基于自适应蚁群算法的PID控制器设计开题报告.docVIP

毕业设计（论文）材料之二（2） 本科毕业设计(论文)开题报告 题目：基于自适应蚁群算法的PID控制器设计 课 题 类 型：设计( 实验研究□ 论文□ 学 生 姓 名： 冯晓煜 学 号： 3120203107 专 业 班 级： 自动化121 学 院： 电气学院 指 导 教 师： 黄宜庆 开 题 时 间： 2016年3月20日 开题报告内容与要求 一、本课题的研究意义、研究现状和发展趋势（文献综述） 研究意义：在各种配料系统中对物料的配比精度都有很高的要求，但由于物料特性的不确定性，使得传统的PID 控制得不到好的控制结果。蚁群算法具有良好的鲁棒性，算法灵活，很容易应用于其他能被表达为在图表上寻优的问题上，由于蚁群算法采用分布式并行计算机制，很容易和其他算法相结合取得更好的控制效果，所以很多学者就在基本蚁群算法的基础上进行了很多改进，来提高算法的寻优性。比如Gambardella 和Dorigo 提出的ACS 算法[1]、德国学者Thomas Stutzle 等人提出的Max-Min Ant System [2]、Bullnheimer 等人提出的基于等级的Ant System[3]、L.M.Gambardella 等人提出的混合型蚁群算法、陈烨提出的带杂交算子的蚁群算法、基于遗传因子的自适应蚁群算法[4]以及多蚁群算法[5]等等。本文就是在传统PID 的基础上，加入蚁群算法，通过蚁群算法动态调节PID 的参数，达到较好的控制效果。 PID控制器由于结构简单，鲁棒性较好，稳定性强，可靠性高，目前被大量应用在在工业控制过程中。但由于许多被控对象随负荷的变化或干扰因素影响，其特性参数或结构会发生改变，对PID整定局限于线性系统。在普遍存在的非线性、时变性等不确定因素下，传统基于线性化建模的PID控制难以获得很好的控制效果。 蚁群优化算法是求解复杂组合优化问题的启发式算法，它模拟自然界中蚂蚁有哪些信誉好的足球投注网站食物行为而提出的一种智能进化算法。适合求解多种组合优化问题。蚂蚁运动时会在路径上释放出一种特殊的分泌物即信息素，蚁群通过信息素的正反馈机制和集体自催化行为来找出最优路径的。 将蚁群算法和PID控制相结合，利用蚁群算法的全局优化能力优化PID参数，使优化过的PID控制器在非线性系统和现场干扰变化等因素的影响下仍具有良好的控制效果，仿真表明该智能优化的有效性和合理性。 研究现状：近年来,国内外学者在蚁群算法的模型改进和应用方面做了大量的工作,其共同目的是在合理时间复杂度的限制条件下,尽可能提高蚁群算法在一定空间复杂度下的寻优能力,从而改善蚁群算法的全局收敛性,并拓宽蚁群算法的应用领域, 具有很强的通用性和鲁棒性。从提出到现在, 仅短短十余年的时间, 但其在离散型组合优化问题中, 表现得很突出, 所以引起人们的关注。目前蚁群算法的研究学者主要集中在比利时、意大利、德国等国家, 美国和日本在近几年也开始了对蚁群算法的研究。国内的研究始于1998 年末, 主要在上海、北京、东北少数几个学校和研究所开展了此项工作, 主要围绕TSP 及相关问题的实验仿真, 少数涉及通信网络的路由选择[ 29] 、负载平衡、电力系统的故障检测[ 10] 以及蚁群算法在连续系统应用[ 19, 23, 26] , 如函数逼近[ 19] 等方面应用的尝试。在国外, 蚁群算法已经在集成电路布线[ 5] 、网络路由选择[ 13] 、机器人线路规划[ 15] 等方面得到了应用。自1998 年, 第一届蚂蚁优化国际研讨会召开以来, 已经是第三届了, 大大推动了蚁群算法的发展。蚁群算法已经引起越来越多的关注,尽管还缺乏完善的理论分析, 对它的有效性也没有给出严格的数学解释, 但回顾模糊控制的发展历史, 理论的不完善并不妨碍应用, 有时应用是超前于理论的, 并推动理论的研究。我们相信蚂蚁算法必将得到广泛的应用。 二、主要设计（研究）内容 本文以蚁群系统和蚁群算法为基础，通过分析PIDKp, Kd, K;一种关于误差的连续非线PID调节器能够兼顾动态和静PID控制器参数的优化方法，给出了PID控制器参数优化设计中的有效性和合理性。在应用蚁群算法时，为了避免参数选择范围过大，Ziegler_Nichols规则、工作计划 （日/月） 周 次 内 容 进 程 备 注 2.22—2.28 1 接受设计的课题，查找相关参考文献和资料。 2.29—3.06 2 学习相关参考文献和资料。 3.07—3.20 3 撰写开题报告。 3.20—3.25 4 开题答辩，对设计课题的方案作初步论证 3.25—3.27 5 方案论证，方案改进，方案定稿 3.