基于粒子群算法的汽车悬架PID控制仿真

研究汽车悬架稳定性控制优化问题,由于PID控制器在汽车主动悬架中参数的选择决定汽车行驶的稳定性能.针对传统参数整定的方法存在盲目性,设计了一种用粒子群算法优化整定PID参数的方法.利用粒子群算法的并行全局搜索策略,以主动悬架性能指标为目标函数对PID参数进行优化设计.应用改进方法对汽车悬架主动控制系统进行仿真.仿真结果表明,用粒子群算法优化的PID控制器的汽车主动悬架相对于PID控制主动悬架及被动悬架而言,改善了车身垂向加速度和悬架动行程.同时解决了PID控制器参数整定的问题.     

混合空气悬架系统侧倾仿真

为了研究某混合空气悬架的侧倾特性,在ADAMS/CAR中建立了该悬架系统刚柔体耦合的动力学模型。首先确定该型混合空气悬架的常用车轮跳动行程和台架侧倾仿真实验方法,然后确定了安装横向稳定杆和拆除横向稳定杆两种系统状态作为仿真工况,最后使用ADAMS/CAR,完成了该悬架系统在常用车轮跳动行程范围的台架侧倾仿真,得出了悬架侧倾刚度与车轮跳动关系曲线,探讨了横向稳定杆对该型悬架侧倾稳定性的影响结果。这个台架侧倾仿真模型可以用于确定该混合空气悬架系统在不同系统状态下的侧倾特性,校验悬架系统设计。     

空气悬架的ADAMS建模研究

在对空气悬架的结构性能进行分析的基础上,以1/4车辆空气悬架为例,研究了空气悬架的简化模型、动力学方程,采用虚拟样机技术,在ADAMS的View模块中建立了1/4车辆二自由度动力学仿真模型.通过定义施加各种约束来限制构件之间的相对运动,从而构造出虚拟的实验平台.仿真结果表明,ADAMS虚拟技术为实体建模提供了很好的平台,为避免推导机械系统数学模型提供了一种新的途径,特别是为比较复杂的机械系统建模带来了很大的方便.     

智能PID控制器优化仿真研究

研究PID控制器优化问题,现代工业控制过程中,由于许多被控对象受到于扰因素影响,具有高度非线性和不确定性,常规PID控制精度低,提出一种遗传算法、粒子群算法和RBF神经网络相融合的PID控制器设计方法(GA-PSO-RBF).首先采用遗传算法选择PID控制参数初始值,然后采用粒子群算法优化RBF神经网络参数,采用优后的RBF神经网络辨识控制对象的输出对输入的变化灵敏度,最后采用单神经元对PID控制器进行在线性调整,得到理想的控制效果.仿真结果表明,GA-PSO-RBF神经网络PID控制器的超调量小,响应速度快,提高了系统的控制精度.     

车辆主被动悬架系统建模及控制仿真

汽车行驶中的平顺性及舒适性等性能优劣均取决于汽车悬架系统,根据控制系统形式可划分为主被动形式.以简化悬架系统模型为研究对象,依据动力学原理,分别构建主被动控制形式下的运动数学模型方程;以MATLAB/simulink仿真软件为研究平台,搭建相应仿真模型,并对其分别输入脉冲响应、锯齿波响应与白噪声信号,进而得到相应输入对...     

车辆主动悬架优化设计与仿真分析

基于混合粒子群优化（Hybrid Particle Swarm Optimization,HPSO）算法设计了一种以降低车身加速度（BA）,悬架动行程（SWS）和轮胎动位移（DTD）为目标的车辆主动悬架线性最优控制器。建立了2自由度1/4车辆主动悬架动力学模型,运用混合粒子群优化算法对LQG控制器的权值矩阵进行优化求解,在Matlab/Simulink环境下,对不同工况下的车辆悬架进行了仿真分析。仿真结果表明,经过混合粒子群算法优化后的主动悬架在行驶平顺性和操纵稳定性上有所改善,并且优化后主动悬架性能指标BA,SWS和DTD的均方根值最大分别减少了22.56%,44.27%和19.75%。     

基于MSC Adams/Car的空气悬架及整车仿真

利用MSCAdams/Car软件建立载货汽车后空气悬架系统多体动力学模型,仿真计算了悬架垂直刚度特性,证明模型的正确性.建立Adams/Car的整车模型,进行稳态回转试验的仿真分析.将仿真结果与道路试验结果进行比较,验证虚拟样机模型的正确性.     

基于免疫粒子群优化的主动悬架LQG控制研究

针对LQG控制器用于主动悬架存在权重系数依靠先验知识来确定的不足,提出了免疫粒子群混合优化算法。该算法首先利用粒子群算法对LQG参数进行离线优化,得到一组准最优LQG参数,将其作为在线调节初始值,然后引入免疫粒子群算法对LQG参数进行在线实时优化。该方法实现简单,在保持粒子多样性的同时也改善了粒子群算法收敛速度慢、早熟以及免疫算法过程繁复冗长。仿真验证了所提方法的可行性与有效性。     

基于RBFNN观测器的车辆非线性悬架预测控制方法

传统车辆非线性悬架预测控制方法存在车身垂直加速度和能量消耗较大、悬架动扰度和车轮动载荷较高问题,悬架控制效果不理想.于是提出基于RBFNN观测器的车辆非线性悬架预测控制方法.构建四分之一非线性悬架模型,通过改进粒子群算法中的数据聚类和参数辨识,构建线性非段仿射(PWA)模型.结合RBFNN观测器和多模型控制理论研究PWA模型的滚动时域优化控制问题,获取最优控制信号,实现车辆非线性悬架预测控制.仿真结果表明,所提方法能够有效降低车身垂直加速度和能量消耗,悬架动扰度和车轮动载荷均较低.     

水轮发电机组PID参数的优化仿真研究

研究水轮发电机组PID参数优化问题,由于PID参数是一个多参数组合系统,参数间互相关联,呈高度非线线性关系,传统参数优化算法采用经验方法,耗时长,难以找到最优参数,导致PID控制精度不高.为了获取最优PID参数,提高系统控制精度,提出一种粒子群算法的PID参数优化方法.采P1D参数作为粒子群中的一个粒子,PID控制精度作为粒子的目标函数,通过粒子相互作用,不断缩小粒子的搜索空间,通过引入重新启动策略,提高粒子摆脱局部极值能力,最后找到最优PID参数.通过对某水电站的真实数据对参数优化后的PID控制器进行测试实验,结果表明,粒子群优化算法能够很快找到PID最优参数,明显提高了水轮发电机组PID控制精度,系统超调量更小,调节时间更短,为控制系统优化提供了依据.     

气垫船航向的智能控制及仿真研究

研究气垫船航向优化控制问题,航向受到多种影响,具有非线性、时变等特点,常规PID难以建立精确的控制模型,控制精度低,影响航向控制.为了提高气垫船航向控制精度,提出一种粒子群优化算法、最小二乘支持向量机和常规PID相融合的气垫船航向控制算法(PSO-LSSVM-liD).采用粒子群算法对气垫船PID参数进行在线整定,同时采用最小二乘支持向量机对航向变化进行预测,然后PID根据预测结果对气垫船航向进行超前控制.仿真结果表明,PSO-LSSVM-PID提高了气垫船航向控制精度,克服了常规PID控制算法存的缺陷,环境适应能力更强,可以保证气垫船安全航行.     

基于人群搜索算法的PID控制器参数优化

关于PID控制器在工业控制领域应用优化问题,PID参数优化成为工业自动化研究的热点.PID参数优化对于系统的稳定性、可靠性和快速响应等特性有着重要的意义.为了改善和优化PID控制器性能,提出一种人群搜索算法(SOA),以PID三个参量为搜寻队伍,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量.通过对比遗传算法和粒子群算法PID参数优化,仿真结果表明,改进算法提高了系统的控制精度,系统响应速度快,鲁棒性好,为控制系统PID参数整定提供了参考.     

汽车天棚控制半主动悬架模型仿真与性能分析

该文对比研究了天棚控制半主动悬架的动力学性能。在建立线性被动悬架、传统非线性弹簧悬架和天棚控制半主动悬架动力学模型的基础上。利用MATLAB软件的SIMULINK工具箱对其进行仿真,获得车身加速度时域频域响应特性、轮胎动载荷及悬架动挠度的时域特性,并对仿真结果进行了对比分析。天棚控制半主动悬架的阻尼系数通过估算确定。结果表明。半主动悬架有效地改善了汽车的行驶平顺性和操纵稳定性,但其在衰减高频振动上仍存在不足。     

基于粒子群算法的弹簧-阻尼系统PID控制器优化设计

弹簧-阻尼系统在工程技术中有着广泛的应用,它的稳定性对工程有比较重要的影响。研究了弹簧-阻尼系统PID控制器的设计,并针对PID控制器参数整定困难的问题,利用粒子群算法对PID参数进行了优化,最后采用MATLAB进行仿真实验证明该方法的可行性和优越性。将实验所得到的仿真结果与预估法、Z-N整定法所得到的结果进行比较,证明了用粒子群算法调整PID参数可以有效消除系统的冲击,从而使系统更加稳定和可靠。     

飞机地面空调车温度控制的仿真研究

研究优化飞机地面空调车温控制问题,由于飞机地面空调车温度控制是非线性、时变性强的系统,工作环境不确定性,面对复杂系统温控模型不准确,传统的PID控制存在超调量大、响应速度慢、抗干扰能力弱等缺点。为提高温度控制精度,提出了一种新的稳定性好、精度高、抗干扰能力强的遗传-粒子群PID控制方法。结合传统的PID方法,遗传算法和粒子群算法的各自优点,实现了PID参数的在线整定。通过在matlab上进行仿真,实验结果证明算法具有超调量小、响应速度快、精度高、抗干扰能力强等优点,PID控制性能有显著提高,为飞机地面空调车的温度控制设计提供了依据。     

电力系统节能优化控制过程仿真分析

研究电力系统节能优化控制问题.传统的PSO节能控制方法以电力系统总发电成本消耗最小为寻优目标,但是在线路阻抗角较小等特殊情况下,输电线路传输的功率与成本之间呈现弱耦合性,此时把功率与成本关联计算,会引起控制过程的不收敛,控制结果效果差.提出采用多重自适应粒子群的电力系统节能控制算法.算法首先生成大量随机粒子,然后根据当前成本与能耗的最优位置和全局最优位置更新粒子的位置和速度,同时在迭代过程中不断调整调度优化的惯性权重和学习因子,使得所有粒子不断逼近节能调度的全局最优值.仿真结果表明,新的粒子群算法在函数最优值上的搜索精度高于同时期的两种粒子群算法.将改进算法用于电力系统优化仿真中,可以有效的优化电力能耗,实用性高.     

基于粒子群优化算法的聚类分析

基于求解实优化问题时粒子群算法优于遗传算法这一事实,在基于遗传算法的K-均值聚类算法的基础上,给出了一种摹于粒子群优化算法的聚类方法。实验结果显示,基于粒子群优化算法的聚类方法在收敛速度方面明显优于基于遗传算法的聚类方法。     

基于遗传算法和微粒群算法的群体动画造型平台

动漫制作经常需要大量的个体模型。为了解决群体造型的效率性和仿真度问题,提出了基于遗传算法和微粒群算法的群体造型方法——NGP算法,利用该算法实现由一个复杂模型生成复杂模型群体的过程。遗传算法适用于同一类群体的造型,对每种部件应用这种方法形成各种各样的部件库;微粒群算法适用于对复杂模型的部件进行组合,采用这种方法对各部件进行组合优化,以形成模型群体。实现了基于NGP算法的群体动画造型平台。实验结果表明,平台生成的群体仿真度高,且生成过程效率高。     

一种非线性PID控制算法的仿真研究

研究PID控制系统优化问题,工业控制被控对象均具有非线性、时变和大时滞性,引起系统的品质性能差,传统的线性控制难以达到所要求精度。为了提高系统控制精度,利用PID控制器各增益参数与偏差信号间的非线性关系,提出一种非线性PID控制算法。首先将PID参数转化为优化问题,然后采用粒子群算法的全局、并行搜索能力对非线性控制参数进行求解,得到一组最优的PID控制参数。仿真结果表明,相对于传统线性PID控制,非线性PID控制器超调小,调节时间短,并提高了控制精度,有效解决了传统PID难以准确控制非线性对象的难题。     

基于统计优化的车辆半主动悬架自适应控制

推导了使得车体振动加速度均方根值最小的二自由度半主动悬架的最佳阻尼比,分析了最佳阻尼比变化的影响因素;提出了一种基于统计优化的半主动悬架自适应控制算法;该算法不依赖于控制对象的模型及参数,仅依靠振动加速度的统计值,在悬架动行程空间约束下,以一定的电流步长动态地寻找悬架的最优阻尼比;控制的目标是在高频不平的路面上使得振动加速度均方根值最小,以保证良好的舒适性,在恶劣的路面上减少悬架击穿的概率,以保证良好的越野性;跑车试验证明,该算法对路面变化、减振器温度变化、悬架系统参数变化的影响均具有良好的适应性。