电机泵阀协调控制作动系统的建模及仿真

飞机作动系统的性能直接决定飞机飞行品质,电机泵阀协调控制作动系统相比于其他协调控制作动系统具有显著的特点,它是一个电机、泵和阀3者参数均可调节的功率电传电液作动系统.由于系统的复杂度,对整个系统建模和仿真具有一定的难度.利用AMESim软件分别对电机、泵和阀控系统进行建模仿真,并根据得到的结果对模型的关键部分进行合理简化,从而得到精确的简化模型,为对整个系统进行数学分析提供参考.     

基于优化粒子数和分段权值的粒子群直线电机PID整定

以工程中直线电机伺服系统为研究对象,提出一种优化粒子数量加分段式惯性权重递减的粒子群PID控制器参数优化算法。优化粒子数量的方法可降低函数调用次数,通过对近两代的全局最优值进行比较,得到的误差值如果大于设定值,认为是在初始寻优阶段,保持粒子数量,否则在最终优化阶段,减少粒子数量,所减少的粒子特征是最接近最佳粒子的粒子,以保证在欧氏距离内实现粒子的分散性。最后再结合指数衰减曲线加线性递减曲线构成的分段式惯性权重递减策略提升算法的全局寻优和局部寻优能力。经数值验证分析,该优化算法在保证遍历性的同时,在一定程度上提高了算法的运行速度和寻优精度。实验仿真结果表明,该算法对PID控制器进行参数优化,直线电机系统响应速度快,超调量小,调节时间短。     

粒子群优化模糊控制器在无刷直流电机控制中的应用研究

针对模糊控制器参数在线调节方面的不足,提出了一种基于粒子群算法优化的模糊控制器,对模糊控制器参数进行全局优化,并用于无刷直流电机的控制中.系统使用电流和转速双闭环控制,速度环采用粒子群优化模糊控制器.并在仿真实验中实现控制器参数的在线调节,系统较好地实现了给定速度参考模型的自适应跟踪,具有控制灵活、适应性强等优点,同时又具有较高的控制精度和较好的鲁棒性.     

基于粒子群优化的多智能体协作进化方法

提出了一个用粒子群算法解决多智能体协作进化的方法,设计了多智能体协作的粒子表示方法,给出了基于粒子群算法的多智能体协作推箱子的仿真实例。仿真结果表明:基于粒子群算法的多智能体协作进化能够适应新任务的动态变化,说明粒子群优化算法是实现多智能体协作进化行之有效的方法。     

伺服系统转动惯量辨识及控制器PI参数优化

在机器人运行时,为了使伺服电机在最优性能下达到目标速度、在工作过程中有着更强的抗扰动能力,并避免出现震荡、谐振的状况,从而造成机器人运行时动态稳定性严重降低。提出一种基于非线性动态学习因子的粒子群优化算法,对普通粒子群优化算法进行改进。该算法以伺服系统控制模型中的速度控制器为核心,实时辨识负载转动惯量值,使伺服系统内部控制参数根据实际工况调节;运用该辨识值,通过计算得到速度控制PI参数值,并实时修正速度控制器PI参数值。MATLAB/SIMULINK仿真结果表明,与传统的粒子群优化算法相比,无论在电机启动过程中、还是负载扰动下,该方法都具有更快的响应速度、更高的控制精度以及更强的抗干扰能力。     

基于神经网络和粒子群算法的切削参数现场实时优化

为了使金属切削加工中，能实现切削参数的实时优化，保证产品质量和设备效率，提出了一种新的切削参数最优化方法，引入加工时间、加工精度、加工成本三个目标控制量，建立了多目标非线性规划模型。并用惩罚函数法将多目标非线性约束规划问题转换成无约束非线性单目标规划问题。通过对神经网络和粒子群算法的有机结合，并充分利用了粒子群算法和BP网络各自具有的优点，对模型进行了求解。数值试验表明该方法能较好地解决切削参数的优化问题。     

强未知输入干扰下的飞控伺服作动系统鲁棒故障检测

针对飞控伺服作动系统具有非线性、多种强未知输入干扰的特点,基于未知输入观测器进行了系统的鲁棒故障检测研究。考虑飞控伺服作动系统的气动力负载、供油压力波动等强未知输入干扰,建立了系统的非线性模型。采用一种全阶未知输入观测器结构设计了系统的未知输入观测器,并给出了观测器求解算法。对飞控伺服作动系统的非线性模型进行了转化,并给出了使用未知输入观测器的系统故障检测方法。进行了多种强未知输入干扰下的飞控伺服作动系统鲁棒故障检测的仿真试验,验证了故障检测算法的有效性和鲁棒性。     

基于优化非线性控制的齿轮传动系统动态误差研究

针对齿轮传动系统运动角位移跟踪误差较大、振动幅度相对严重等问题,对直齿圆柱齿轮运动过程中产生的角位移和输出扭矩等进行研究。建立齿轮传动系统模型,给出齿轮传动系统动力学方程式。对传统线性PID控制系统进行改进,设计非线性PID控制系统。引入粒子群算法,对粒子群算法权重系数进行改进。采用改进后的粒子群算法优化非线性PID控制系统,通过反馈误差对PID控制器参数进行调节,从而达到控制系统输出误差的补偿目标。利用MATLAB软件对优化后的齿轮传动系统输出误差和扭矩进行仿真,并且与线性PID控制结果进行对比。结果表明:与线性PID控制系统相比,优化后的齿轮传动控制系统能够在线调节各项控制参数,从而提高齿轮传动精度。该控制系统反应速度快,稳定性较好,抗干扰能力强,具有较高的控制精度。     

柔性调度多目标优化的混合粒子群算法研究

研究多目标柔性调度问题,提出了一种基于多目标粒子群优化算法和局域搜索技术相结合的新算法.建立以最大完成时间、机器总负载和最大机器负载为目标函数的多目标数学调度模型.将粒子群算法运用到机器分配子问题;局域搜索技术运用到工序排列子问题,对粒子群算法得到的结果进行再调度.粒子群优化算法的全局搜索能力与局域搜索技术相结合,加快了算法的收敛速度.最后通过与其他算法进行测试比较,验证了该算法的可行性及有效性.     

基于多目标粒子群算法的直线感应电机机构优化设计

为了得到更大起动推力,满足高压断路器开断性能和机械性能要求,论文对操动机构用圆筒型直线感应电机(C-LIM)进行优化设计,把粒子群优化算法(PSO)引进到C-LIM的优化设计之中。并针对电机优化问题的具体特点,提出多目标粒子群算法(MOP)用于C-LIM的全局优化。根据C-LIM应用于高压断路器操动机构的结构和性能要求,建立了多目标优化设计数学模型;并采用Matlab工程计算工具,编写了C-LIM的MOP设计程序,同时还制作了可视化界面(GUI)。对优化结果分析,表明MOP设计要好于单目标优化设计。优化的C-LIM,在推力增加的同时使电机结构尺寸整体缩小、重量减轻,提高了C-LIM操动机构的实用性。     

基于混合粒子群算法的注塑机电液伺服系统控制研究

注塑机电液伺服系统是一个时滞、非线性复杂系统,传统PID控制往往难以取得理想的控制效果。为了获取良好的控制效果,提出一种用混合粒子群算法优化PID控制器参数的方法,将模拟退火算法引入到粒子群算法中,能够更加快速、准确寻优出PID控制器最优参数。利用MATLAB仿真软件建立注塑机电液伺服系统控制模型,将混合粒子群算法与粒子群算法、遗传算法进行对比。仿真结果表明:利用混合粒子群算法优化的PID控制器收敛速度快、准确性高、鲁棒性强,明显提高了系统的控制性能。     

基于粒子群优化的焊接工作台伺服系统PID控制

提出了基于粒子群优化的焊接进给工作台位置PID控制。焊接进给工作台是焊机伺服系统的重要组成部分,其位置控制对提高焊接质量具有重要意义。采用简单高效的PID控制算法,但由于焊接伺服系统具有非线性等特点,使得PID控制器参数调整困难,传统的齐格勒—尼柯尔斯法则参数整定效果不佳。粒子群算法是一种全局优化算法,可以有效地实现PID参数整定,因此,在Simulink软件下建立进给工作台位置控制模型,采用粒子群算法来实现PID参数的调整,并进行了仿真。仿真结果显示,基于粒子群优化的PID控制器具有超调量小、精度高的特点,控制效果明显好于齐格勒—尼柯尔斯法则。     

基于改进粒子群算法的六自由度机械臂时间最优轨迹规划

针对六自由度机械臂时间最优轨迹规划问题,提出一种基于改进粒子群算法的4-3-4混合多项式插值轨迹规划算法。算法采用自适应惯性权重,它能根据搜索过程的各个阶段采用相应大小的权重,有利于跳出局部最优陷阱,保持粒子群多样性;以非线性学习因子代替传统粒子群算法中固定的学习因子,有效提高算法的收敛速度和求解精度。通过MATLAB进行仿真验证,结果表明改进粒子群算法收敛速度提高46%,寻优精度提高38%,同时机械臂轨迹规划时间缩短了大约36%,充分地证明了该轨迹规划算法的可靠性和优越性。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

基于改进粒子群算法的PIDNN解耦控制研究

对于具有非线性、强耦合、大迟滞特点的多输入多输出的非线性系统,传统的控制方法无法对其进行精确解耦,导致控制精度较低。提出一种基于免疫机制的改进粒子群算法,并用此方法对PID神经网络权值进行优化,形成新型PID神经网络控制器。利用两个PID神经网络控制器对双输入双输出耦合系统进行控制以减弱系统的耦合影响。通过仿真结果表明：相对于传统PID解耦控制,该算法具有更好的动态和静态特性。可为控制领域中的解耦问题提供一定的参考。     

粒子群复形法求解生物反应器的补料优化

动态系统优化是过程设计、操作及控制的一个重要课题,但有效地求出其全局最优解是困难的.现今各种算法求解此问题时需要增强算法的优化性能和算法的简洁性;而遗传算法求此类问题时需要进行离散化,本文为此提出用粒子群复形法求解此类问题.此算法是在充分考虑粒子群算法与复形法的特性,保持复形法的迭代机理,同时加入粒子群算法基本思想,再结合几何分点、梯度与信赖域等的基础上提出的;以克服粒子群算法与复形法易陷局部极值的不足.性能测试的结果表明:该算法简便、可行、高效;最后将所提出的算法用于Park-Ramirez生物反应器补料流率的动态优化,也取得了满意的效果.     

基于CAPSO-RBF的磁悬浮系统控制研究

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化(CAPSO)的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明：基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。     

改进的PSO算法及其在控制系统参数整定中的应用(英文)

针对传统PID控制对非线性、强耦合控制系统的控制效果不佳,参数整定难度大的情况,基于改进的PSO算法,设计了一种HSIC控制器。该设计借助改进的粒子群算法对控制器参数整定进行了优化研究,基于粒子群算法,借鉴遗传算法中操作因子特性,提出了一种具有遗传思想的改进粒子群算法。在Matlab环境下,通过对标准函数的仿真实验测试,验证了该改进算法的优越性。利用Simulink工具对所设计的2种控制器进行了仿真比较研究,仿真实验表明,所设计的仿人智能控制器具有较好的控制品质,有比较好的可实现性。研究表明,整定后的控制器可以满足受控系统的控制品质要求。     

基于粒子群算法的EPS系统控制策略

电动助力转向控制是EPS系统的基本控制策略。针对EPS系统的稳定性和快速性的要求,通过EPS系统各部分动力学方程,建立了基于MATLAB/Simulink的仿真模型,对常规PID控制和基于粒子群算法的PID控制进行了仿真对比。仿真结果表明：基于粒子群算法的PID控制策略,使EPS控制效果得以改善,系统响应时间快,鲁棒性好,趋于稳定所用时间短,为实现EPS的稳定性和快速性提供了理论依据。     

SVR-PSO算法在慢走丝线切割参数优化中的应用

针对慢走丝线切割加工中难以同时获得较快加工速度和较优表面质量的问题,从其加工参数与加工指标之间的高非线性关系入手,选取水压、脉冲时间、脉冲宽度、峰值电流和进给速率作为优化参数,以表面粗糙度(Ra)、材料去除率(MRR)作为优化指标,设计正交实验;创新运用支持向量机(SVR)结合粒子群算法(PSO)建立其多目标预测优化模型,得到最优加工参数。结果表明:所建立的多目标预测优化模型优化效果十分显著,相同Ra下MRR平均提高32%;相同MRR下Ra同比下降25%。