蟻群算法在PID控制中的應(yīng)用及其參數(shù)影響.doc

蟻群算法在PID控制中的應(yīng)用及其參數(shù)影響 孫鐵成，張思敏，李超波（中國科學(xué)院微電子研究所微電子器件與集成技術(shù)重點(diǎn)實(shí)驗室，北京100029） 摘要：鑒于傳統(tǒng)PID參數(shù)整定方法的不足，提出了一種采用蟻群算法優(yōu)化選取PID控制參數(shù)的方法。通過建立數(shù)學(xué)模型將PID控制參數(shù)選擇問題抽象成路徑選擇問題，從而將蟻群算法成功的應(yīng)用于PID參數(shù)優(yōu)選，并對尋優(yōu)過程進(jìn)行了仿真。將結(jié)果與常用的臨界比例度法整定的結(jié)果進(jìn)行了比較，發(fā)現(xiàn)基于蟻群算法的PID參數(shù)優(yōu)選方案可使系統(tǒng)超調(diào)量大幅減小，并明顯縮短系統(tǒng)調(diào)節(jié)時間，具有良好的應(yīng)用前景。此外，討論了蟻群算法中的關(guān)鍵參數(shù)對算法性能的影響，對比了不同參數(shù)下算法的收斂速度和求解質(zhì)量。 關(guān)鍵詞：pid控制；蟻群算法；信息素；參數(shù)優(yōu)選 ：TN911?34；TP301.6：A：1004?373X（xx）20?0020?06 ApplicationandparameterinfluenceofACOinPIDcontrol SUNTiecheng，ZHANGSimin，LIChaobo （KeyLaboratoryofMicroelectronicsDevicesandIntegratedTechnology，InstituteofMicroelectronics，ChineseAcademyofScience，Beijing100029，China） Abstract：InviewofthedeficienciesoftraditionalPIDparameterstuningmethod，anewmethodtooptimizeandselectPIDcontrolparametersbymeansofACO（antcolonyalgorithm）isproposed，inwhichtheselectionproblemofPIDcontrolpa?rametersisabstractedintotheroutingselectionproblembybuildingamathematicalmodel，thusACOisappliedsuessfullytoPIDparametricoptimizationandtheoptimizingprocessissimulated.Itisfoundbyparingwithtunedresultsofmoncriti?calproportioningmethodthatthePIDparameteroptimizationschemebasedonACOcanreducesystemovershootsignificantlyandshortentuningtimeofsystemobviously，andhasagreatapplicationprospect.Inaddition，theinfluenceofkeyparameterinACOonalgorithmperformanceisdiscussed，andconvergencevelocityandsolutionqualityofthealgorithmwithdifferentpa?rametersarepared. Keywords：PIDcontrol；antcolonyalgorithm；pheromone；parameteroptimization 0引言 PID控制是最早發(fā)展起來的控制策略之一，由于其算法簡單易實(shí)現(xiàn)、魯棒性好、可靠性高、不依賴被控對象的數(shù)學(xué)模型，因此至今仍然是工業(yè)控制領(lǐng)域應(yīng)用最廣泛的控制方式。然而PID控制的控制效果好壞強(qiáng)烈依賴于控制參數(shù)的選擇，傳統(tǒng)的PID參數(shù)選取多采用人工試湊的方式，這往往需要操作人員具備大量的經(jīng)驗且相當(dāng)耗時，顯然不適合應(yīng)用在通常包含數(shù)百個PID控制回路的現(xiàn)代工業(yè)系統(tǒng)中。 近年來，隨著傳統(tǒng)PID技術(shù)與現(xiàn)代計算機(jī)技術(shù)的結(jié)合，涌現(xiàn)出了一系列全新的PID參數(shù)整定方法，例如將遺傳算法、神經(jīng)網(wǎng)絡(luò)、蟻群算法等先進(jìn)技術(shù)用于PID參數(shù)尋優(yōu)1?3，使傳統(tǒng)的PID控制煥發(fā)出了新的活力。在這些先進(jìn)方法當(dāng)中，蟻群算法作為求解組合優(yōu)化問題的有效手段，引起了國內(nèi)外學(xué)者的廣泛關(guān)注4?7。本文采用蟻群算法進(jìn)行PID參數(shù)尋優(yōu)，克服了傳統(tǒng)PID參數(shù)整定法的不足，并通過仿真證明該方法的有效性。同時，還通過仿真研究蟻群算法中信息啟發(fā)因子以及信息素?fù)]發(fā)系數(shù)這兩個關(guān)鍵參數(shù)對算法收斂速度和求解質(zhì)量的影響。 1蟻群算法基本原理 蟻群算法（AntColonyAlgorithm）是20世紀(jì)90年代由意大利科學(xué)家DorigoMacro等人通過觀察自然界中的螞蟻集體尋徑行為提出的8。自然界中的螞蟻沒有視覺，但是會依靠行走過程中釋放的一種叫信息素（Pher?omone）的物質(zhì)來相互協(xié)作，最終使得螞蟻群體具有高度的自組織性9。蟻群算法最初成功的應(yīng)用在求解著名的旅行商問題（TSP）上，下面就以該問題為背景介紹蟻群算法的基本原理。 設(shè)C=c1，c2，為n個城市的集合，dij是集合中任意兩個城市ci和cj之間的歐幾里得距離，TSP問題的目的是找到一條走完C中所有城市的最短路線，并要求每個城市只訪問1次。采用蟻群算法求解TSP問題時使用人工螞蟻來代替旅行商。假設(shè)有m只螞蟻從起始點(diǎn)出發(fā)去探索可行的路徑，螞蟻每到一個城市ci，便根據(jù)該城市到其他可選城市路徑上的信息素的量來決定下一站的目的地。具體來說，螞蟻k從節(jié)點(diǎn)i（城市ci）轉(zhuǎn)向節(jié)點(diǎn)j（城市cj）的狀態(tài)轉(zhuǎn)移概率為： 之后，反復(fù)使用m只人工螞蟻重復(fù)上述過程，每次探索結(jié)束都根據(jù)式（2）式（4）修改路徑信息素含量，直至m只螞蟻選擇的路徑歸于同一條，此時蟻群算法收斂，所得的路徑便是TSP問題的解。 2采用蟻群算法優(yōu)化PID控制 2.1數(shù)學(xué)模型的建立 PID控制系統(tǒng)原理圖如圖1所示。 圖中：r為設(shè)定值；y為輸出值；e為設(shè)定值與輸出值的偏差；u為控制量。偏差e與控制量u之間的關(guān)系為： 式中：KP為比例系數(shù)；TI為積分時間；TD為微分時間；T為計算機(jī)采樣周期。式（5）稱為PID的位置型算式，位置型PID算式需要用到誤差的累積，不利于計算機(jī)編程實(shí)現(xiàn)，實(shí)際系統(tǒng)中常采用增量型算式： 可以將PID參數(shù)優(yōu)選問題與經(jīng)典TSP問題進(jìn)行類比。設(shè)比例系數(shù)KP用4位有效數(shù)字來表示，其中整數(shù)部分2位，小數(shù)部分2位。 由于PID系統(tǒng)對積分部分十分敏感，積分系數(shù)過大會導(dǎo)致系統(tǒng)超調(diào)量過大、系統(tǒng)不穩(wěn)定且調(diào)整時間過長，根據(jù)經(jīng)驗，積分系數(shù)KI選取在01之間，小數(shù)部分取4位有效數(shù)字。 例如一組參數(shù)KP=25.26，KI=0.1788，KD=20.3，與之對應(yīng)的11位數(shù)字序列為25261788203?？梢援嫵鲆粋€二維坐標(biāo)系，橫坐標(biāo)為011，縱坐標(biāo)為09，如圖3所示。圖中的節(jié)點(diǎn)便對應(yīng)序列為25261788203，與經(jīng)典的旅行商問題進(jìn)行類比，圖中的每一個格點(diǎn)都可以比作一個城市，格點(diǎn)的連接線構(gòu)成了PID參數(shù)優(yōu)選問題中的一個路徑，這樣PID參數(shù)優(yōu)選問題就轉(zhuǎn)化成了類似TSP問題中的路徑選擇問題。與TSP問題不同的是，這時的螞蟻每次在橫坐標(biāo)上只能前進(jìn)一步，即若某只螞蟻當(dāng)前所在節(jié)點(diǎn)的橫坐標(biāo)為i，則下一步只能選擇節(jié)點(diǎn)橫坐標(biāo)為i+1的點(diǎn)作為目的地。 蟻群算法中評價函數(shù)的設(shè)計直接關(guān)系到蟻群算法求解的質(zhì)量。在經(jīng)典的旅行商問題中，商人把所有目的城市都走到且不重復(fù)經(jīng)過城市所走過的總距離便是旅行商問題的評價函數(shù)值。這個值越小（總距離越短），則方案越好，反之則越差。將這個思路類比到PID參數(shù)選擇問題上來，關(guān)系到控制品質(zhì)的因素有：上升時間、超調(diào)量、穩(wěn)定時間等，為此，可以采用絕對誤差的矩的積分作為評價控制性能的指標(biāo)： 式中：T為采樣間隔；LP為仿真計算的點(diǎn)數(shù)。這樣，當(dāng)系統(tǒng)超調(diào)量過大或穩(wěn)定時間過長等情況時，Q值都會較大，反之則較小。 2.2算法實(shí)現(xiàn)流程 （1）首先選擇m只人工螞蟻，放在起始點(diǎn)原點(diǎn)處，并設(shè)置算法初始參數(shù)； （5）如果結(jié)果尚未收斂且未達(dá)到最大迭代次數(shù)則進(jìn)行下一次迭代，否則輸出收斂結(jié)果或最后一次迭代的最優(yōu)結(jié)果作為最終的優(yōu)選結(jié)果。最終得到用蟻群算法優(yōu)選PID參數(shù)的流程圖，如圖4所示。 2.3結(jié)果仿真 采用自動控制領(lǐng)域常見的二階慣性系統(tǒng)來模擬被控對象，其傳遞函數(shù)為G（s）=5s(s+20)。取采樣周期T=1ms，輸入信號為一階躍信號。 可以看出，第1次迭代的時候，由于設(shè)定了各個子路徑上的信息素含量均為常數(shù)C，根據(jù)式（1）可知，螞蟻在一個節(jié)點(diǎn)上轉(zhuǎn)向所有可選節(jié)點(diǎn)的概率是相等的，因此第1次迭代時各個螞蟻選擇的路徑呈現(xiàn)高度隨機(jī)性，如圖5所示。隨著迭代周期數(shù)的增加，根據(jù)蟻群算法的正反饋機(jī)制：較優(yōu)的路徑上的信息素積累得越來越多，反過來吸引更多的螞蟻選擇較優(yōu)的路徑，而較差的路徑由于揮發(fā)效應(yīng)，信息素慢慢淡化，逐漸被淘汰。最終蟻群選擇的路徑趨于融合，算法收斂，如圖8所示。本次仿真中算法經(jīng)過313次迭代后收斂，獲得優(yōu)化參數(shù)為KP=97.46，KI=0.0061，KD=56.9。 3蟻群算法中主要參數(shù)對算法性能的影響 在蟻群算法中，參數(shù)的選取影響著算法的求解質(zhì)量、收斂速度等。但是，目前并沒有完善的理論來支持怎樣合理的選取蟻群算法參數(shù)，大部分情況下都是根據(jù)經(jīng)驗來選取參數(shù)。本節(jié)討論信息素?fù)]發(fā)系數(shù)以及信息啟發(fā)式因子這兩個關(guān)鍵參數(shù)對算法性能的影響，在各組對比中，均采用上節(jié)中選用的參數(shù)（m=50，=1.3，=0.1，F(xiàn)=50）作為對照組，采用控制變量法，改變其中一個參數(shù)，比較算法收斂速度以及最優(yōu)解的質(zhì)量。首先在對照組參數(shù)條件下仿真10次，得到10組算法收斂周期以及最優(yōu)解的評價值Q，如表1所示。 3.1信息素?fù)]發(fā)系數(shù)對算法性能的影響 由圖10（a）可見信息素?fù)]發(fā)系數(shù)=0.3時，算法達(dá)到收斂時的迭代周期數(shù)均明顯小于=0.1的收斂周期數(shù)。同時由圖10（b）可知，=0.3時最優(yōu)解的評價值普遍大于=0.1時最優(yōu)解的評價值，對于蟻群算法求解PID參數(shù)問題中，評價函數(shù)采用式（7）的計算方式，其值越大說明解的質(zhì)量越差。圖10說明了揮發(fā)系數(shù)增大會導(dǎo)致算法收斂速度加快但求解質(zhì)量下降。 造成這種現(xiàn)象的原因是蟻群算法尋優(yōu)的機(jī)制造成的，每只螞蟻在節(jié)點(diǎn)處選擇路徑的時候，是根據(jù)各個備選路徑上的信息素的量來決定選擇那一條路徑，信息素多的被選擇的概率就大，反之就小。那么當(dāng)信息素?fù)]發(fā)系數(shù)較大時，較次的路徑上的信息素迅速減少，導(dǎo)致被選中的概率變得更低，因此這時算法便能較快的排除次解得到較優(yōu)解，收斂速度加快。但是，揮發(fā)系數(shù)大也會造成求解質(zhì)量的下降，例如在初始時刻各路徑上的信息素含量為相等的常數(shù)，因此螞蟻在一個路口上選擇路徑的概率相等，這樣由于隨機(jī)性，螞蟻可能沒有選中一條比較好（評價函數(shù)值較小）的路徑，因此在本次迭代中，較好的路徑上沒有留下信息素或留下的很少，這樣在下一次迭代時，由于揮發(fā)系數(shù)較大，那條路徑上信息素的含量就更低了，被選擇的概率就更小，這樣就有可能漏掉一些優(yōu)解。3.2啟發(fā)因子對算法性能的影響 4結(jié)語 蟻群算法本質(zhì)上是一個復(fù)雜的智能系統(tǒng)，具有較強(qiáng)的魯棒性、優(yōu)良的分布式計算機(jī)制、易于與其他方法結(jié)合的優(yōu)點(diǎn)，是解決組合優(yōu)化問題的理想方案。本文將蟻群算法運(yùn)用于PID參數(shù)尋優(yōu)上，通過仿真證實(shí)了該方法的有效性。此外，還研究了信息素?fù)]發(fā)系數(shù)以及信息啟發(fā)因子這兩個關(guān)鍵參數(shù)對算法性能的影響，發(fā)現(xiàn)兩個參數(shù)的增大都會使算法收斂速度加快，但相應(yīng)的會導(dǎo)致算法求解質(zhì)量下降；此外，信息啟發(fā)因子不應(yīng)取值過小，否則會導(dǎo)致算法收斂過慢甚至不收斂。 參考文獻(xiàn) 1SUHJH，LEEJW，LEEYJ.Anti?swaycontrolofanATCusingNNpredictivePIDcontrolC/Proceedingsof30thAn?nualConferenceofIEEEIndustrialElectronicsSociety.Busan：IEEE，xx：2998?3003. 2占永明，羅中明.基于遺傳算法PID參數(shù)的自動整定J.哈爾濱理工大學(xué)學(xué)報，2000（2）：34?37. 3段海濱.蟻群算法原理及其應(yīng)用M.北京：科學(xué)出版社，xx. 4尹玉萍，劉萬軍，魏林.基于改進(jìn)蟻群算法的多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)方法J.計算機(jī)工程與應(yīng)用，xx（16）：16?20. 5RUDYJ，ELAZNYD.Solvingmulti?objectivejobshopprob?lemusingnature?basedalgorithms：newParetoapproximationfeaturesJ.AnInternationalJournalofOptimizationandCon?trol：Theories&Applications，xx，5（1）：1?11. 6ANSARIA，KATIYARS.ApplicationofantcolonyalgorithmforcalculationandanalysisofperformanceindicesforadaptivecontrolsystemC/ProceedingsofxxInnovativeApplica?tionsofComputationalIntelligenceonPower，EnergyandCon?trolswiththeirimpactonHumanity.S.l.：IEEE，xx：3180?3183. 7NARAYANAKL，KUMARVN，DHIVYAM，etal.Applica?tionofantcolonyoptimizationintuningaPIDcontrollertoaconicaltankJ.In