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。     

二自由度机器人轨迹跟踪误差控制优化研究

为了提高2自由度机器人控制系统响应速度,降低其输出误差,设计改进模糊PID控制器,并对2自由度机器人角位移跟踪效果进行仿真验证。给出多连杆机器人的动力学模型,设计模糊PID控制器。利用粒子的迭代搜索原理对模糊PID控制器参数进行优化,从而得到模糊PID控制器参数的最优值,使机器人控制系统具有更好的抗干扰能力。以2自由度机器人为例,利用Matlab软件对机器人角位移和转矩进行仿真,在不同环境中比较优化前和优化后的输出效果。结果显示：采用改进粒子群优化算法优化PID控制器参数,2自由度机器人控制效果明显优于模糊PID控制器。2自由度机器人优化后的模糊PID控制器,不仅响应速度快,而且抗干扰能力强。     

粒子群优化变论域模糊PID控制在风电机组变桨距中的应用

风力发电机变桨距系统采用传统PID控制,不仅超调大、调节时间长、精度低,而且在超过额定风速时,风电机组的输出功率波动比较剧烈,误差较大。该文采用粒子群优化算法改进变论域模糊PID控制器,仿真结果表明:粒子群优化变论域的模糊PID控制器具有良好的动态性能及对风速扰动的鲁捧性,可以平稳地输出功率。     

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。     

电液数字伺服双缸系统PSO-PID同步控制

将粒子群算法与传统的PID控制器相结合,并采用平方误差矩积分函数作为适应度判据,构成了PSO-PID控制器。以电液数字伺服双缸系统的PID参数优化为例,使用粒子群优化算法对PID参数进行优化。仿真结果显示:PSO算法使得PID控制参数调整速度较传统方法快,产生超调量较小,该方法的调节效果较好。     

并联机器人的粒子群优化神经网络自适应控制算法研究

针对传统控制算法对并联机器人的控制效果不好的问题,提出了一种并联机器人的粒子群优化神经网络自适应控制算法,该算法在基于神经网络的自适应PID控制算法的基础上,首先对粒子群优化算法进行惯性权重的优化和收缩因子的改进,然后将该改进算法应用于原算法上。仿真试验结果表明,提出的粒子群优化神经网络自适应控制算法,在性能上远远优于传统PID控制算法和基于神经网络的自适应PID控制算法。     

快速刀具伺服分数阶PID控制仿真的研究

利用分数阶PID控制,提出了一种新的快速刀具伺服(FTS)跟踪控制方法,以改善FTS的控制性能。根据差分进化算法,讨论了分数阶PID控制器的参数整定;通过数值仿真,考察了该方法的可行性和有效性。针对FTS的轨迹跟踪,根据响应时间、跟踪精度等指标,详细比较了分数阶PID控制与传统PID控制的性能。仿真结果表明,分数阶PID控制器的阶跃响应时间约为5×10-7s,是PID控制响应时间的42%,对频率为1 kHz,幅值为1μm的正弦信号的跟踪误差约为6 nm,是PID跟踪误差的50%,验证了基于分数阶PID控制器实现FTS轨迹跟踪控制的可行性和优越性。     

仿人机器人PID控制优化仿真研究

当前,机器人在复杂环境中避障效果较差,导致机器人运动路径较长。为了提高仿人机器人控制系统响应速度,缩短其避障运动路径,设计了优化PID控制系统,并对仿人机器人控制系统避障效果进行仿真验证。首先,设计出仿人机器人线性倒立摆模型,推导出仿人机器人运动位移一阶线性方程;其次,对传统PID控制系统进行改进,提出了优化PID控制系统的粒子群算法（PSO）;再次,利用粒子迭代搜索到PID控制器参数的最优值,使仿人机器人控制系统响应速度快,避障效果发挥到最优状态;最后,利用Matlab软件对仿人机器人角位移和位移进行仿真,在不同环境中检测其输出效果。结果显示：采用传统PID控制系统,仿人机器人响应速度慢,超调量较大,在避障过程中,其运动路径较长;采用PSO优化PID控制系统,仿人机器人响应速度快,无超调量,在避障过程中,其运动路径较短;仿人机器人优化后的PID控制系统,不仅响应速度快,而且避障效果好,为机器人自主避障提供了更好的控制系统。     

基于改进粒子群算法的大迟延热工对象PID参数优化

对粒子群算法进行改进,并应用于大迟延热工对象,对PID控制器参数进行优化。本算法加快了粒子群算法的收敛速度,提高了寻优能力。将改进的粒子群算法和标准粒子群算法进行比较,结果表明:利用改进粒子群算法整定的PID参数,减小了超调量,同时缩减了调节时间。     

移相全桥DC/DC变换器分数阶PI~λD~μ控制的研究

针对传统PID控制已经难以达到移相全桥变换器对输出动态响应的要求,将分数阶PIλDμ控制器应用到移相全桥变换器中,提高其动态特性。首先,在Buck变换器基础上,建立移相全桥DC-DC变换器小信号模型。利用粒子群优化算法对分数阶PIλDμ参数的整定,获取最佳PID参数。最后,分别在MATLAB/Simulink中搭建的仿真模型和3k W实验样机,对分数阶PIλDμ与整数阶PID进行比较。仿真与实验样机的结果均验证分数阶PIλDμ控制策略的可行性和有效性。     

基于改进粒子群优化PID的矿用机电设备控制策略

针对矿用机电设备自动控制误差大、实时性差的问题，文中基于改进粒子群优化PID算法，设计了一种矿用机电设备优化控制策略。在矿产行业常用电机设备工作特点的基础上，推导了其定子电压、磁链方程和传递函数。使用模糊PID控制算法来改善PID算法超调严重问题，同时采用动态惯性权重对粒子群算法进行改进，改进后的粒子群算法被用来对PID控制参数进行优化，从而实现PID控制器的最佳性能。实验测试结果表明，所提控制策略的超调量为0.035%,过渡时间为0.35 s,相比于传统PID控制模型分别降低了0.015%和18.6%,证明该方案具有一定的工程应用价值。     

采用改进粒子群算法与人工神经网络相结合的车辆转向控制研究

为了提高车辆转向控制系统输出精度,改善车辆行驶的稳定性,提出了改进人工神经网络PID控制器.创建车辆平面参考模型简图,建立车辆运动参数的数学关系式,推导出车辆横摆角速度的动力学方程式.在传统PID控制器基础上,结合人工神经网络模型,采用改进粒子群算法对人工神经网络PID控制器进行在线优化,动态调整PID控制器参数,实现车辆转向控制系统的最优输出,在不同工况路面进行车辆横摆角速度仿真实验.结果表明:采用改进人工神经网络PID控制器,不仅可以提高车辆转向控制系统的响应速度,而且输出的摆动角速度误差较小.车辆在复杂工况路面行驶,其转向系统采用改进人工神经网络PID控制器,有利于提高车辆行驶的稳定性.     

改进粒子群算法在主动磁悬浮轴承系统中的应用

通过分析得知,主动磁悬浮轴承系统本身是一个不稳定系统,可以采用PID控制器对其进行控制。但是传统PID控制在主动磁悬浮轴承系统中还存在着不足之处,为此可以将粒子群优化算法与常规PID控制相结合,对PID控制器中的参数进行优化,使系统能够达到更好的控制效果。采用了一种改进粒子群算法,对算法中的惯性权重w进行自适应调节,从而使得算法能够更快、更准确地寻找到最优值。通过Matlab/Simulink构建系统模型并进行仿真对比,改进粒子群算法可以使得系统达到更好的控制效果。     

PID控制器的量子粒子群多目标优化设计

智能算法如粒子群算法已被应用于PID控制器的参数优化,以弥补传统优化方法容易产生振荡和较大超调量的不足,但是粒子群算法存在易于早熟的缺点,在分析量子粒子群算法的基础上,提出了使用量子粒子群算法优化PID控制器的参数.为了兼顾控制系统的各项性能指标,根据控制器的实际要求对各项指标进行加权作为算法的目标函数,对PID控制器进行多目标寻优.通过2个传递函数实例,分别使用Z-N、粒子群算法和量子粒子群算法进行了PID控制器参数优化设计,并对结果进行了分析.     

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。     

基于蚁群优化分数阶PID的充电控制研究

考虑到分数阶PID较传统PID增加的积分阶次和微分阶次所增强的控制作用,采用分数阶PID控制器对充电系统进行控制,以提高锂电池充电稳定性和效率。结合蚁群算法基本思想,推导设计一种分数阶PID参数优化算法,并给出了算法理论公式和具体实现步骤。基于MATLAB/Simulink平台,建立了所提出的蚁群优化分数阶PID控制器以及锂电池充电控制模型,进行仿真研究。结果表明,参数整定优化后的分数阶PID控制系统具有更优的响应速度、稳态性能和鲁棒性。     

一种基于改进的粒子群优化算法的神经网络PID控制器

针对多输入多输出(MIMO)复杂过程控制中控制性能偏慢等问题,对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳,提出了一种粒子群优化算法,提高了PSO算法的收缩因子以保证优化的收敛性,并进行了Matlab仿真。研究结果表明,所提出的神经网络PID控制器的改进粒子群算法优化,在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。     

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。     

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。     

改进粒子群算法在磁轴承中的研究

针对主动磁悬浮轴承系统PID控制器参数设计问题,提出一种改进粒子群优化算法来实现PID参数的最优化。该算法以标准粒子群算法为基础,采用非线性自适应调节权值法以平衡算法的全局搜索和局部改良能力;同时采用带有动态扰动项的粒子速度更新公式,增加了粒子的随机性和多样性,帮助粒子在迭代后期跳出局部最优。并在MATLAB/Simulink中搭建系统模型进行仿真实验。仿真结果表明:与标准粒子群算法和遗传算法相比,该算法收敛到最优参数值的速度更快,PID控制系统的响应速度更快,具有更好的动态性能和稳态性能。