为了更清晰地表示粒子群算法的优化过程，分析得到图3-8所示的优化流程图，具体的优化步骤可总结为：(1)初始化：在各变量的参数域和极限速度域内随机生成一群微粒，包括随机位置和随机速度；(2)将每个微粒作为模糊PID控制器的参数赋值到所设计的电液伺服系统中，通过仿真计算伺服缸的位移和误差，得到适应度函数每一部分的值，最终计算出每个微粒对应的适应度值；(3)对每个微粒，将其适应度值与自己之前经过的最好位置做比较。如果更好，则将其作为当前的历史最优位置Pik；否则，保持不变；(4)对每个微粒，将其适应度值与群体的最优位置做比较。如果更好，则将其作为当39前的全局最优位置Pgk；否则，保持不变；(5)更新粒子的速度和位置；(6)判断是否达到终止条件。本文的终止条件为连续100次出现相邻两次迭代的全局最优位置对应的适应度值之差小于一个足够小的数或者达到最大迭代次数，若未达到，则转到步骤(2)。开始粒子的位置和速度初始化计算每个个体的适应值，更新全局最优Pgk和局部最优Pik调整每个个体的速度位置最大迭代次数结束模糊PID控制. 综合上述分析，可得到模糊PID控制器参数基于粒子群算法优化的数学模型.
还可以看看
其他文章，谢谢您的阅读。
网站申明：系本文编辑转载，来自网友自行发布或来源于网络，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，所有权归属原作者。如内容、图片有任何版权问题，请
联系我们删除。