4。1  粒子群优化算法(PSO)的基本知识 20

4。1。1  粒子群优化算法的产生背景 20

4。1。2  粒子群优化算法的基础理论 20

4。1。3  粒子群算法的算法形式描述 20

4。1。4  粒子群算法的基本流程 21

4。1。5  标准粒子群算法 21

4。2  粒子群算法仿真整定PID参数 22

4。2。1  基本参数设置 22

4。2。2  适应度函数的建立 22

4。2。3  函数整体结构 24

4。3  参数辨识及仿真结果 28

5  总结与展望 29

致   谢 30

参 考 文 献 31

附录A  粒子群算法主函数程序 32

1  绪论

1。1  研究背景和意义

优化问题是生活中最常见的问题之一，其目的是在一定的限制条件下寻找问题的最优解，本文所要研究的，就是电机伺服系统中PID控制器参数的整定和优化问题。伺服系统，或称为随动系统，作为自动控制系统的重要组成部分，随着控制技术的发展，在工业运用中越来越常见。新的电机伺服系统应用对电机伺服系统的控制要求也提高了，传统的PID控制器需要手动调节其参数，比较繁琐，研究伺服系统的PID控制参数辨识算法，能够实现快速调节和控制，有着重要的理论意义。

1。2  伺服控制系统

伺服系统，或称为随动系统，即反馈控制系统，电机伺服系统能够使得电机的输出量，即位置、速度等参数能够跟随输入量(设定值)的变化而变化，于是完成对电机的控制[1]。

    随着现代控制技术的发展，许多新型控制方法被提了出来，比如模糊控制法、自适应控制法、MRA控制法等，然而在实际中应用得最广泛的控制方法还是PID控制法，该控制策略计算简单，可靠性高，参数整定较为方便，因此本次论文还是选择使用了PID控制法进行电机伺服系统的控制。

电机伺服控制系统采用三环控制结构，三环分别是电流环、速度环和位置环三个闭环回路，闭环结构就是将控制的输出量反馈到输入端，产生一个误差信号，再使用此误差信号进行控制的控制结构。

电流环处于系统最内，整个闭环完全在伺服驱动器内部，电流环的输入信号就是速度环的输出信号，电流环的反馈值来源于驱动器内部安装在每相的霍尔元件，霍尔元件将磁场的感应转变为电流、电压信号，反馈到电流的输入完成控制，电流环控制的是电机的转矩。

速度环处于电流环外，其输入信号就是位置环中的PID控制器调节后的输出信号，而速度环的输出信号则是电流环的输入信号，速度环的反馈来源于电机编码器，经过速度运算器转化后反馈至输入端，达成控制目的。

位置环是最外环，位置环的输入来自外部，即目标位置，反馈来源也是电机编码器，经过误差计算后经过控制器转化，输出至速度环。 

1。3  智能优化算法的发展

优化问题是一种经典而常见的问题，长期以来在工程、经济等领域中广泛出现，研究优化问题的内容，简而言之，就是怎样在一定条件下，找出目标问题的最优解决方法。举例来说，商品设计过程中，要怎样规划原料、宣传等各方面成本才能使利润最大化；工程设计过程中，要怎样取值各种参数才能使方案满足要求又减少成本；城市建设中，怎样设定各类建筑的位置以推动城市的发展，保证生活的质量[2]。除此以外，优化问题还存在于各类形形色色的领域中。优化理论经过长期的发展完善，已经成为一门比较成熟的学科。 MATLAB电机伺服系统的参数辨识算法研究(2):http://www.youerw.com/zidonghua/lunwen_97409.html