改进粒子群算法应用于挖掘机铲斗位置控制

挖掘机工作装置精确的位置控制是实现其轨迹自动控制的基础。提出一种改进粒子群优化算法,应用于液压系统PID参数的优化整定中,把遗传算法中的选择和交叉两种操作方式添加到标准的粒子群算法中形成的混合优化算法,提高了算法的搜索能力。建立具有整定PID控制器功能的仿真平台,使用改进粒子群算法、标准粒子群算法和相位裕度方法对PID控制器进行整定仿真,根据仿真结果,进行了模拟铲斗平地运动试验。仿真和试验结果表明改进粒子群算法整定的PID控制器参数,在电液伺服系统的动态响应和精确的轨迹控制方面有良好效果。     

基于遗传算法的ADRC参数整定及其应用

自抗扰控制器(ADRC)通过对模型不确定因素和外扰进行补偿，使得控制系统对外扰和不确定因素均有很好的适应能力。它能够有效控制多种工业上较为难控的对象．并表现出极强的鲁棒性和抗干扰性。遗传算法在参数寻优方面，有着其他算法无法比拟的全局寻优能力．本文给出了基于遗传算法的自抗扰控制器的参数整定．并将其应用在几类不同的对象当中，仿真实例表明了通过遗传算法整定的ADRC的良好控制效果。     

基于粒子群算法的参数自整定伺服控制器的设计

提出了一种可以不考虑系统的数学模型以及外部的工作状况,直接通过在可行域内搜索最优解来找到合适的控制器参数的方法。以伺服系统的速度环控制器为研究对象,将粒子群优化算法应用于控制器的参数自整定中,设计了参数自整定PI控制器。在Matlab／Simulink环境下建立永磁同步电机伺服系统的仿真模型,对比了通过人工参数整定与基于粒子群优化算法的参数整定两种方法。仿真实验结果表明,该方法整定出的控制器参数可以使伺服系统的性能得到较大提高,具有较大的应用价值。     

基于小生境粒子群优化的挖掘机器人自抗扰视觉伺服控制

为提高挖掘机器人的自主挖掘能力,设计一种基于图像的自抗扰视觉伺服控制器,对挖掘机器人的动臂、斗杆、铲斗组成的3节机械臂末端位置和姿态在x-z平面进行控制,实现自主挖掘目标任务。针对自抗扰控制器需要整定的参数较多,参数间相互影响,整定困难的特点,引入粒子群算法对控制器参数进行优化。由于原始粒子群算法存在后期易陷入局部最优的缺欠,采用小生境粒子群算法对自抗扰控制器参数进行整定优化。对粒子群及小生境粒子群算法的优化性能进行比较研究的基础上,设计了适合挖掘机器人的自抗扰视觉伺服控制器,采用小生境粒子群算法得到自抗扰控制器整定参数。搭建xPCTarget主机—目标机环境进行试验及仿真,表明小生境粒子群优化的自抗扰视觉伺服控制器控制精度高、鲁棒性强。     

基于粒子群算法的地震模拟振动台参数整定方法

在地震模拟振动台控制系统中,常用三参量控制实现加速度信号控制,但目前三参量参数理论整定方法存在效果不佳、智能化程度不高等问题。针对三参量控制参数整定问题,提出一种基于粒子群算法的三参量控制参数整定算法,利用粒子群算法的寻优能力完成三参量参数整定研究。仿真结果显示,与理论值相比,粒子群算法自整定值控制下地震模拟振动台波形复现精度得到提高,表明粒子群算法实现地震模拟振动台三参量控制系统参数整定,算法有效。     

ADRC在电液伺服系统中的工程应用性研究

电液伺服系统被广泛应用于各种工程中,针对其设计的控制器必须同时满足不依赖于被控对象的数学模型、能快速有效地补偿干扰、控制器参数的整定与优化方法可行三个条件,才具有可靠的工程应用性.ADRC天然地满足了前两个条件,因此,针对其进行的工程应用性研究集中在探寻控制器参数的整定与优化方法上.该文提出了基于系统名义模型进行仿真实验整定优化ADRC参数的方法,通过实验验证了该方法的可靠性,表明ADRC可广泛应用于电液伺服系统中.     

基于CAPSO算法的修正炮弹分数阶控制器设计

为了提高修正炮弹系统模型的控制品质,采用分数阶控制器以取得更优的控制效果。针对分数阶控制器参数整定时大都需要公式推导、计算量大等问题,提出一种基于混沌自适应粒子群优化算法(CAPSO)并用于修正炮弹分数阶控制器的设计。将混沌算法与惯性权重调整的粒子群算法融合,对粒子群进行混沌初始化并对陷入局部最优的粒子进行混沌搜索,同时引入惯性权重非线性调整策略提高了算法的收敛精度,得到全局最优解。利用CAPSO算法对分数阶PIλDμ控制器的参数进行整定,并用于修正炮弹俯仰角稳定回路的控制中。通过仿真实验,验证了该优化算法的可行性。仿真结果表明,CAPSO算法在修正炮弹分数阶控制器的参数整定方面优于主导极点法、粒子群优化算法(PSO)等算法,与PSO算法相比调节时间减少了1.139 s、超调量减小了11.84%,具有收敛速度快、超调量小、稳定性好、抗干扰性强等特点;经CAPSO算法优化的分数阶PIλDμ控制器动态响应特性要优于整数阶PID控制器。     

探究使用粒子群算法优化电机PI控制效果及耗费时间

在以往采用粒子群算法优化控制系统参数过程中，评价函数是考虑粒子群算法整定的控制效果是否符合系统要求的重要依据，并没有考虑算法整定参数所耗费的时间。文中分别对推进电机静态负荷和动态负荷仿真模型采用粒子群算法整定控制参数，通过两种情况下迭代次数中调节时间的变化以及在静态负荷下优化的控制参数代入动态负荷的推进电机仿真模型获得的转速曲线对比分析可知，采用静态负荷的推进电机仿真模型相比推进电机动态负荷模型使用粒子群算法优化控制参数，其仿真效果基本一致，算法运行的仿真时间提升了50%;为后续采用粒子群优化控制模型提供了一种新的思路，即根据使用者的实际需求可以将仿真模型中的部分次要模型简化为静态参数，在不影响仿真结果的基础上降低仿真响应时间，提高仿真效率。     

挖掘机铲斗电液伺服改进PSO-PID参数整定位置控制

挖掘机电液伺服系统的运行性能来达到调控挖掘机铲斗位置的功能，由于采用传统PID整定方法并不能获得优异控制效果，采用遗传算法与交叉算子、标准PSO算法进行PID整定，最后对其进行了实验验证。设计了一种经过改进处理的粒子群优化算法来实现对阀挖掘机铲斗电液伺服系统进行PID整定的过程，能够准确控制挖掘机铲斗位置，由此获得更高轨迹跟踪精度。为增强粒子群算法搜索性能，综合运用遗传算法与交叉算子来实现对标准粒子群的优化，显著改善PID控制器性能，根据推导得到的铲斗系统模型进一步开展仿真分析。分别以三种优化算法计算优化结果，再将其输入自动化挖掘机程序中，完成各参数修改后，再对平地控制过程进行模拟测试。根据实验测试可知改进PSO算法具备明显优越性。     

PID参数整定的一种混合优化算法

PID控制器是工业界应用最广泛的控制策略,参数整定是PID控制器设计的核心内容.提出一种基于遗传算法和数值优化算法的混合优化方法,采用由粗到精的搜索过程,先利用遗传算法进行全局粗略搜索,再利用数值优化算法得到精确的参数.仿真试验结果证明提出的混合优化算法是进行PID参数整定的一种有效方法.     

基于自适应粒子群算法的篦冷机电液位置伺服系统PID参数优化

针对PID控制器的参数选取直接影响到第四代篦冷机刮板在调速过程中的稳定性和调节时间的问题,提出一种新的粒子群算法的PID参数整定方法。新的粒子群算法充分利用了适应函数提供的搜索信息,对传统粒子群算法中的权值进行自适应动态控制,并用飞行时间参数替代了压缩因子,飞行时间参数的变化规律是线性递减,并把它命名为自适应粒子群算法。通过测试函数证明提出的自适应粒子群算法比传统的粒子群算法收敛速度快和寻优效率高,应用改进的方法对篦冷机电液伺服系统进行仿真实验,结果证明自适应粒子群算法的PID参数整定方法比传统的整定方法有更好的控制效果,即调速过程稳定和调节时间快。     

改进的PSO算法对PID控制器的参数优化

针对工业控制领域中,PID参数整定难的问题,提出基于均值的新型高效自适应惯性系数的粒子群算法,將测定控制系统整体性能的适应度值和决定粒子搜索能力的惯性系数结合,根据不同适应度值选用不同的惯性系数。在Simulink中,将改进的PSO算法运用到PID算法模型优化中,不断测试,得到PID参数性能,直至得到最优参数。将优化的参数与标准粒子群算法作仿真对比,验证该方法对PID控制器参数优化的有效性。     

基于改进自适应DE算法的分数阶PI~λD~μ参数优化

通过实现变异算子F和交叉算子CR的自适应,改进差分进化算法。将改进后的算法用于优化直流电机位置伺服系统的分数阶PI~λD~μ控制器参数,并评价其位置阶跃响应性能。实验结果表明,对于分数阶PI~λD~μ参数的整定,相较于粒子群算法、遗传算法、传统差分进化算法,用改进差分进化算法优化后的控制系统具有响应速度快、超调量小等优点。     

基于GA优化的电渣重熔炉模糊PID控制研究

针对电渣重熔炉电极进给控制系统中存在的非线性、抗干扰性能差等难点问题,提出了一种基于遗传算法优化的模糊自整定PID控制方法。首先通过分析电极进给控制系统的组成及运行机理,建立了控制系统的仿真平台,然后采用模糊控制器与传统PID控制器相结合的策略,设计出一种具有自调整功能的模糊自整定PID控制器,最后应用遗传算法对模糊自整定PID控制器的隶属度函数进行动态优化,克服了隶属度函数选取的主观性和盲目性,进一步提高控制系统的自适应能力。仿真结果表明,优化后的模糊自整定PID控制器具有很好的快速性和较强的鲁棒性,满足了系统高精度的控制要求。     

基于ADRC的液压支护机器人自适应控制

为促进深层围岩液压支架自动化控制的研究,提出了一种基于ADRC的自适应控制系统。首先,通过液压支架支护系统的拉格朗日动力学分析,建立了液压支架动力学模型。针对该模型的动力耦合和时变特性设计了ADRC控制器,并对跟踪微分器、扩张观测器和非线性误差反馈3部分进行了离散化、分离式的参数整定。最终以MATLAB / Simulink为平台,对液压支架模型和控制系统进行了联合仿真实现,并设计了ADRC与PID控制的对比实验。仿真实验结果表明,该ADRC控制器与PID控制器相比具有更好的控制效果和运动品质。     

基于GA-PSO的PMSM伺服系统分数阶控制

针对永磁同步电机伺服系统要求快速响应、鲁棒性及抗干扰能力的问题,设计了一种遗传算法—粒子群算法(GA-PSO)优化的分数阶PID控制器。利用改进Oustaloup算法,框图化实现分数阶PID控制器。采用GA-PSO算法优化整定分数阶PID控制器参数,解决了分数阶PID控制器设计繁琐、参数整定多的问题,可得到使伺服系统性能最好的分数阶PID控制器参数组合。对采用分数阶PID控制器和传统整数阶PID控制伺服系统进行仿真,结果表明,采用优化后的分数阶PID控制器具有跟踪速度快、抗干扰能力强、鲁棒性好的优点。     

基于改进量子粒子群算法的火电厂再热汽温调节系统PID参数自整定

鉴于热控工作人员的技术水平和经验不足等问题,目前火电厂中许多控制回路整定效果不佳,因此PID参数的自整定具有极其重要的意义。为此,提出了一种基于改进量子粒子群算法的PID参数自整定方法,并采用MATLAB软件对火电厂再热汽温调节系统进行了仿真及PID参数自整定。通过与工程上的临界比例度法、传统粒子群算法、传统量子粒子群算法自整定的仿真结果相比较,证明了基于改进量子粒子群算法的PID参数自整定方法的优越性。     

改进蜻蜓算法的快速反射镜自抗扰控制

为了提高天基激光武器光电跟瞄系统中快速反射镜(Fast Steering Mirror,FSM)的跟踪精度和抗干扰能力,建立了基于改进自抗扰控制器(Improved Active Disturbance Rejection Control,IADRC)的FSM闭环控制系统,对系统中IADRC的参数整定方法进行研究。由于试凑法整定效率低,传统优化算法整定易陷入局部最优,本文将蜻蜓算法用于IADRC参数整定,并对蜻蜓算法的惯性因子、列队因子和聚集因子的调整方式进行了改进,且在蜻蜓算法前期引入末位淘汰策略,后期引入贪婪策略,以进一步增强算法的全局搜索和局部开发能力。最后,在考虑卫星平台振动的情况下用基于改进前后蜻蜓算法的IADRC、基于粒子群优化算法的IADRC、基于遗传算法的IADRC、基于试凑法的IADRC和PID控制器分别控制FSM。实验结果表明:在FSM跟踪高频正弦信号时,基于改进蜻蜓算法的IADRC控制的FSM,其跟踪误差的均方根值为7.596μrad,与其它5种控制器相比跟踪精度明显提升,基本满足激光武器领域中对FSM跟踪精度的要求。     

交流伺服系统分数阶PID改进型自抗扰控制

针对采用永磁同步电机驱动的火箭炮交流伺服系统存在摩擦、惯性力矩、变负载及不同工况下内外扰动等复杂非线性问题,考虑到自抗扰控制(ADRC)抗内外干扰能力强和分数阶PID控制动态性能好,设计了一种分数阶PID改进型自抗扰控制器(FOPID-IADRC)。为了取得良好的动态性能和减少参数计算量,采用分数阶PID控制器取代非线性状态误差反馈器;引入粒子群优化算法,对FOPID控制器的5个控制参数进行实时在线自整定。仿真和半实物台架实验结果表明：该控制策略能够有效抑制位置扰动,具有良好的动态性能和较强的抗干扰能力。     

基于混沌蚂蚁群算法的PID控制器的参数整定

将蚂蚁混沌动力学、群组织和优化机制进行巧妙的结合，本文给出了一种基于群智能理论的新的优化方法，即混沌蚂蚁群算法CAS。同时采用该方法对PID控制器的参数进行了整定，它以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益和相位裕度为约束条件，建立了优化数学模型，数值结果显示采用混沌蚂蚁群算法的整定性能要优于采用遗传算法整定的性能。同时本文的方法由于不需要采用编码过程，因此比采用遗传算法的辨识方法要简练。