液压位置伺服系统

PID 参数在线优化

摘要：将粒子群算法与传统的

PID 控制器相结合，并采用平方误差矩积分函数作为适应度

判据，构成了

PSO-PID 控制器，该控制器能够在线优化 PID 控制器参数。仿真结果表明，

在系统工况发生变化时，新型控制器能够取得满意的控制效果。

1 前言

　　阀控缸是液压位置伺服控制系统常采用的一种形式，被广泛应用在对控制精度要求较
高的大功率场合。活塞位置的偏差信号经

PID 控制器线性组合后，作为伺服阀控制信号，调

节通过伺服阀的流量，达到控制液压缸活塞位置的目的。在硬件条件一定的情况下，控制系
统的性能主要取决于控制器性能，而控制器的参数又直接决定着系统的最终控制效果。在钢
铁生产中，液压位置伺服系统多运行在恶劣的环境下，系统的控制特性会随着设备老化以
及现场扰动发生较大变化，这要求

PID 控制器参数能够根据现场情况适时调整，维持系统

良好的控制性能。

　　粒子群优化算法（

PSO）是一种基于群智能的启发式算法，起源于对简单社会系统的

模拟。粒子群算法中，每个优化问题的潜在解都是搜索空间中的一个

“粒子”。每个粒子由粒

子速度决定运动方向和距离，每个粒子都包含一个适应值，空间中的所有粒子通过跟踪当
前最优粒子完成解空间中的搜索任务。

　　将粒子群算法的启发式搜索功能与

PID 控制器结合起来，构成 PSO-PID 控制器，并将

优化后的

PID 控制器应用到液压位置伺服系统当中，结果表明采用 PSO 方法优化后的液压

伺服系统在系统特性发生变化后仍能取得较好的控制效果。

2 粒子群优化原理

　　粒子群算法对生物种群行为进行模拟，采用群智能的方式进行寻优。每个粒子的状态根
据自身最优解

Pb，和全局最优解 Gb 进行更新。下式为粒子的速度表达式

　　　　

v（k+1）=W1v（k）+C1r1（k）（Pb-x（k））+C2r2（k）（Gb-x（k）） （1）

　　　　

x（k+1）=x（k）+v（k） （2）

　　式中：
　　　　

v（k）-第 k 代粒子运动速度；

　　　　

W1-粒子运动速度权重系数；

　　　　

Pb-当前粒子的自身最优解；

　　　　

Gb-粒子群的最优解；

　　　　

x（k）-第 k 代粒子运动位置；

　　　　

C1，C2-学习常数；

　　　　

r1（k）-属于 0～1 间的随机变量。