论文部分内容阅读
针对微粒群优化用于PID参数整定时易陷入局部收敛、效率不高的缺点，提出一种基于动态邻域和自适应惯性权重的微粒群优化算法。首先，通过定义动态邻域及其最优维值，提出种群个体的动态邻域最优维值学习策略，使微粒跟踪个体极值和邻域的最优维值进行搜索，避免局部收敛；其次，提出一种基于个体适应度的惯性权重动态调整方法，提高算法的寻优效率。优化典型测试函数验证了本文所提方法的有效性。最后，将该方法应用于典型工业过程控制的PID参数整定，获得了满意的控制效果。