T

关键字：应用

摘　　　要：为避免分数阶ＰＩＤ预测函数手动调节参数的不确定性以及繁琐性，应用粒子群算法优化其参数，完善分数阶ＰＩＤ预测函数控制器，并提高其控制精度，充分体现了算法的智能性。将粒子群整定分数阶ＰＩＤ预测函数算法应用于单变量的励磁控制系统中，通过Ｍａｔｌａｂ仿真并与模糊分数阶ＰＩＤ预测函数以及经验调节方法相比较，结果表明，粒子群算法整定参数收敛速度快，找到较优点时间短，整定后的算法具有静态误差小、无超调、上升速度快、调节时间短、抗干扰能力强等优点，能很好地满足励磁系统的动态特性，并具有较强的鲁棒性及适应性。

关　键　词：粒子群优化；分数阶ＰＩＤ预测函数控制；励磁控制

１　引　言

分数阶ＰＩＤ（ＦＯＰＩＤ）控制器较早由ＰｏｄｌｕｂｎｙＩ教授提出［１］，是普通ＰＩＤ在分数阶领域的扩展，

ＦＯＰＩＤ比传统ＰＩＤ多了２个自由度λ和μ，增强了调节的灵活性，明显提高了系统的响应速度及鲁棒性，同时加大了参数的调节难度，至今仍未探寻出一种合适的参数整定方法。预测函数控制（ＰｒｅｄｉｃｔｉｖｅＦｕｎｃｔｉｏｎａｌＣｏｎｔｒｏｌ，ＰＦＣ）较早由Ｒｉｃｈａｌｅｔ和Ｋｕｎｔｚｅ等［２３］提出并成功应用于机器人控制的第三代模型预测控制算法，该算法根据过去的状态预测未来的输入与输出，能很好地解决系统稳态误差问题，有效地抑制大干扰，但其响应的速度较慢。

将分数阶ＰＩＤ与预测函数控制结合得到的新型控制算法（ＦＯＰＩＤＰＦＣ）同时具有ＦＯＰＩＤ和ＰＦＣ的优点，比单一的控制算法效果更好［４］，但其参数是通过经验和多次试验得到的，特别是当被控对象改变时，参数需再次调整，这样不仅费时，还可能导致找不到较优控制参数。因此寻求一种快速、简单、可靠的智能算法来优化控制参数尤为重要。

登录网站后可下载文件

基于粒子群优化的分数阶ＰＩＤ预测函数参数整定

相关阅读: