粒子群算法优化模糊pid(谷风软件)

本文选取常见的二阶惯性加纯滞后环节，传递函数为：

)1)(1(21++=-s T s T e G s

s τ

在这里，3.0,2,,121===τT T PID 参数取为2,1,2===i d p K K K

本设计中的模糊控制器采用两输入(e, ec)，三输出(P,I,D)的形式来调整PID 参数。e 的论域为[-3,3]，ec 的论域为[-3,3]。推理机使用

{,,,,,,}NB NM NS O PS PM PB ，表示{负大，负中，负小，零，正小，正中，正大}为了可以调节尽可能多的系统，此控制器选定在负边界处和正边界处分别选用平滑连续的Z 型隶属度函数和S 型隶属度函数，在中间部分采用灵敏度较强的三角形隶属度函数。规则表如下图所示：

（1）主程序：

clear

clc

%% 参数设置

w = 0.6; % 惯性因子

c1 = 1.414; % 加速常数

c2 = 1.623; % 加速常数

Dim = 5; % 维数

SwarmSize = 100; % 粒子群规模

ObjFun = @PSO_PID; % 待优化函数句柄

MaxIter = 100; % 最大迭代次数

MinFit = 0.01; % 最小适应值

Vmax = 2;

Vmin =-2;

Ub = [20 50 1 1 1];

Lb = [0 0 0 0 0];

%% 粒子群初始化

Range = ones(SwarmSize,1)*(Ub-Lb);

Swarm = rand(SwarmSize,Dim).*Range + ones(SwarmSize,1)*Lb; % 初始化粒子群

VStep = rand(SwarmSize,Dim)*(Vmax-Vmin) + Vmin; % 初始化速度fSwarm = zeros(SwarmSize,1);

for i=1:SwarmSize

fSwarm(i,:) = feval(ObjFun,Swarm(i,:)); % 粒子群的适应值end

%% 个体极值和群体极值

[bestf,bestindex]=min(fSwarm);

zbest=Swarm(bestindex,:); % 全局最佳

gbest=Swarm; % 个体最佳

fgbest=fSwarm; % 个体最佳适应值

fzbest=bestf; % 全局最佳适应值

%% 迭代寻优

iter = 0;

y_fitness = zeros(1,MaxIter); % 预先产生4个空矩阵

K_p = zeros(1,MaxIter);

K_i = zeros(1,MaxIter);

K_d = zeros(1,MaxIter);

e= zeros(1,MaxIter);

ec = zeros(1,MaxIter);

while( (iter < MaxIter) && (fzbest > MinFit) )

for j=1:SwarmSize

% 速度更新

VStep(j,:) = w*VStep(j,:) + c1*rand*(gbest(j,:) - Swarm(j,:)) + c2*rand*(zbest - Swarm(j,:));

if VStep(j,:)>Vmax, VStep(j,:)=Vmax; end

if VStep(j,:)

% 位置更新

Swarm(j,:)=Swarm(j,:)+VStep(j,:);

for k=1:Dim

if Swarm(j,k)>Ub(k), Swarm(j,k)=Ub(k); end

if Swarm(j,k)

end

% 适应值

fSwarm(j,:) = feval(ObjFun,Swarm(j,:));

% 个体最优更新

if fSwarm(j) < fgbest(j)

gbest(j,:) = Swarm(j,:);

fgbest(j) = fSwarm(j);

end

% 群体最优更新

if fSwarm(j) < fzbest

zbest = Swarm(j,:);

fzbest = fSwarm(j);

end

end

iter = iter+1; % 迭代次数更新y_fitness(1,iter) = fzbest; % 为绘图做准备

K_p(1,iter) = zbest(1);

K_i(1,iter) = zbest(2);

K_d(1,iter) = zbest(3);

e(1,iter) = zbest(4);

ec(1,iter) = zbest(5);

end

%% 绘图输出

figure(1) % 绘制性能指标ITAE的变化曲线

plot(y_fitness,'LineWidth',2)

title('最优个体适应值', 'fontsize',18);

xlabel('迭代次数','fontsize',18);ylabel('适应值','fontsize',18); set(gca,'Fontsize',18);

figure(2) % 绘制PID控制器参数变化曲线

plot(K_p)

hold on

plot(K_i,'k','LineWidth',3)

title('Kp、Ki优化曲线','fontsize',18);

xlabel('迭代次数','fontsize',18);ylabel('参数值','fontsize',18); set(gca,'Fontsize',18);

legend('Kp','Ki',1);

figure(3) % 绘制PID控制器参数变化曲线

plot(e)

hold on

plot(ec,'k','LineWidth',3)

title('e、ec 优化曲线','fontsize',18);

xlabel('迭代次数','fontsize',18);ylabel('参数值','fontsize',18); set(gca,'Fontsize',18);

legend('e','ec',1);

figure(4) % 绘制PID控制器参数变化曲线

plot(K_d)

hold on

title('Kd 优化曲线','fontsize',18);

xlabel('迭代次数','fontsize',18);ylabel('参数值','fontsize',18); set(gca,'Fontsize',18);

legend('Kd',1);

clear

clc

（2）simulnik与算法结合程序

function z=PSO_PID(x)