基於粒子群演算法的pid實驗報告

① 【第14章】基於粒子群演算法的PID控制優化設計~~新手求助

%% 清空環境clearclc%% 參數設置w = 0.6; % 慣性因子 c1 = 2; % 加速常數c2 = 2; % 加速常數Dim = 3; % 維數SwarmSize = 100; % 粒子群規模ObjFun = @PSO_PID; % 待優化函數句柄MaxIter = 100; % 最大迭代次數 MinFit = 0.1; % 最小適應值 Vmax = 1;Vmin = -1;Ub = [300 300 300];Lb = [0 0 0];%% 粒子群初始化 Range = ones(SwarmSize,1)*(Ub-Lb); Swarm = rand(SwarmSize,Dim).*Range + ones(SwarmSize,1)*Lb; % 初始化粒子群 VStep = rand(SwarmSize,Dim)*(Vmax-Vmin) + Vmin; % 初始化速度 fSwarm = zeros(SwarmSize,1);for i=1:SwarmSize fSwarm(i, = feval(ObjFun,Swarm(i,); % 粒子群的適應值end程序到這里就出現了，求解釋！

② pso優化pid結果都是直線

說明沒有進行迭代，優化不成功。可能是陷入局部最小值或者適應度函數沒有設計好。
1.PSO是粒子群演算法（——ParticleSwarmOptimization）的英文縮寫，是一種基於種群的隨機優化技術，由Eberhart和Kennedy於1995年提出該演算法模仿昆蟲、獸群、鳥群和魚群等的群集行為，這些群體按照一種合作的方式尋找食物，群體中的每個成員通過學習它自身的經驗和其他成員的經驗來不斷改變其搜索模式。
2.Kennedy和Eberhart提出粒子群演算法的主要設計思想與兩個方面的研究密切相關：一是進化演算法，粒子群演算法和進化演算法一樣採用種群的方式進行搜索，這使得它可以同時搜索待優化目標函數空間中的較多區域。二是人工生命，它採用的主要工具是計算機，主要方法是利用計算機編程模擬。

③ 用粒子群演算法優化PID參數

具體說一下，如果演算法編寫沒問題的話，可能是你的適應度函數編寫有問題

④ 什麼是PID調節器，並舉例說明P、I、D的調節作用。

PID 調節器是一個在工業控制應用中常見的反饋迴路部件，PID是以它的三種糾正演算法而命名的。這三種演算法都是用加法調整被控制的數值。而實際上這些加法運算大部分變成了減法運算因為被加數總是負值。以下是PID的調節作用舉例：

1.比例- 來控制當前，誤差值和一個負常數P（表示比例）相乘，然後和預定的值相加。P只是在控制器的輸出和系統的誤差成比例的時候成立。這種控制器輸出的變化與輸入控制器的偏差成比例關系。比如說，一個電熱器的控制器的比例尺范圍是10°C，它的預定值是20°C。那麼它在10°C的時候會輸出100%，在15°C的時候會輸出50%，在19°C的時候輸出10%，注意在誤差是0的時候，控制器的輸出也是0。

2.積分 - 來控制過去，誤差值是過去一段時間的誤差和，然後乘以一個負常數I，然後和預定值相加。I從過去的平均誤差值來找到系統的輸出結果和預定值的平均誤差。一個簡單的比例系統會振盪，會在預定值的附近來回變化，因為系統無法消除多餘的糾正。通過加上一個負的平均誤差比例值，平均的系統誤差值就會總是減少。所以，最終這個PID迴路系統會在預定值定下來。

3.微分- 來控制將來，計算誤差的一階導，並和一個負常數D相乘，最後和預定值相加。這個導數的控制會對系統的改變作出反應。導數的結果越大，那麼控制系統就對輸出結果作出更快速的反應。這個D參數也是PID被稱為可預測的控制器的原因。D參數對減少控制器短期的改變很有幫助。一些實際中的速度緩慢的系統可以不需要D參數。

(4)基於粒子群演算法的pid實驗報告擴展閱讀：

用更專業的話來講，一個PID控制器可以被稱作一個在頻域系統的濾波器。這一點在計算它是否會最終達到穩定結果時很有用。如果數值挑選不當，控制系統的輸入值會反復振盪，這導致系統可能永遠無法達到預設值。

⑤ 關於遺傳演算法或粒子群演算法優化PID參數的問題，求大俠相助，萬分感激！

PID不懂，但是就第一問題說下，如果說每次的初始條件一樣的話，可以把參數固定。如果初始條件不一樣的話，要在每次使用前都進行優化。

關於目標函數哪個更好，倒不如問問你的同學和老師，這兒不是好地方。
目標函數是GA或者PSO優化的目標，通過目標對候選解進行優劣評價，然後演算法會指引種群向目標函數取得優值的范圍進行隨機搜索。

我只能解釋道這兒了~~

⑥ 我用粒子群演算法優化PID控制器，但得到的參數是負值是怎麼回事，得到的波形也不好

對在程序中加約束條件，比如懲罰