资源简介
在matlab环境下,使用粒子群算法对pid控制器进行优化控制,使得性能更优
代码片段和文件信息
%% 清空环境
clear
clc
%% 参数设置
w = 0.6; % 惯性因子
c1 = 2; % 加速常数
c2 = 2; % 加速常数
Dim = 3; % 维数
SwarmSize = 5; % 粒子群规模
ObjFun = @PSO_PID; % 待优化函数句柄
MaxIter = 5; % 最大迭代次数
MinFit = 0.1; % 最小适应值
Vmax = 1;
Vmin = -1;
Ub = [300 300 300];
Lb = [0 0 0];
%% 粒子群初始化
Range = ones(SwarmSize1)*(Ub-Lb);
Swarm = rand(SwarmSizeDim).*Range + ones(SwarmSize1)*Lb % 初始化粒子群
VStep = rand(SwarmSizeDim)*(Vmax-Vmin) + Vmin % 初始化速度
fSwarm = zeros(SwarmSize1);
for i=1:SwarmSize
fSwarm(i:) = feval(ObjFunSwarm(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(1MaxIter); % 预先产生4个空矩阵
K_p = zeros(1MaxIter);
K_i = zeros(1MaxIter);
K_d = zeros(1MaxIter);
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(jk)>Ub(k) Swarm(jk)=Ub(k); end
if Swarm(jk)
end
% 适应值
fSwarm(j:) = feval(ObjFunSwarm(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(1iter) = fzbest; % 为绘图做准备
K_p(1iter) = zbest(1);
K_i(1iter) = zbest(2);
K_d(1iter) = zbest(3);
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)
plot(K_d‘--r‘)
title(‘Kp、Ki、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(‘Kp‘‘Ki‘‘Kd‘1);
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 29558 2010-08-22 18:38 粒子群\PID_Model.mdl
文件 2585 2014-11-19 15:29 粒子群\PSO.m
文件 174 2010-08-22 18:38 粒子群\PSO_PID.m
相关资源
- BP神经网络PID控制代码
- pso-bp神经网络优化程序
- 模糊自适应粒子群和蚁群混合算法求
- 基于pso的matlab svm参数优化寻优
- OPSO 基于斯坦纳树的配电网规划研究程
- fuzzy pid控制程序的源码
- 遗传算法和粒子群算法代码(pso ga)
-
FBS 基于carsim的ABS simuli
nk模型 - PSO-bp 粒子群优化BP神经网络
- PSO_LSSVM
- 四旋翼无人飞行器PID控制
- PSO2633200
- PSO-GA 粒子群算法求解多维约束函数极
- PSO of IEEE33 IEEE33节点配电网系统中接
- PSO-LSSVM负荷预测程序
- 四轴飞行器PID控制(QballController)
- 粒子群优化算(PSO-SVM)
- 粒子群算法(PSO)优化的海岛分布式
- UAV-matlab 无人机PID控制及智能PID控制器
- pso-svm-prediction 优化支持向量机中的正
- 小型四旋翼的智能控制(Intelligent-C
- PSO-of-Robot-Path-planning PSO粒子群算法
- 采用PSO算法的微网三目标调度程序
- Unit Commitment with PSO
- 使用pso-bp算法对风电功率点的预测(
- MOPSO-Iran
- matlab解决在孤岛运行模式下,各机组
- Particle-Swarm-Optimization-MPPT
- Evolutionary-ANFIS-Training 用MATLAB实现自适
- 三相PWM整流器仿真
评论
共有 条评论