基于改进克隆选择算法的自抗扰控制参数整定

针对自抗扰控制器参数多、整定困难的问题,提出了基于改进克隆选择算法的自抗扰参数优化整定方法。该算法通过在进化过程中采用了三层不同的变异进化策略,形成多策略混合协同进化机制,有效平衡了算法的全局探索与局部开发,较好克服了基本克隆选择算法容易陷入局部最优解以及算法后期收敛速度慢的不足。用经典的标准测试函数来检验所提出算法的可行性与有效性,实验结果表明该算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优点。以时滞系统的自抗扰控制器参数优化整定进行仿真验证,结果表明经文中提出算法优化后的控制器具有更小的超调量、更快的调节时间及更高的控制精度。     

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QPSO的液压伺服系统PID参数的优化设计

根据液压系统的动力学模型,确定了PID控制器的控制对象,以综合控制性能为优化目标函数,运用量子粒子群算法对PID参数进行优化整定,优化实例的结果证明遗传算法这一全新的优化方法能快速、有效地得到全局优化解.     

粒子群算法优化的液压球形关节自抗扰控制研究

以液压球形关节为研究对象,针对其多输入多输出、非线性和模型不确定性等特征,采用一种基于改进型粒子群算法(PSO)参数自整定的自抗扰控制器(ADRC)。分析ADRC各参数的意义和整定原则,采用改进的非线性动态方式更新PSO的惯性权重,并引入基于时间乘以绝对误差积分的优化准则(ITAE),运用改进型PSO在线自整定ADRC的参数。利用MATLAB/Simulink建立控制系统仿真模型,结果表明：与传统ADRC相比,经过改进型PSO参数优化的ADRC具有更好的控制性能,在α和β运动方向上超调量分别减小0.3、0.13 rad,调节时间分别缩短0.98、0.59 s。     

液压挖掘机系统控制参数的免疫优化整定方法(英文)

液压系统是工程机械的神经系统,变量泵是液压系统的中枢神经,其工作好坏直接影响工程机械的性能和施工效率.针对步进电机控制机械转换机构可满足液压挖掘机控制系统中泵、阀、缸三者的良好匹配以实现无级变速,但是并未解决最佳动力性和最佳燃油经济性控制的问题,提出了一种基于免疫优化控制的参数整定方法.该方法将节能目标函数作为约束条件直接引入控制器参数的寻优过程,借助免疫优化算法整定控制器参数,所整定的参数既可保证控制器良好的动静态控制品质,同时也兼顾了节能的最优性.文中对多种不同算法的整定参数作了仿真对比实验研究,系统响应曲线显示基于免疫优化的整定参数有更好的控制效果.仿真结果表明,所提出的控制器参数免疫优化整定方法用于液压挖掘机控制系统参数整定是合理与可行的.     

基于免疫原理的控制器参数优化方法(英文)

针对控制器参数在线优化难题,提出了一种基于免疫原理的控制器参数优化整定方法。该方法借助生物免疫原理,将控制器参数整定的最优解和可行解各自抽象为抗原与抗体,采用免疫遗传算法,在满足约束条件下求解出使目标函数J(x)为极值时所对应的控制器参数。论述了设计步骤,描述了参数优化过程,对算法作了仿真比较研究,给出了仿真实验结果,分析了系统性能指标。仿真实验结果显示出了该方法的优势,验证了该方法的合理性与有效性。仿真研究结果表明所提出方法可用于解决复杂控制系统的参数整定。     

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。     

改进PSO算法优化交流伺服系统PID参数研究

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢。为了解决以上问题,提出一种优化交流伺服系统参数的控制方法。基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数。利用MATLAB分别对基于遗传算法(GA)、量子遗传算法(QGA)、粒子群算法(PSO)的伺服系统PID参数整定进行仿真实验及对比分析。通过实验测试基于改进PSO算法和GA算法的PID控制器对伺服系统稳定性的影响。结果表明:利用改进PSO算法对PID参数进行优化整定,使得伺服系统具有鲁棒性强、稳定性高、超调量小等优点。     

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。     

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。     

风干扰下无人机自抗扰控制参数自整定

针对室外环境中的复杂气流扰动对无人机姿态控制的影响,对姿态控制结构和控制器参数自整定进行研究。首先,建立复杂风场环境模型,并将其引入到无人机动力学模型中;其次,在此基础上,设计自抗扰控制器,并针对自抗扰控制参数过多整定困难的问题,使用RBF神经网络实现控制器参数自整定,采用IAE和ITAE性能指标来判断控制器性能好坏。通过与常规PID和反步法进行对比,证明了基于RBF神经网络优化后的非线性自抗扰控制器具有较高的控制精度和较好的抗风扰能力。     

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。     

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。     

基于模拟退火算法的PID参数优化研究

为获得最优的PID控制器参数及探寻更好的PID整定方法,针对模拟退火算法(SAA)全局寻优能力、收敛性、鲁棒性强的特点,提出了一种基于SAA的PID参数优化方法。针对工业过程中的无时滞过程、小时滞过程、大时滞过程、高阶过程模型,分别将综合性能指标ITAE、ITSE、IAE、ISE作为目标函数,借助MATLAB的.m程序和Simulink进行PID参数优化研究,充分验证了基于模拟退火算法的PID参数优化方法的可行性和有效性;并将优化结果与Z-N法、C-C法、ISTE最优设定法三者的整定结果进行对比分析,结果也表明基于模拟退火算法的PID参数优化相对于传统常规方法具有显著的优越性。     

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。     

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.     

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。