基于粒子群算法的LLC谐振变换器PI控制参数整定_偏差绝对值与时间乘积的积分(itae)目标函数

1 LLC谐振变换器原理及变频控制方法

见链接：
https://blog.csdn.net/weixin_45951047/article/details/116073949?spm=1001.2014.3001.5501

2 粒子群算法(PSO）

粒子群算法源于鸟类捕食行为，该算法中每个粒子都代表了问题的潜在解，每个粒子对应一个自适度函数决定的适应值。粒子的速度决定其运动方向和距离，速度是随自身及其它粒子在可行解空间中运动的经验而变化的，从而在可行解空间内实现个体寻优的目标。

粒子搜索的速度和位置是根据下列公式来确定的：

式中，x表示粒子的位置，v表示速度，ω表示惯性权值，c1、c2表示加速度常数，r1、r2表示[0,1]区间随机数，Pt表示当前粒子搜索的最佳位置，Gt表示整个粒子群目前所搜索的最佳位置。

粒子群算法的流程图如下：

3 PSO-PI控制器设计

3.1 PSO-PI控制器

传统PI控制器参数整定方法有试凑法或频域法等方法。试凑法耗时大，且所设计及控制器性能不佳；而频域法计算量大，需要获得系统的传递函数。因此，本文设计一种PSO-PI控制器，采用粒子群算法对PI控制器控制参数进行在线整定，以获得系统最佳控制性能。PSO-PI控制器框图如图1所示，PSO产生粒子群，粒子赋值给PI控制器参数，运行控制系统得到对应目标函数值，将问题转化为粒子群算法求解目标函数最小值，从而得到最优控制参数。

图1 PSO-PI控制器框图
3.2 目标适应度函数的设计

时间乘以误差绝对值积分(ITAE)的性能指标是一种具有很好工程实用性和选择性的控制系统性能评价指标。本文选择ITAE性能指标作为目标适应度函数：

图2 ITAE性能指标

相应的simulink仿真模型如下：

图中红色为待优化PI控制器，绿色为ITAE误差性能指标。

4 仿真结果分析
运行PSO.m文件，得到迭代曲线及优化后PI控制器参数kp= 322.7953，ki= 26817530（由于PSO算法的偶然性，每次运行结果可能会有差别）。

图3 适应度迭代曲线

将优化后PI控制参数带入simulink模型，在0.015秒加入负载跳变，得到LLC谐振变换器输出波形如图4。

图4 LLC仿真波形

可见采用PSO-PI控制的LLC谐振变换器，在启动阶段有较大超调，但能够迅速稳定在给定电压，且有一定抗扰动（负载跳变）能力。

5 matlab代码
https://download.csdn.net/download/weixin_45951047/24168791