MATLAB实现粒子群算法优化PID参数

一、问题描述

粒子群算法（PSO）通过模拟鸟群觅食行为搜索最优解，适用于PID参数整定问题。

被控对象： G(s)=1s2+1.5s+1G(s) = \frac{1}{s^2 + 1.5s + 1}G(s)=s2+1.5s+11

优化目标： 最小化ITAE指标

二、PSO算法原理

每个粒子代表一组PID参数，通过跟踪个体最优和全局最优更新位置：

vt+1=wvt+c1r1(pbest−xt)+c2r2(gbest−xt)v_{t+1} = w v_t + c_1 r_1(p_{best} - x_t) + c_2 r_2(g_{best} - x_t)vt+1=wvt+c1r1(pbest−xt)+c2r2(gbest−xt)
xt+1=xt+vt+1x_{t+1} = x_t + v_{t+1}xt+1=xt+vt+1

算法参数

参数	数值
粒子数	30
迭代次数	80
惯性权重w	0.7
学习因子c1/c2	1.5 / 1.5

三、MATLAB代码

matlab 复制代码

%% PSO-PID: 粒子群算法优化PID参数
clc; clear; close all; rng(42);

s = tf('s'); G = 1/(s^2+1.5*s+1);
Kp_r=[0,10]; Ki_r=[0,5]; Kd_r=[0,3];

swarm=30; max_iter=80; w=0.7; c1=1.5; c2=1.5;
pos=rand(swarm,3).*[Kp_r(2),Ki_r(2),Kd_r(2)];
vel=randn(swarm,3)*0.1;
pbest=pos; pbest_val=eval_pop(pos,G);
[gbest_val,i]=min(pbest_val); gbest=pos(i,:);
h=[gbest_val];

for iter=1:max_iter
    r1=rand(swarm,3); r2=rand(swarm,3);
    vel=w*vel+c1*r1.*(pbest-pos)+c2*r2.*(gbest-pos);
    pos=max(0,pos+vel);
    pos(:,1)=min(pos(:,1),Kp_r(2));
    pos(:,2)=min(pos(:,2),Ki_r(2));
    pos(:,3)=min(pos(:,3),Kd_r(2));
    val=eval_pop(pos,G);
    for i=1:swarm
        if val(i)<pbest_val(i)
            pbest_val(i)=val(i); pbest(i,:)=pos(i,:);
        end
        if val(i)<gbest_val
            gbest_val=val(i); gbest=pos(i,:);
        end
    end
    h=[h,gbest_val];
end

fprintf('Kp=%.4f Ki=%.4f Kd=%.4f ITAE=%.4f\n',gbest,gbest_val);

function f=eval_pop(pop,G)
    n=size(pop,1); f=zeros(n,1); t=0:0.01:5;
    for i=1:n
        try
            C=pid(pop(i,1),pop(i,2),pop(i,3));
            [y,~]=step(feedback(C*G,1),t);
            e=1-y; f(i)=sum(t'.*abs(e))*0.01;
            if isnan(f(i))||f(i)>100, f(i)=100; end
        catch, f(i)=100; end
    end
end

四、运行结果

4.1 控制台输出

复制代码

PSO 20/80: ITAE=0.1047
PSO 40/80: ITAE=0.1039
PSO 60/80: ITAE=0.1039
PSO 80/80: ITAE=0.1039

===== PSO-PID =====
Kp=4.6586 Ki=3.1215 Kd=3.0000 ITAE=0.1039

五、结果分析

PSO优化得到的PID参数ITAE=0.1039，优于GA的0.1861：

收敛更快：PSO在40代前就已收敛
精度更高：ITAE指标更优
参数合理：Kd达到上限3.0，表明系统需要较强微分作用

六、参数设置建议

参数	说明
粒子数20~50	影响搜索广度
学习因子1~2	控制个体与全局搜索比例
惯性权重0.4~0.9	大值全局搜索，小值局部搜索

完整MATLAB代码可直接运行，如有问题欢迎交流！