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.     

基于改进粒子群算法的无刷直流电机控制研究

文章针对无刷直流电机(BLDC)复杂的、耦合的非线性的特点,克服传统的控制算法控制速度精度不高、响应速度慢等缺点,提出了一种基于改进的粒子群算法(PSO)对PID控制器系数自整定的无刷直流电机控制新策略.在Matlab/Simulink中搭建BLDC控制系统的仿真模型,并实现双闭环的控制:速度环采用改进粒子群算法优化PID控制,电流环采用滞环电流控制.仿真结果验证了该控制方法对无刷直流电机调速系统具有良好的快速性、稳定性和鲁棒性.     

基于免疫粒子群的机器人自抗扰控制器参数整定方法

针对利用经验试凑法或其他优化算法整定机器人自抗扰控制器参数,存在整定过程复杂、整定结果不是全局最优等缺陷,提出一种基于免疫粒子群融合算法的机器人自抗扰控制器参数整定方法。该方法将免疫算法的免疫信息处理机制引入粒子群算法结构中,解决了免疫算法优化过程繁杂冗长以及粒子群算法过早陷入局部最优的问题,实现了自抗扰控制器参数整定,快速找到全局最优解。MATLAB仿真结果表明：该方法提高了自抗扰控制器的响应速度和稳定性,适用于机器人自抗扰控制器参数的整定。     

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。     

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。     

多策略改进粒子群优化AGV模糊PID控制

为解决AGV在复杂环境下控制精度低下、响应速度慢和鲁棒性差等问题,提出一种基于改进粒子群优化模糊PID控制方法。在粒子群算法（PSO）引入Logistic混沌映射对种群进行初始化,其次对惯性权重和学习因子进行非线性控制更新,提升种群寻优能力和避免陷入局部最优;选取9个测试函数验证改进PSO算法效果。仿真结果表明改进PSO在寻优精度和收敛速度都优于其他3种算法,而且不易陷入局部最优。最后对被控系统进行效果验证,结果表明改进PSO优化模糊PID控制器在常规和外部干扰两种环境下控制性能都优于传统PID和模糊PID,具有高可靠性、高控制精度,满足系统要求。     

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。     

基于自适应神经模糊推理控制的无刷直流电机转子位置控制研究

为提高无刷直流电机(Brushless DC Motor, BLDCM)在瞬态和稳态条件下的控制性能,提出一种基于自适应神经模糊推理系统(ANFIS)的转子位置控制器。推导出无刷直流电机位置控制数学模型;基于Takagi-Sugeno模型设计ANFIS控制器,分别利用反向传输算法和最小二乘估计法对输入和输出参数进行了优化;对正弦信号和斜坡信号下的转子位置控制效果进行了仿真和实验研究。结果表明:该控制器可实现无刷直流电机快速、准确的动态响应,具有良好的稳态性能。通过仿真和试验,验证了ANFIS控制策略的有效性。     

基于MPSO的电液举升伺服系统自适应模糊PID控制

为提高电液举升伺服系统位置控制精度,提出一种基于改进的粒子群算法(MPSO)优化的自适应模糊PID控制策略。根据流体动力学原理,建立伺服阀控非对称缸系统数学模型,分析系统动态运动特性。综合考虑多种不确定扰动影响,设计自适应模糊PID(AF-PID)控制器,并通过MPSO算法对AF-PID控制器中的量化因子和比例因子进行迭代寻优。利用MATLAB/Simulink和AMESim仿真软件,搭建系统的联合仿真模型,并对所设计控制器的控制性能进行仿真验证。结果表明:相同工况下,相较于常规PID和AF-PID控制器,MPSO-AF-PID控制器作用下系统的轨迹跟踪性能最优,能更好地满足起下管柱作业需求。     

粒子群-蚁群融合算法的机器人路径规划

为了提升移动机器人在全局静态环境下搜寻到达指定目标点的最优路径的能力,提出一种粒子群算法和蚁群算法改进求解路径规划问题的融合算法。改进算法针对粒子群算法易陷入局部极值,利用蚁群算法获得全局最优路径;设置标识栅格,提升路径安全度;同时引入活跃因子增加粒子速度的多样性,根据粒子群算法最优解调整路径上信息素分布,解决蚁群算法中初始信息素缺乏的问题。融入简化算子,对路径做进一步处理,优化路径长度。仿真结果表明,融合算法具有较强的安全性以及改善了算法寻找最优解的能力。     

基于混沌粒子群的铝热连轧多目标轧制规程优化

针对铝热连轧轧制规程制定过程中的多目标问题,提出一种基于混沌粒子群算法的多目标轧制规程优化方法。选取预防打滑和等功率裕度为多目标优化函数;为了提高粒子群算法的收敛性和分布性,提出一种基于混沌序列的动态加权法选择全局最优粒子,并改进了拥挤距离计算方法;提出一种基于模糊偏好的选择策略用以从最优解集中选择最终采用的轧制规程。基于该方法对某铝热连精轧机组轧制规程进行了优化,验证了该方法的有效性。     

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。     

基于混合粒子群算法的铅锌烧结过程产量质量优化

建立铅锌烧结过程的产量质量预测模型及其数学优化模型,利用混合粒子群优化算法对其进行优化。将质量约束的产量优化问题转换为两个目标函数的优化问题,即产量目标函数和违反质量约束条件的程度函数。采用联赛选择算子比较粒子群算法所搜索到的解。当粒子群算法收敛停滞时,沿着当代全局最优解和前一个不同的全局最优解矢量之差的方向进行线性搜索,将搜索到的更优解作为粒子群的当代全局最优解,从而保持粒子群算法的活性。针对工况波动,利用专家规则修正优化参数。实际运行结果表明,该优化方法能在保证质量的情况下在一定程度上提高产量。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

带收缩因子粒子群优化算法对热轧负荷分配的优化

为提高实际生产中的热轧带钢质量及生产效率,建立了兼顾负荷均衡和板形最优的负荷分配模型,采用传统经验法对负荷进行初步分配,并在基本粒子群优化算法中引入收缩因子,提出基于带收缩因子的粒子群优化算法,对初始分配结果进行优化。研究表明,与基本粒子群优化算法相比,收缩因子的引入能够有效地控制粒子的飞行速度,并改善粒子群优化算法的局部搜索能力,增强算法的收敛精度与收敛速度。函数测试结果显示,带收缩因子的粒子群优化算法在3类基准函数中的精度均为最优。负荷分配仿真模拟结果表明,该算法可以很好地满足轧制力和相对凸度的目标需求,体现了带收缩因子的粒子群优化算法的优越性与有效性。     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制（英文）

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明:该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制

为改善粒子群优化算法的寻优性能,提出了一种新的算法———混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明：该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

6R机器人时间最优加加速度平滑的双NURBS轨迹优化

为了提高切削加工机器人的加工效率以及加工稳定性,对机器人加工轨迹进行了优化。在机器人任务空间中用双NURBS曲线描述刀位轨迹及刀轴矢量轨迹,并将其转化到关节空间。将刀轴矢量通过旋转坐标变换转换为机器人旋转矩阵,并结合基于旋量的机器人正运动学方程求取关节角,此角度值作为求运动学逆解的约束条件,以保证机器人加工时刀轴矢量相对于工件表面不变。基于骨干粒子群优化算法提出了一种自适应罚函数的约束多目标骨干粒子群优化算法,对机器人加工过程中的时间、加速度、加加速度等指标进行多目标优化,该算法采用自适应指数罚函数对约束进行处理,为了避免算法早熟,引入时变变异因子,增强了算法全局搜索能力和局部探索能力。最后,通过实验验证所提出算法的正确性和有效性。     

求解Job-Shop问题的改进搜索范围自适应遗传算法

为改善遗传算法求解Job-Shop问题时较差的局部搜索能力,并提高搜索最优解的速度,提出了一种改进的搜索范围自适应遗传算法。该算法采用一种新型的交叉操作,通过交叉和变异搜索过程提高遗传算法的局部搜索能力,同时采取MWKR优先规则优化初始种群。对作业车间调度问题进行仿真研究,结果表明该算法能找到问题的最优解,是可行和有效的。     

基于粒子群的共振解调滚动轴承故障诊断研究

针对共振解调方法需要事先获得带通滤波器参数的不足,提出了一种基于粒子群的自适应共振解调方法。该方法采用改进粒子群算法,以峭度和故障脉冲能量因子为优化指标,对带通滤波器的中心频率和带宽进行自适应寻优,并采用最优带通滤波器对信号进行滤波分析,提取出信号中的故障特征频率,完成故障诊断。数字信号仿真实验和故障轴承诊断试验结果表明,该方法能够在强背景噪声下有效提取出信号中故障冲击频率,完成故障诊断。