PID參數優(yōu)化算法

化工自動(dòng)化及儀表，2010, 37(1);1 -4綜述與評論Control and Instruments in Chemical IndustryPID參數優(yōu)化算法何佳佳,侯再恩(陜西科技大學(xué)電氣與信息工程學(xué)院,西安71021)摘要: PI參教優(yōu)化是 自動(dòng)控制領(lǐng)域研究的一個(gè)重要問(wèn)題。為了實(shí)現最優(yōu)PID控制,PID參教優(yōu)化算法巳成為國內外控制理論研究的一個(gè)熱點(diǎn)。隨著(zhù)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(lái)在此方面取得的研究成果,并對未來(lái)PID參數優(yōu)化的研究方向作了展望。關(guān)鍵詞: PID 控制;動(dòng)態(tài)性能;參數優(yōu)化;算法中圈分類(lèi)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)節組成,其控1引言PID控制即比例-積分-微分( Proportion-Inte-制規律可表示為: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(guò)程控制系統中,當被控對將式(1)寫(xiě)成傳遞函數形式:象的結構和參數不能完全掌握,或精確的數學(xué)模型難以建立,或控制理論的技術(shù)難以采用時(shí)，系統控制C(x) =K,[1+亦+叫(2)器的結構和參數必須依靠經(jīng)驗和現場(chǎng)調試來(lái)確定，式中: K,--比例系數;T-積分時(shí)間常 數;這時(shí)最常用的就是PID控制。即使我們不完全了解T,- -微分時(shí)間常 數。-個(gè)系統和被挖對象,或不能通過(guò)有效的測量手段PID參數優(yōu)化通常由兩部分組成,分別為目標來(lái)獲得系統參數時(shí),也適合采用PID控制技術(shù)。PID函數與優(yōu)化算法的選取。PID 參數優(yōu)化的目標函數控制器就是根據系統的誤差,利用比例、積分、微分通常是控制系統性能指標的定最描述,而控制系統計算出控制量進(jìn)行控制的。它是迄今為止歷史最悠的性能指標通常包括動(dòng)態(tài)和靜態(tài)兩個(gè)方面。動(dòng)態(tài)性久,生命力最強的控制方式，國內外95%以上的控能指標用于反應控制系統的瞬態(tài)響應情況,體現在:制回路仍然采用PID結構。在控制理論和技術(shù)飛躍①控制系統的準確性或控制精度,通常用穩態(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(lái)描述,它表示系統輸出穩態(tài)值與期望值之差;②晌其控制結構簡(jiǎn)單穩定性能好、可靠性高、易于實(shí)現應的快速性,通常用上升時(shí)間(系統輸出值第一次等優(yōu)點(diǎn),而且許多高級控制都是以PID控制為基礎達到穩態(tài)值的時(shí)間)來(lái)定量描述;③控制系統的穩的。而PID控制效果完全取決于PID參數的整定與定性,通常用超調量和調節時(shí)間來(lái)描述。優(yōu)化,因此,PID參數的整定"-1與優(yōu)化算法'I顯得PID控制器的比例環(huán)節可以縮短系統響應時(shí)尤為重要。為了實(shí)現最優(yōu)PID控制,PID參數優(yōu)化間,積分環(huán)節可以減小系統穩態(tài)誤差,微分環(huán)節可以算法已成為國內外控制理論研究的一個(gè)熱點(diǎn)，由于改善系統超調量,因此,可以通過(guò)調整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(gè)參數來(lái)改善動(dòng)態(tài)性能指標，使系統的控制性能優(yōu),因此需要找- -種簡(jiǎn)單而高效的PID參數優(yōu)化算達到給定的要求。從優(yōu)化的角度來(lái)說(shuō)，就是在這三個(gè)法。近年來(lái),隨著(zhù)計算機技術(shù)的發(fā)展,一些新的智能變量的參數空間尋找最優(yōu)值,使系統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(jìn)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參數優(yōu)化算法前,對PID參數優(yōu)化算法的研究仍在繼續,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參數優(yōu)化算法,并對PID參數優(yōu)化算法的發(fā)展收JTYCHCNMHG作一綜述?；痦椖?陜西省教廳專(zhuān)項號(08]K 237);陜西科技大學(xué)2 PID 參數優(yōu)化簡(jiǎn)介研究生創(chuàng )新基金資助項目●2.化工自動(dòng)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(guò)的路上留下一定數量的信息展起來(lái)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(huì )隨著(zhù)時(shí)間的流逝而揮發(fā),另一方自適應系統的研究,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(guò)該路徑時(shí)會(huì )再次留下傳和進(jìn)化進(jìn)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(gè)路口,螞索算法,其基本思想是,將待求解問(wèn)題轉換成由個(gè)體蟻會(huì )按照概率選擇任意-一個(gè)方向前進(jìn),在信息索濃組成的演化群體和對該群體進(jìn)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(jià)-選擇- 操作的演化過(guò)程 ,反復蟻群算法的基本特點(diǎn)是:①其原理是一種正反進(jìn)行,直到搜索到最優(yōu)解。饋機制,它通過(guò)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(diǎn)是:①它是對所求參數對徑;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(jìn)行進(jìn)化,而不是對參數本身,因此不受目法決不是對螞蟻的簡(jiǎn)單模擬,它融進(jìn)了人類(lèi)的智能; .標響數約束條件的限制，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.它是對參數表示成的二進(jìn)制編碼串群體進(jìn)行搜索，其它算法結合 ;④它是一種全局優(yōu)化的算法,可用于而不是在單個(gè)點(diǎn)上尋優(yōu),這大大減小了陷人局部最.任何一類(lèi)優(yōu)化問(wèn)題;⑤它有較強的魯棒性;⑥其缺點(diǎn)優(yōu)的可能性,具有全局快速收斂的特點(diǎn);③它只需已是初期信息索匱乏,求解速度較慢,計算時(shí)間較長(cháng)。知目標明數及適應度函數便可開(kāi)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(lái)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(guò)程未來(lái)的偏差值,并利用數字計算機的計算能力具有并行性,即用較少的編碼串對數量較大的區域實(shí)現在線(xiàn)滾動(dòng)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(diǎn)是實(shí)時(shí)性不好，容易出現早熟現略,運用蟻群算法預測PID控制能夠適應控制對象象,對于系統中的反饋信息利用卻無(wú)能為力,而且求模型參數的時(shí)變,具有較好的魯棒性,相對傳統PID解到一定范圍時(shí)往往做大量無(wú)為的冗余迭代,求解控制策略還表現出了良好的動(dòng)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合對PID參數進(jìn)行優(yōu)化，毛敏6)等用基本的遺傳算法對PID參數進(jìn)行了可以較好地控制復雜的對象,但是, - -旦外界擾動(dòng)發(fā)優(yōu)化,但在優(yōu)化-些復雜問(wèn)題時(shí)有著(zhù)不可忽視的缺生時(shí)，必須重新根據需要再進(jìn)行參數的整定優(yōu)化;陳點(diǎn),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(lái)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(diǎn),且該算法不依賴(lài)于形法相結合,用下山單純形法進(jìn)行局部?jì)?yōu)化,加快了被控對象的精確數學(xué)模型,有著(zhù)很好的適應性和魯收斂速度,避免了早熟現象的發(fā)生,實(shí)現了快速優(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(wèn)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(niǎo)的混沌遺傳算法,該算法對經(jīng)過(guò)一次遺傳操作的群類(lèi)群體行為研究結果的啟發(fā),而提出的一種基于群體進(jìn)行混沌搜索尋優(yōu),引導種群快速進(jìn)化,并將其成體智能的進(jìn)化計算技術(shù)。在PS0算法中,每個(gè)粒子功應用于冷軋參數的優(yōu)化計算中,大大提高了局部代表解空間的一個(gè)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)現象的的速度飛行,飛行速度根據飛行經(jīng)驗進(jìn)行動(dòng)態(tài)調整。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參數優(yōu)化-位置搜索模型實(shí)現對整個(gè)空間的尋優(yōu)操作。PSO蟻群算法由意大利學(xué)者M(jìn). Dorigo、V. Maniez-算法是模仿生物社會(huì )性行為而得出的--種全局優(yōu)化zo、A.Colorini9i等人根據螞蟻群體具有智能的特點(diǎn)算法,是一種高效簡(jiǎn)單的并行搜索算法,其優(yōu)點(diǎn)在首先提出,當時(shí)他們稱(chēng)之為蟻群系統,后來(lái)M. Dorigo于概念簡(jiǎn)單、實(shí)現容易、魯棒性好,并且能以較大概等為了其他學(xué)者研究的方便,將各種螞蟻算法統稱(chēng)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(gè)統一的框架結識要求甚少,一般只需知道其數值關(guān)系即可。但是，構模型。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(jìn)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(xué)者們的廣泛關(guān)注。三個(gè)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(jìn)化算的方式,對其可行解空間進(jìn)行搜索的,因此需要合理法,其基本思想來(lái)源于螞蟻之間的交流過(guò)程。外出估計PID三個(gè)參數的取值范圍。第11期何佳佳等. PID參數優(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(diǎn)這一-缺點(diǎn),提出了實(shí)數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(shí)變等特性,而采用常規PID控制難以獲得滿(mǎn)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(jìn)行了改進(jìn),提出了一種改進(jìn)的粒子群算法MWP-器的串級控制算法,該算法通過(guò)模糊決策來(lái)對其控sO,使慣性權重具有了一定的靈活性,同時(shí),該算法制器的PID參數進(jìn)行調整,用模糊規則進(jìn)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，糊規則采用產(chǎn)生式表示方式,即IF(條件)THEN(結.從而粒子趨于同一化的問(wèn)題進(jìn)行了改進(jìn),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的過(guò)渡性能和動(dòng)態(tài)特性,還在月標函數中加入控能實(shí)現PID最佳調整,是一種實(shí)施簡(jiǎn)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(shí)現的方法;曾曉紅[2}等首先利用遺傳算次數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,得到PID參數的舟([0等提出一種改進(jìn)的微粒群優(yōu)化算法(IPSO),該初始值,然后根據系統當前的誤差和誤差變化率,用算法是在基本PS0算法的慣性權重部分加人一個(gè)模糊推理方法在線(xiàn)優(yōu)化調整PID參數的權值來(lái)動(dòng)態(tài)調節因子項,實(shí)現慣性權重的非線(xiàn)性調整,并通過(guò)調地調整參數,抗干擾強,靈敏性較好。節因子的調節,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(wèn)題，提出了一種是由大量簡(jiǎn) 單人工神經(jīng)元互聯(lián)而成的-種計算結基于T-S模型的模糊自適應PS0算法(T-SPS0算構。由于其大規模并行處理、學(xué)習、聯(lián)想和記憶等功法),該算法通過(guò)T-S規則,動(dòng)態(tài)自適應更新慣性權能，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重值保證算法分任意地逼近任何復雜的非線(xiàn)性系統,所有定量和的全局搜索能力,而后期則以較小慣性權重值加快定性分析都等勢分布儲存于神經(jīng)網(wǎng)絡(luò )內的各種神經(jīng)收斂,從而有效解決了PSO算法的早熟問(wèn)題,改善元中 ,具有很強的信息綜合能力,能夠學(xué)習和適應嚴了算法的收斂性。重不確定系統的動(dòng)態(tài)特性,有很強的魯棒性和容錯3.4基于模糊推理的PID參數優(yōu)化性,可以處理那些難以用模型和規則描述的過(guò)程,因隨著(zhù)計算機尤其是微機的發(fā)展和應用,自動(dòng)控此,神經(jīng)網(wǎng)絡(luò )已成為解決許多工程問(wèn)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的控制中已成功應用。述的現代控制理論對于解決線(xiàn)性或非線(xiàn)性、定?；騂opfield 神經(jīng)網(wǎng)絡(luò )( Hopfield Neural Network ,HNN)是時(shí)變的多輸人多輸出系統問(wèn)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(jiǎn)稱(chēng)但是,無(wú)論采用經(jīng)典控制理論還是現代控制理論設Hopfield 網(wǎng)絡(luò )。由于網(wǎng)絡(luò )中引人了反饋,所以它是.計-一個(gè)控制系統,都需要事先知道被控制對象精確-個(gè)非線(xiàn)性動(dòng)力學(xué)系統。通常非線(xiàn)性動(dòng)力學(xué)系統最的數學(xué)模型,然后根據數學(xué)模型以及給定的性能指關(guān)心的是系統的穩定性問(wèn)題,在Hopfield模型中,神標,選擇適當的控制規律,進(jìn)行控制系統設計。PID經(jīng)網(wǎng)絡(luò )之間的聯(lián)系總是設為對稱(chēng)的,這保證了系統控制器設計的關(guān)鍵在于如何合理地確定比例、積分、最終會(huì )達到一個(gè)固定的有序狀態(tài),即穩定狀態(tài)。利微分參數的大小，然后進(jìn)行人工在線(xiàn)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(guò)程)的精確數學(xué)模以用來(lái)對組合優(yōu)化問(wèn)題進(jìn)行求解“1。型很難建立,或系統參數不能通過(guò)有效的測量手段韓偉”)利用神經(jīng)網(wǎng)絡(luò )來(lái)逼近實(shí)際系統,用閉環(huán)來(lái)獲得,或控制理論的技術(shù)難以采用時(shí),就難以進(jìn)行控制下 所得的觀(guān)測數據進(jìn)行系統在線(xiàn)辨識,并針對自動(dòng)控制。自1965年L.A.Zadeh提出模糊集的慨不同的系統建立不同的對象模型，并在該模型的基念以來(lái),關(guān)于模糊系統的研究得到了飛速的發(fā)展,隨礎上,運用遺傳算法進(jìn)行PID參數尋優(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(guò)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 )的控制器結構簡(jiǎn)單、可塑性理論基礎,,該算法就是運用模糊數學(xué)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,把控制規則的條件、操作用模糊集表示,并把法和BI中國煤化寧數優(yōu)化,使系這些模糊控制規則以及有關(guān)信息(評價(jià)指數、初始統整體節精度更高。.PID參數等)作為知識存人計算機知識庫中,然后計4小FYHCNMHG算機會(huì )根據控制系統的實(shí)際響應情況(即專(zhuān)家系統PID控制器是整個(gè)控制系統的核心,它的控制的輸人條件),運用模糊推理自動(dòng)實(shí)現對PID參數作用以及參數對控制品質(zhì)有直接影響。目前，PID●4.化工自動(dòng)化及儀表第37卷參數優(yōu)化算法很多,但是,無(wú)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參數優(yōu)化方法[].的成果,但仍有許多不足之處,有待進(jìn)-步研究。從中國電力,2002 ,35(8) ;48 -51.目前PID參數優(yōu)化算法的研究現狀來(lái)看,以下幾個(gè)[7] 范敏.基于多種群遺傳算法的PID控制器參數優(yōu)化技術(shù)方面將是今后- -段時(shí)間內研究和實(shí)踐的重點(diǎn)。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優(yōu)點(diǎn),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(dòng)化及儀表,2002 ,29(2) :24 -27.“遍歷性、隨機性.規律性”,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(xué)星,等基于蚊群算法優(yōu)化的再熱汽且易于與其它算法結合,是- -種全局優(yōu)化的算法,因溫系統變參數預測PID控制[].化工自動(dòng)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，得到PID參數的初始值,然后根據系統當前的誤[11]賀慧杰. 基于智能算法的PID控制器參數優(yōu)化設計的應用差和誤差變化率,用模糊推理方法在線(xiàn)優(yōu)化調整研究[J].科技創(chuàng )新導報,009,(8);16.PID參數的權值來(lái)動(dòng)態(tài)地調整參數。[12]陳建濤,姚萬(wàn)業(yè). 一種用于優(yōu)化PID參數的改進(jìn)蟻群算法(3)由于人工神經(jīng)網(wǎng)絡(luò )能夠充分任意地過(guò)近任[J].儀器儀表用戶(hù),09 ,20(5):34 -35.何復雜的非線(xiàn)性系統,能夠學(xué)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挖制器參數整定方法研究[J].化工自動(dòng)化及儀表2006 ,3(5):22 -25.系統的動(dòng)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參數優(yōu)化[J].自理那些難以用模型和規則描述的過(guò)程,因此，可以用動(dòng)化儀表,2006 ,27(SI):95 -96.神經(jīng)網(wǎng)絡(luò )來(lái)過(guò)近實(shí)際系統,用閉環(huán)控制下所得的觀(guān)[15]熊偉麗 ,徐保國,周其明.基于改進(jìn)粒子群算法的PID參數測數據進(jìn)行系統在線(xiàn)辨識，并針對不同的系統建立優(yōu)化方法研究[J].計算機工程,2005 ,31(24):41 -43.不同的對象模型,并在該模型的基礎上,運用蟻群算[16]李凌舟,陳 利. 基于改進(jìn)PSO算法的PID參數優(yōu)化研究法進(jìn)行PID參數尋優(yōu)。[J].四川電力技術(shù),09 ,32(5):29 -31.(4)除了對各種算法繼續進(jìn)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[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合實(shí)際工程哈爾濱工業(yè)大學(xué)出版禮,1998.應用,擴展各算法的應用領(lǐng)城，從而進(jìn)-步提高控制[19] 李茜,李彬,朱雪丹.模糊自整定PID控制器的設計與系統的性能,實(shí)現PID最優(yōu)控制。仿真[J].化工自動(dòng)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控制器設計與參數整定方法LAB仿真[J].微計算機信息(測控自動(dòng)化) ,2006 ,22(12綜述[J].化1自動(dòng)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(xué)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控制參數的優(yōu)化研3] 劉思華,王 英基于相角裕度優(yōu)化的PID參數整定方法研究[J].叮編程控制器與工廠(chǎng)自動(dòng)化205):119 -121.究[J].化工自動(dòng)化及儀表,2008 ,35(1):17-19.[23]何軍旗,萬(wàn)少松,齊 蜂基于BP遺傳算法的PID控制器[4] 王輝,錢(qián)鋒.群體智能優(yōu)化算法[J].化工自動(dòng)化及儀參數設計[J].彈箭與制導學(xué)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