粒子群算法优化模糊pid

本文选取常见的二阶惯性加纯滞后环节，传递函数为:1)sGs—?—(TiS1)(T2SKp2,Kd1,Ki2在这里，T11,,T22,0.3PID参数取为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型隶届度函数和S型隶届度函数，在中间部分采用灵敏度较强的三角形隶届度函数。规则表如下图所示：KBNSZEPSPHFBPBzeMi/psZE/PII/PSns/fe/zenm/fb/zeo/fe/zeim/ps/psO/PS/NBPHZE/Pfi/ITBZE/PS/NBNS/PE/ZEO/FS/NSO/PS/NMim/ZE/ZEO/PS/NBPSFM/ZE/WBPS/ZE/NEZE/ZEMNM/ZE/N5w/ZE/miNM/NS/ZEZEFD/SSASPM/NS/NSPS/NS/NSNS/NS/NSO/WS/NSim/NS/ZEim/ZE/imFB/ZE/UBPE/ZE/HE2E/ZE/DTSZEN5/N5/网W泌伽I血PB/PB/TBPE/PS/NBPffl/PS/NMPS/FS/NSFS/PS/NSZE/FS/OZE/PS/OFB/PM/PSPEZPB/PSFK/FI/ZEPM/PB/ZEFS/PB/ZEZE/PB/PSZE/PM/FS主程序：clearclc%%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=[2050111];Lb=[00000];%%粒子群初始化Range=ones(SwarmSize,1)*(Ub-Lb);%初始化粒子群%初始化速度Swarm=rand(SwarmSize,Dim).*Range+ones(SwarmSize,1)*Lb;VStep=rand(SwarmSize,Dim)*(Vmax-Vmin)+Vmin;fSwarm=zeros(SwarmSize,1);fori=1:SwarmSizefSwarm(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((iterMinFit))forj=1:SwarmSize%速度更新VStep(j,:)=w*VStep(j,:)+c1*rand*(gbest(j,:)-Swarm(j,:))+c2*rand*(zbest-Swarm(j,:));ifVStep(j,:)>Vmax,VStep(j,:)=Vmax;endifVStep(j,:)Ub(k),Swarm(j,k)=Ub(k);endifSwarm(j,k)