MATLAB实现粒子群算法优化PID参数

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!

相关推荐
Pniubi4 分钟前
力扣239.滑动窗口最大值(优先队列)
算法·leetcode·职场和发展
eggwyw34 分钟前
linux下的C\C++多进程多线程编程实例详解
开发语言·c++
布莱克60544 分钟前
Swift 枚举详解:从基础语法到关联值与模式匹配
开发语言·ios·swift·枚举
布莱克6051 小时前
Swift 闭包详解:从语法到实战的完整指南
服务器·开发语言·ios·ssh·swift·闭包
青少儿编程课堂2 小时前
第十八届蓝桥杯青少组图形化真题 + 全国青少年信息素养大赛 + 电子学会图形化考级:校园泡泡堂大挑战解析
c++·python·算法·bfs·信息学竞赛
超低空2 小时前
一文说清LRU算法
后端·算法·架构
小七在进步2 小时前
string的实现(3)
开发语言·c++·笔记·visual studio
青少儿编程课堂3 小时前
蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级:Dinic最大流解析
c++·python·算法·bfs·信息学竞赛
开开心心就好3 小时前
显示器关不掉怎么办,用小工具一键息屏
算法·智能手机·pdf·计算机外设·ocr·lua·1024程序员节
专注仿真3 小时前
基于 AFSIM 的智能体训练:多智能体强化学习篇 —— QTRAN 算法实战
开发语言·python·算法·php·强化学习·afsim智能体·仿真训练