化工自動化及儀表，2010, 37(1);1 -4綜述與評論Control and Instruments in Chemical IndustryPID參數(shù)優(yōu)化算法何佳佳,侯再恩(陜西科技大學電氣與信息工程學院,西安71021)摘要: PI參教優(yōu)化是 自動控制領(lǐng)域研究的一個重要問題。為了實現(xiàn)最優(yōu)PID控制,PID參教優(yōu)化算法巳成為國內(nèi)外控制理論研究的一個熱點。隨著計算機技術(shù)的發(fā)展,一些新的智能算法得到了迅速發(fā)展和廣泛應用，.并在理論和應用方面都有重要的意義。主要介紹了PID參敏優(yōu)化算法以及近年來在此方面取得的研究成果,并對未來PID參數(shù)優(yōu)化的研究方向作了展望。關(guān)鍵詞: PID 控制;動態(tài)性能;參數(shù)優(yōu)化;算法中圈分類號: TP301文獻標識碼:A 文章編號: 1003020120100010PID控制器由比例、積分和微分環(huán)節(jié)組成,其控1引言PID控制即比例-積分-微分( Proportion-Inte-制規(guī)律可表示為:gal-Deivative)控制,它是建立在經(jīng)典控制理論上的() =K[()+卡[(cu+oud()]-種控制策略。在工業(yè)過程控制系統(tǒng)中,當被控對將式(1)寫成傳遞函數(shù)形式:象的結(jié)構(gòu)和參數(shù)不能完全掌握,或精確的數(shù)學模型難以建立,或控制理論的技術(shù)難以采用時，系統(tǒng)控制C(x) =K,[1+亦+叫(2)器的結(jié)構(gòu)和參數(shù)必須依靠經(jīng)驗和現(xiàn)場調(diào)試來確定，式中: K,--比例系數(shù);T-積分時間常 數(shù);這時最常用的就是PID控制。即使我們不完全了解T,- -微分時間常 數(shù)。-個系統(tǒng)和被挖對象,或不能通過有效的測量手段PID參數(shù)優(yōu)化通常由兩部分組成,分別為目標來獲得系統(tǒng)參數(shù)時,也適合采用PID控制技術(shù)。PID函數(shù)與優(yōu)化算法的選取。PID 參數(shù)優(yōu)化的目標函數(shù)控制器就是根據(jù)系統(tǒng)的誤差,利用比例、積分、微分通常是控制系統(tǒng)性能指標的定最描述,而控制系統(tǒng)計算出控制量進行控制的。它是迄今為止歷史最悠的性能指標通常包括動態(tài)和靜態(tài)兩個方面。動態(tài)性久,生命力最強的控制方式，國內(nèi)外95%以上的控能指標用于反應控制系統(tǒng)的瞬態(tài)響應情況,體現(xiàn)在:制回路仍然采用PID結(jié)構(gòu)。在控制理論和技術(shù)飛躍①控制系統(tǒng)的準確性或控制精度,通常用穩(wěn)態(tài)誤差發(fā)展的今天, PID控制器仍被廣泛應用主要是因為來描述,它表示系統(tǒng)輸出穩(wěn)態(tài)值與期望值之差;②晌其控制結(jié)構(gòu)簡單穩(wěn)定性能好、可靠性高、易于實現(xiàn)應的快速性,通常用上升時間(系統(tǒng)輸出值第一次等優(yōu)點,而且許多高級控制都是以PID控制為基礎(chǔ)達到穩(wěn)態(tài)值的時間)來定量描述;③控制系統(tǒng)的穩(wěn)的。而PID控制效果完全取決于PID參數(shù)的整定與定性,通常用超調(diào)量和調(diào)節(jié)時間來描述。優(yōu)化,因此,PID參數(shù)的整定"-1與優(yōu)化算法'I顯得PID控制器的比例環(huán)節(jié)可以縮短系統(tǒng)響應時尤為重要。為了實現(xiàn)最優(yōu)PID控制,PID參數(shù)優(yōu)化間,積分環(huán)節(jié)可以減小系統(tǒng)穩(wěn)態(tài)誤差,微分環(huán)節(jié)可以算法已成為國內(nèi)外控制理論研究的一個熱點，由于改善系統(tǒng)超調(diào)量,因此,可以通過調(diào)整Kp,TI,Tp這單純形法'|等算法運算量大,而且極易陷入局部最三個參數(shù)來改善動態(tài)性能指標，使系統(tǒng)的控制性能優(yōu),因此需要找- -種簡單而高效的PID參數(shù)優(yōu)化算達到給定的要求。從優(yōu)化的角度來說，就是在這三個法。近年來,隨著計算機技術(shù)的發(fā)展,一些新的智能變量的參數(shù)空間尋找最優(yōu)值,使系統(tǒng)的控制性能達算法得到了迅速發(fā)展和廣泛應用,特別是模擬進化到最優(yōu)。算法,在理論研究和應用研究方面都相當活躍。目3 PID參數(shù)優(yōu)化算法前,對PID參數(shù)優(yōu)化算法的研究仍在繼續(xù),許多期刊中國煤化工不斷地發(fā)表新的研究成果。本文主要介紹了五種PID參數(shù)優(yōu)化算法,并對PID參數(shù)優(yōu)化算法的發(fā)展收JTYCHCNMHG作一綜述?；痦椖?陜西省教廳專項號(08]K 237);陜西科技大學2 PID 參數(shù)優(yōu)化簡介研究生創(chuàng)新基金資助項目●2.化工自動化及儀表第37卷遺傳算法(Genetic Algoithm, GA)是一種新發(fā)覓食的螞蟻在自己經(jīng)過的路上留下一定數(shù)量的信息展起來的優(yōu)化算法,它起源于60年代對自然和人工素,信息素一方面會隨著時間的流逝而揮發(fā),另一方自適應系統(tǒng)的研究,是模擬生物在自然環(huán)境中的遺面,當有其他的螞蟻再次經(jīng)過該路徑時會再次留下傳和進化進程而形成的一種自適應全局優(yōu)化慨率搜信息素以加強該處的信息素。在任何一個路口,螞索算法,其基本思想是,將待求解問題轉(zhuǎn)換成由個體蟻會按照概率選擇任意-一個方向前進,在信息索濃組成的演化群體和對該群體進行操作的一-組 遺傳算度較高的方向具有較大的選擇概率。子,經(jīng)歷生成- -評價-選擇- 操作的演化過程 ,反復蟻群算法的基本特點是:①其原理是一種正反進行,直到搜索到最優(yōu)解。饋機制,它通過信息素的累積和更新收斂于最優(yōu)路遺傳算法的基本特點是:①它是對所求參數(shù)對徑;②它是一種通用型隨機優(yōu)化算法,但人工蟻群算應染色體進行進化,而不是對參數(shù)本身,因此不受目法決不是對螞蟻的簡單模擬,它融進了人類的智能; .標響數(shù)約束條件的限制，也不受搜索空間的限制;②③它具有分布式并行搜索能力,該計算機制易于與.它是對參數(shù)表示成的二進制編碼串群體進行搜索，其它算法結(jié)合 ;④它是一種全局優(yōu)化的算法,可用于而不是在單個點上尋優(yōu),這大大減小了陷人局部最.任何一類優(yōu)化問題;⑤它有較強的魯棒性;⑥其缺點優(yōu)的可能性,具有全局快速收斂的特點;③它只需已是初期信息索匱乏,求解速度較慢,計算時間較長。知目標明數(shù)及適應度函數(shù)便可開始操作;④其初始王建國等101將神經(jīng)網(wǎng)絡(luò)作為預測模型來預估群體是隨機生成的,可以很快到達最優(yōu)解附近;⑤它過程未來的偏差值,并利用數(shù)字計算機的計算能力具有并行性,即用較少的編碼串對數(shù)量較大的區(qū)域?qū)崿F(xiàn)在線滾動優(yōu)化計算,從而確定當前最優(yōu)輸人策完成搜索;⑥其缺點是實時性不好，容易出現(xiàn)早熟現(xiàn)略,運用蟻群算法預測PID控制能夠適應控制對象象,對于系統(tǒng)中的反饋信息利用卻無能為力,而且求模型參數(shù)的時變,具有較好的魯棒性,相對傳統(tǒng)PID解到一定范圍時往往做大量無為的冗余迭代,求解控制策略還表現(xiàn)出了良好的動態(tài)性能;賀慧杰"將最優(yōu)解的效率較低。遺傳算法和蟻群算法相結(jié)合對PID參數(shù)進行優(yōu)化，毛敏6)等用基本的遺傳算法對PID參數(shù)進行了可以較好地控制復雜的對象,但是, - -旦外界擾動發(fā)優(yōu)化,但在優(yōu)化-些復雜問題時有著不可忽視的缺生時，必須重新根據(jù)需要再進行參數(shù)的整定優(yōu)化;陳點,而且基本遺傳算法收斂速度慢、容易早熟,這就建濤1等用高斯分布較好的局部搜索能力來增強使得該算法的優(yōu)化性能大大降低;范敏!”提出了基蟻群算法的局部尋優(yōu)能力,很好地彌補了基本蟻群.于多種群遺傳算法的優(yōu)化方法,并將其與下山單純算法易于陷人局部最優(yōu)的缺點,且該算法不依賴于形法相結(jié)合,用下山單純形法進行局部優(yōu)化,加快了被控對象的精確數(shù)學模型,有著很好的適應性和魯收斂速度,避免了早熟現(xiàn)象的發(fā)生,實現(xiàn)了快速優(yōu)化棒性。求解,并得到了比基本遺傳算法更為理想的控制效3.3基于粒子群算 法的PID參數(shù)優(yōu)化果;王焱等"針對標準遺傳算法收斂速度慢、易陷入粒子群( Particle Swarn Optimization, PSO)算局部極小等問題,提出了基于變尺度混沌優(yōu)化策略法"是由Kennedy和Eberhart 博士于1995年受鳥的混沌遺傳算法,該算法對經(jīng)過一次遺傳操作的群類群體行為研究結(jié)果的啟發(fā),而提出的一種基于群體進行混沌搜索尋優(yōu),引導種群快速進化,并將其成體智能的進化計算技術(shù)。在PS0算法中,每個粒子功應用于冷軋參數(shù)的優(yōu)化計算中,大大提高了局部代表解空間的一個候選解,粒子在搜索空間以定搜索能力,有效地避免了早熟以及局部最優(yōu)現(xiàn)象的的速度飛行,飛行速度根據(jù)飛行經(jīng)驗進行動態(tài)調(diào)整。發(fā)生。該算法基于群智能的并行全局搜索策略,采用速度.2 基于蚊群算法的PID參數(shù)優(yōu)化-位置搜索模型實現(xiàn)對整個空間的尋優(yōu)操作。PSO蟻群算法由意大利學者M. Dorigo、V. Maniez-算法是模仿生物社會性行為而得出的--種全局優(yōu)化zo、A.Colorini9i等人根據(jù)螞蟻群體具有智能的特點算法,是一種高效簡單的并行搜索算法,其優(yōu)點在首先提出,當時他們稱之為蟻群系統(tǒng),后來M. Dorigo于概念簡單、實現(xiàn)容易、魯棒性好,并且能以較大概等為了其他學者研究的方便,將各種螞蟻算法統(tǒng)稱率收斂到全局最優(yōu),而且它對所優(yōu)化目標的先驗知為蟻群算法,并為該算法提出了一個統(tǒng)一的框架結(jié)識要求甚少,一般只需知道其數(shù)值關(guān)系即可。但是，構(gòu)模型。蟻群算法是90年代初期才提出的一種新該算法中國煤化士很大的影響,另型的進化算法,雖然其起步較晚,但是對蟻群算法的外,在=經(jīng)驗估計出PID研究已引起了國際上學者們的廣泛關(guān)注。三個YHCNMHG采用隨機生成蟻群算法是-種基于種群的啟發(fā)式仿生進化算的方式,對其可行解空間進行搜索的,因此需要合理法,其基本思想來源于螞蟻之間的交流過程。外出估計PID三個參數(shù)的取值范圍。第11期何佳佳等. PID參數(shù)優(yōu)化算法●3.楊誠4等針對全局版標準PS0算法容易陷人的整定!8局部極值點這一-缺點,提出了實數(shù)編碼的局部版標由于主管道蒸汽溫度控制具有大慣性、大延遲、準PSO算法,采用該算法搜索所得的解比全局版算時變等特性,而采用常規(guī)PID控制難以獲得滿意的法更優(yōu),但速度較慢;熊偉麗5等對標準PSO算法控制效果,李茜等“9 提出一種模糊自整定PID控制進行了改進,提出了一種改進的粒子群算法MWP-器的串級控制算法,該算法通過模糊決策來對其控sO,使慣性權(quán)重具有了一定的靈活性,同時,該算法制器的PID參數(shù)進行調(diào)整,用模糊規(guī)則進行推理,模在收斂的情況下,所有粒子都向最優(yōu)解的方向飛去，糊規(guī)則采用產(chǎn)生式表示方式,即IF(條件)THEN(結(jié).從而粒子趨于同一化的問題進行了改進,為改善系.果)形式,并且它對不同的控制指標和被控對象均統(tǒng)的過渡性能和動態(tài)特性,還在月標函數(shù)中加入控能實現(xiàn)PID最佳調(diào)整,是一種實施簡單、性能良好、制輸人的平方項,并采用了懲罰功能,使得相同迭代易于工程實現(xiàn)的方法;曾曉紅[2}等首先利用遺傳算次數(shù)下該算法的性能指標遠遠優(yōu)于遺傳算法;李凌法的全局優(yōu)化能力優(yōu)化PID參數(shù),得到PID參數(shù)的舟([0等提出一種改進的微粒群優(yōu)化算法(IPSO),該初始值,然后根據(jù)系統(tǒng)當前的誤差和誤差變化率,用算法是在基本PS0算法的慣性權(quán)重部分加人一個模糊推理方法在線優(yōu)化調(diào)整PID參數(shù)的權(quán)值來動態(tài)調(diào)節(jié)因子項,實現(xiàn)慣性權(quán)重的非線性調(diào)整,并通過調(diào)地調(diào)整參數(shù),抗干擾強,靈敏性較好。節(jié)因子的調(diào)節(jié),使得算法的前期有較大的收斂速度,3.5基于神經(jīng)網(wǎng)絡(luò)的 PID參數(shù)優(yōu)化后期則能以較大的概率收斂到全局最優(yōu);郭成等人工神經(jīng)網(wǎng)絡(luò)( Artificial Neural Network ，ANN)針對微粒群優(yōu)化算法存在的早熟問題，提出了一種是由大量簡 單人工神經(jīng)元互聯(lián)而成的-種計算結(jié)基于T-S模型的模糊自適應PS0算法(T-SPS0算構(gòu)。由于其大規(guī)模并行處理、學習、聯(lián)想和記憶等功法),該算法通過T-S規(guī)則,動態(tài)自適應更新慣性權(quán)能，以及它的高度自組織和自適應能力,并且能夠充.重取值,使得算法前期以較大慣性權(quán)重值保證算法分任意地逼近任何復雜的非線性系統(tǒng),所有定量和的全局搜索能力,而后期則以較小慣性權(quán)重值加快定性分析都等勢分布儲存于神經(jīng)網(wǎng)絡(luò)內(nèi)的各種神經(jīng)收斂,從而有效解決了PSO算法的早熟問題,改善元中 ,具有很強的信息綜合能力,能夠?qū)W習和適應嚴了算法的收斂性。重不確定系統(tǒng)的動態(tài)特性,有很強的魯棒性和容錯3.4基于模糊推理的PID參數(shù)優(yōu)化性,可以處理那些難以用模型和規(guī)則描述的過程,因隨著計算機尤其是微機的發(fā)展和應用,自動控此,神經(jīng)網(wǎng)絡(luò)已成為解決許多工程問題的有工具，制理論和技術(shù)獲得了飛躍的發(fā)展?；跔顟B(tài)變量描并且在一些不確定系統(tǒng)的控制中已成功應用。述的現(xiàn)代控制理論對于解決線性或非線性、定常或Hopfield 神經(jīng)網(wǎng)絡(luò)( Hopfield Neural Network ,HNN)是時變的多輸人多輸出系統(tǒng)問題,獲得了廣泛的應用。Hopfield于1982年提出的反饋神經(jīng)網(wǎng)絡(luò)模型,簡稱但是,無論采用經(jīng)典控制理論還是現(xiàn)代控制理論設(shè)Hopfield 網(wǎng)絡(luò)。由于網(wǎng)絡(luò)中引人了反饋,所以它是.計-一個控制系統(tǒng),都需要事先知道被控制對象精確-個非線性動力學系統(tǒng)。通常非線性動力學系統(tǒng)最的數(shù)學模型,然后根據(jù)數(shù)學模型以及給定的性能指關(guān)心的是系統(tǒng)的穩(wěn)定性問題,在Hopfield模型中,神標,選擇適當?shù)目刂埔?guī)律,進行控制系統(tǒng)設(shè)計。PID經(jīng)網(wǎng)絡(luò)之間的聯(lián)系總是設(shè)為對稱的,這保證了系統(tǒng)控制器設(shè)計的關(guān)鍵在于如何合理地確定比例、積分、最終會達到一個固定的有序狀態(tài),即穩(wěn)定狀態(tài)。利微分參數(shù)的大小，然后進行人工在線整定。然而,在用該特性,可以將Hopfield網(wǎng)絡(luò)用于聯(lián)想記憶，也可許多情況下被控對象(或生產(chǎn)過程)的精確數(shù)學模以用來對組合優(yōu)化問題進行求解“1。型很難建立,或系統(tǒng)參數(shù)不能通過有效的測量手段韓偉”)利用神經(jīng)網(wǎng)絡(luò)來逼近實際系統(tǒng),用閉環(huán)來獲得,或控制理論的技術(shù)難以采用時,就難以進行控制下 所得的觀測數(shù)據(jù)進行系統(tǒng)在線辨識,并針對自動控制。自1965年L.A.Zadeh提出模糊集的慨不同的系統(tǒng)建立不同的對象模型，并在該模型的基念以來,關(guān)于模糊系統(tǒng)的研究得到了飛速的發(fā)展,隨礎(chǔ)上,運用遺傳算法進行PID參數(shù)尋優(yōu),取得了較好后模糊控制技術(shù)也被廣泛應用于工業(yè)控制過程中,的控制效果;鑒于遺傳算法雖能求得全局解,但收斂并取得了令人矚目的成就。模糊推理是模糊控制的速度饅,而基于神經(jīng)網(wǎng)絡(luò)的控制器結(jié)構(gòu)簡單、可塑性理論基礎(chǔ),,該算法就是運用模糊數(shù)學的基本理論和強,但容易陷人局部解,何軍旗.21等提出將遺傳算方法,把控制規(guī)則的條件、操作用模糊集表示,并把法和BI中國煤化寧數(shù)優(yōu)化,使系這些模糊控制規(guī)則以及有關(guān)信息(評價指數(shù)、初始統(tǒng)整體節(jié)精度更高。.PID參數(shù)等)作為知識存人計算機知識庫中,然后計4小FYHCNMHG算機會根據(jù)控制系統(tǒng)的實際響應情況(即專家系統(tǒng)PID控制器是整個控制系統(tǒng)的核心,它的控制的輸人條件),運用模糊推理自動實現(xiàn)對PID參數(shù)作用以及參數(shù)對控制品質(zhì)有直接影響。目前，PID●4.化工自動化及儀表第37卷參數(shù)優(yōu)化算法很多,但是,無論哪種優(yōu)化算法,都有表,200 ,34(5):7-13.一定的適用范圍。以上介紹的參數(shù)優(yōu)化算法也只是[s]張磊.基于單純形法的 PID控制器的最優(yōu)設(shè)計[J].信息與控制,2004 ,3(3) :376 -379.其中比較有代表性的算法,對其研究已經(jīng)取得--定[6]毛敏,于希寧. 基于遺傳算法的PID參數(shù)優(yōu)化方法[].的成果,但仍有許多不足之處,有待進-步研究。從中國電力,2002 ,35(8) ;48 -51.目前PID參數(shù)優(yōu)化算法的研究現(xiàn)狀來看,以下幾個[7] 范敏.基于多種群遺傳算法的PID控制器參數(shù)優(yōu)化技術(shù)方面將是今后- -段時間內(nèi)研究和實踐的重點。研究[J].軟件導.2008.73):112 -114.(1)由于基本的粒子群算法易陷人局部極小值[8]王焱,孫一康. 變尺度混沌遺傳算法及其在冷軋參數(shù)優(yōu)點,且搜索精度不高,因此,可以利用混沌序列的化中的應用[J].化工自動化及儀表,2002 ,29(2) :24 -27.“遍歷性、隨機性.規(guī)律性”,在其中加入混沌細搜[9] COLORNI A,DORIGO M, MANIEZZO V ,et al. Ant Sytem for索,使得局部搜索能力大大提高。Job Shop Scheduling[J]. Belgian J of Operations Research Sta-tieties and Computer Sicence ,1994 ,34(1):39 -53.(2)鑒于蟻群算法具有分布式并行搜索能力,[10]王建國,張吳宇 ,明學星,等基于蚊群算法優(yōu)化的再熱汽且易于與其它算法結(jié)合,是- -種全局優(yōu)化的算法,因溫系統(tǒng)變參數(shù)預測PID控制[].化工自動化及儀表，此,可以利用蟻群算法的全局優(yōu)化能力優(yōu)化PID參2008 ,35(3):19 -22.數(shù)，得到PID參數(shù)的初始值,然后根據(jù)系統(tǒng)當前的誤[11]賀慧杰. 基于智能算法的PID控制器參數(shù)優(yōu)化設(shè)計的應用差和誤差變化率,用模糊推理方法在線優(yōu)化調(diào)整研究[J].科技創(chuàng)新導報,009,(8);16.PID參數(shù)的權(quán)值來動態(tài)地調(diào)整參數(shù)。[12]陳建濤,姚萬業(yè). 一種用于優(yōu)化PID參數(shù)的改進蟻群算法(3)由于人工神經(jīng)網(wǎng)絡(luò)能夠充分任意地過近任[J].儀器儀表用戶,09 ,20(5):34 -35.何復雜的非線性系統(tǒng),能夠?qū)W習和適應嚴重不確定[13]徐志成 基于微粒群優(yōu)化的魯櫸PID挖制器參數(shù)整定方法研究[J].化工自動化及儀表2006 ,3(5):22 -25.系統(tǒng)的動態(tài)特性,有很強的魯棒性和容錯性,可以處[14] 楊誠,楊傳啟.基于粒子群算法的PID參數(shù)優(yōu)化[J].自理那些難以用模型和規(guī)則描述的過程,因此，可以用動化儀表,2006 ,27(SI):95 -96.神經(jīng)網(wǎng)絡(luò)來過近實際系統(tǒng),用閉環(huán)控制下所得的觀[15]熊偉麗 ,徐保國,周其明.基于改進粒子群算法的PID參數(shù)測數(shù)據(jù)進行系統(tǒng)在線辨識，并針對不同的系統(tǒng)建立優(yōu)化方法研究[J].計算機工程,2005 ,31(24):41 -43.不同的對象模型,并在該模型的基礎(chǔ)上,運用蟻群算[16]李凌舟,陳 利. 基于改進PSO算法的PID參數(shù)優(yōu)化研究法進行PID參數(shù)尋優(yōu)。[J].四川電力技術(shù),09 ,32(5):29 -31.(4)除了對各種算法繼續(xù)進行全面深入的研究[17] 郭成,李群湛利用T-S模糊自適應PSO算法優(yōu)化PID參數(shù)[J].計算機工程與應用,2009 ,45(3) :245 -248.外,還應考慮將各種算法互相結(jié)合,互相滲透,充分[18]李士勇. 模糊控制,神經(jīng)控制和智能控制論[ M].哈爾濱:發(fā)揮各自的優(yōu)勢,并且希望能更多地結(jié)合實際工程哈爾濱工業(yè)大學出版禮,1998.應用,擴展各算法的應用領(lǐng)城，從而進-步提高控制[19] 李茜,李彬,朱雪丹.模糊自整定PID控制器的設(shè)計與系統(tǒng)的性能,實現(xiàn)PID最優(yōu)控制。仿真[J].化工自動化及儀表,2010,37(3):25 -28.參考文獻:[20]曾曉紅,龔 偉. 基于遺傳優(yōu)化和模糊推理PID及MAT-[1] 楊智,朱海鋒，黃以華. PID控制器設(shè)計與參數(shù)整定方法LAB仿真[J].微計算機信息(測控自動化) ,2006 ,22(12綜述[J].化1自動化及儀表,2005.32(5);1 -7.-1):57-59.[2] uUA C P,DALEYB s. OimlaTring PID Control for Indus- [21] 黃平.孟永鋼最優(yōu)化理論與方法[ M]北京:清華大學trial Systems[J]. Control Engineering Practice ,2001 ,9(11):出版杜,009.1185 -1194.[22]韓偉基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的PID控制參數(shù)的優(yōu)化研3] 劉思華,王 英基于相角裕度優(yōu)化的PID參數(shù)整定方法研究[J].叮編程控制器與工廠自動化205):119 -121.究[J].化工自動化及儀表,2008 ,35(1):17-19.[23]何軍旗,萬少松,齊 蜂基于BP遺傳算法的PID控制器[4] 王輝,錢鋒.群體智能優(yōu)化算法[J].化工自動化及儀參數(shù)設(shè)計[J].彈箭與制導學報,2007 ,27(5):53 -54.Algorithms for Parameters Optimization of PID ControllerHE Jiajia, HOU Zai-en(School of Electric and Informatin Eninering, Shaanxi University of Science and Technology ,Xi' an 710021, China)Abstract: Parameters optimization of PID controller is an important problem in automatic control feld. In order to 8a-chieve optimal PID control, the algorithms for parameters optimizatio中國煤化工hotspou of n8tional control theory research.With the development of computer tealgorithms havebeen rapidly developed and widely used, and are significant in theaYHCNMHGmsforparame-ters optimization and the latest achievements in this aspect were mainly introduced, and the future directions of PIDparameter optimization were also discussed. .Key words: PID control ; dynamic performance ; parameters optimization; algorithm