基于PSO优化的电动舵机自抗扰控制器设计

将自抗扰控制技术(ADRC)引入电动舵机控制系统,针对系统输出的测量噪声,使用反正切非线性函数对ARDC进行改进,并针对自抗扰控制器参数较多,整定难度大的特点,采用粒子群优化算法(PSO)优化参数.利用Matlab/Simulink对某电动舵机控制系统进行建模、实现基本自抗扰控制器得出基本ADRC控制性能数据,采用粒子群优化算法对ADRC参数进行优化,得出PSO优化ADRC控制性能数据.分析两组数据得出经过粒子群算法优化后的参数更能发挥自抗扰控制器的效能,优化过程对ADRC实际应用具有指导意义.     

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.     

基于粒子群算法的自抗扰飞行控制器优化设计

提出了一种基于粒子群算法的自抗扰飞行控制器优化设计方法。方法中,利用自抗扰控制方法抗干扰能力强、鲁棒性好与对模型参数变化适应能力强的特点,设计了自抗扰纵向飞行控制器,以提高飞行控制性能。同时针对所设计的自抗扰飞行控制器参数较多,难以设计的问题,应用粒子群优化算法进行了控制器参数的自寻优设计。仿真结果表明:不需要人工调参,通过粒子群优化算法自寻优获得的飞行控制器参数具有良好的控制性能,提高了设计效率。     

基于差分进化的伺服电机自抗扰控制

针对传统PID、模糊控制算法设计简单,无法对实际系统进行扰动补偿,导致外部未知干拢影响伺服电机的控制,提出一种基于差分进化的伺服电机自抗扰控制技术;通过对自抗扰控制中参数kp、kd的动态整定,对比了基于差分进化算法(DE ADRC)、自抗扰控制算法(ADRC)、PID算法的跟踪误差,结果显示DE-ADRC算法具有明显优势,较ADRC算法、PID算法的跟踪误差分别降低了54％和49％;进一步利用蒙特卡罗统计学算法对控制对象进行仿真,以超调量、调节时间和误差绝对值积分为控制性能评估指标证明所提出的DE-ADRC算法比PID算法和ADRC算法具有更强的鲁棒性和系统抗干扰能力,为伺服电机在实际工程中抗干扰能力的增强提供了技术支持.     

基于改进粒子群算法的四旋翼自抗扰控制器优化设计

针对四旋翼飞行器自抗扰控制器参数较多,人工整定困难且难以得到最优控制效果的问题,提出一种基于改进粒子群算法的四旋翼自抗扰控制器优化方法。在设计了四旋翼飞行器的自抗扰控制器之后,将自抗扰控制器的参数作为粒子群中的粒子进行迭代寻优,同时在传统的粒子群算法基础上,参考遗传算法,对适应值不好的粒子进行交叉保优,以提高粒子的多样性,加快寻优速度。仿真结果表明,对比人工整定参数的控制器,优化后的控制器超调更小,调节时间更快。该方法能够解决四旋翼飞行器自抗扰控制器人工参数整定困难的问题,且优化后的控制器具有更好的控制效果。     

基于粒子群算法的自抗扰控制器参数优化

针对于自抗扰控制器中参数难以整定的问题,提出了基于粒子群优化算法的参数优化设计方法。该设计方法的实质就是选择合适的适应度函数,利用粒子群优化方法对自抗扰控制器的可调参数进行优化。该设计方法运算简单易于实现。对于实现自抗扰控制算法的快速调参具有重要意义。     

无人机空中加油控制设计与仿真

无人机空中加油控制精度问题,无人受油机模型的各种不确定性与来自外部的各种干扰归结为扰动,造成控制精度差。为解决上述问题,提出一种免疫粒子群优化算法的自抗扰无人机自主空中加油飞行控制律设计方法。利用自抗扰控制能够自动检测并补偿内部与外部干扰影响的特点,并利用扩张状态观测器进行估计与补偿,从而增强了所设计飞行控制律的鲁棒性,用免疫粒子群优化算法对自抗扰控制器参数进行了优化研究,以提高设计效率。仿真结果表明,所设计的自抗扰自主空中加油控制系统具有优良的控制性能与较高的控制精度,能够满足无人机自主空中加油的要求。     

PSODE混合算法的ADRC控制

针对自抗扰控制过程中存在的最优参数难以确定的问题,提出一种基于混合PSODE的参数调整算法。采用线性ADRC控制器,利用ITAE值作为子项对系统动态性能进行评价,对于振幅回撤较大的输出增加惩罚策略;针对ADRC控制参数较多、难优化的问题,采用混合PSODE算法进行优化:当PSO的搜索停滞时,新算法异步间歇对pbest空间进行变异,并自适应调整惯性权重使粒子收敛,平衡了算法的全局和局部搜索能力。最后利用所提出的控制算法对锅炉过热汽温系统控制模型进行仿真,结果显示优化后的控制系统具有良好的控制性能和鲁棒性。     

车辆空气悬架PID控制优化仿真

考虑到空气弹簧的非线性特性,建立了2自由度车辆空气悬架系统的振动模型.为了提高车辆行驶平顺性和乘坐舒适性,设计将粒子群优化(Particle Swarm Optimization,PSO)算法与PID控制策略相结合后应用于车辆空气悬架系统控制,并在Matlab/Simulink环境下,对不同车速和行驶路况下的车辆空气悬架进行了仿真分析.仿真结果表明:与传统的PID控制比较,基于粒子群优化的PID控制器使得车辆空气悬架系统的车身垂向加速度(BA),悬架动行程(sws)和轮胎动位移(DTD)的均方根值都有所减少,改善了车辆的平顺性和操纵稳定性.     

开关磁阻电机自抗扰调速优化控制研究

开关磁阻电机速度控制系统是复杂的非线性时变系统,系统变量之间耦合严重,容易产生转矩脉动和噪声,针对上述问题,提出混沌粒子群优化的自抗扰控制方法;首先,依照速度环的模型特点,设计自抗扰控制器,包括跟踪微分器,扩张观测器,以及非线性状态误差反馈率,使用混沌粒子群算法对控制器进行参数调优,得到自抗扰控制器的参数;混沌自抗扰的输出作为参考转矩输入至直接转矩控制器,然后直接转矩控制器将参考转矩转化为脉冲信号输入到电力电子器件中;最后在仿真平台上对设计的控制系统进行实验,并与传统的PD(比例-微分)控制方案以及常用自抗扰控制方案进行对比。结果显示,对于给定的速度阶跃信号和阶跃扰动,混沌粒子群优化的自抗扰控制方法相比于传统的PID和常用的自抗扰参数表现出更优的动态和静态性能,并且在外部参数和内部参数扰动时,表现出良好的抗干扰能力。     

车辆加速度自抗扰控制

高性能的加速度控制是先进车辆动力学和主动安全系统的一项关键技术,其实现的难点在于车辆加速度系统存在有强非线性和不确定性,本文为此提出一种基于自抗扰控制（ADRC）的车辆加速度控制新方法.首先建立车辆纵向运动动力学模型,设计面向加速度控制的发动机–制动器间的协调策略.然后分别导出发动机–车辆加速度、制动器–车辆加速度两个动力学子系统的仿射模型,使用线性离散算法设计车辆加速度自抗扰控制器.最后进行仿真,结果表明自抗扰控制方法能够实现快速、高精度的车辆加速度控制.     

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%。     

腰部外骨骼机器人线性自抗扰控制器参数优化

针对腰部外骨骼机器人线性自抗扰控制器参数难以调整的问题,本文提出一种基于天牛须搜索的改进粒子群算法(PSO)。建立腰部外骨骼机器人模型,采用线性自抗扰控制器,进一步引入改进的PSO对其进行参数优化。该算法通过混沌初始化种群,提高粒子执行效率;采用非线性策略调整惯性因子和学习因子,加强粒子的搜索能力;引入天牛须搜索算法与PSO结合,并采用自适应权重,使得粒子可对周边环境进行较好地判断,避免粒子陷入局部最优。分别通过6个测试函数和建立系统评价指标进行仿真实验,结果表明所提出的算法有更好的收敛精度,优化后的控制器具有更好的控制性能。     

改进遗传算法整定自抗扰控制器参数及应用

非线性自抗扰控制器策略(ADRC)耦合参数众多,单一机制优化算法在进行参数整定时易陷入局部最优解,极大地降低了自抗扰控制器的控制精度。针对此问题,该文提出了一种改进遗传算法(KFC-2PMGA)进行自抗扰控制器参数整定,将核模糊聚类算法应用到遗传算法双种群划分中,并针对聚类所得双种群,分别采用不同的自适应交叉及变异策略,有效地避免了传统遗传算法易产生"早熟"的现象。并以永磁同步电机为例进行仿真验证。结果表明,优化后的自抗扰控制器具有良好的系统响应及控制精度,改进后的遗传优化算法适用于复杂非线性自抗扰控制器参数整定。     

基于递推最小二乘法的仿人机械手控制技术研究

电机自抗扰控制(ADRC)技术是机器人设计制造中的一种常见技术。将其运用于仿人机械手的设计制造,并通过采用递推最小二乘法对电机数学模型系数进行识别,从而对ADRC算法进行优化。不同力矩、速度和位置控制的性能测试试验结果显示电流采样和控制频率为20 kHz,动态位置控制精度达到±20脉冲。结合递推最小二乘法优化后的自抗扰控制技术可有效提高机械手的控制精度,并使之具有较高的响应速度。     

基于遗传算法的自抗扰炮控系统优化设计

针对自抗扰炮控系统调节参数较多,且依赖经验选取参数的局限性,提出一种基于遗传算法的自抗扰炮控系统优化设计方法。本文详细介绍炮控系统模型及遗传算法优化自抗扰(ADRC)炮控系统的步骤。最后,通过数值仿真结果表明:采用遗传算法优化后的自抗扰炮控系统具有良好的瞬态性能和稳态性能,响应时间短,超调量小,控制效果理想。     

基于QDRNN-ADRC的重力稳定平台控制研究

针对稳定平台系统存在系统模型不够精确或者参数变化,或者外部干扰未知等现象,以及采用自抗扰控制器存在参数众多且难以整理的问题,提出了一种基于准对角递归神经网络—自抗扰控制器(QDRNN—ADRC)的重力稳定平台控制算法.通过自抗扰控制器对系统的"总扰动"进行估计并补偿,同时引入神经网络的辨识功能对自抗扰控制器部分参数进行在线整定,基于自抗扰控制技术核心架构设计了QDRNN—ADRC.仿真结果表明:有效解决了重力稳定平台利用神经网络的辨识功能对自抗扰控制器部分参数进行在线整定外扰动的干扰以及参数自适应整定问题,相对于传统控制方法,其在稳定精度、快速性及抗干扰性方面均具有一定优势.     

一位走在时代前列的学者—–纪念韩京清先生逝世十周年

正今年是韩京清先生逝世十周年,然而他所提出的以自抗扰控制(ADRC)为核心的关于对待控制问题以及进行控制系统设计的独特思想越来越焕发出蓬勃生机,自抗扰控制在工业界得到实际应用的成果不断出现,由自抗扰控制思想引发的关于如何认识控制问题、如何有效进行控制设计的研究也越来越广泛     

自抗扰控制器参数整定与优化方法研究

根据自抗扰控制器(ADRC)对系统按所谓"时间尺度"来进行分类的特点,提出一种基于"时间尺度"模型识别和遗传算法的ADRC参数自整定及优化的方法。仿真表明:用简单线性模型对实际过程"时间尺度"的辨识简便易行。加入惩罚策略的浮点遗传优化算法能高效地完成控制器众多参数的大范围寻优,摆脱了ADRC控制器参数整定和优化对经验的依赖,具有广泛的应用价值。     

基于遗传优化自抗扰控制器的机器人无标定手眼协调

研究机器人无标定手眼协调控制,提出了自适应遗传算法(AGA)选取与优化自抗扰控制器(ADRC)参数的方法,较好地解决了其过多参数难以调节的问题．采用两个结构相同的一阶ADRC实现了六自由度机器人的无标定视觉跟踪控制,以及Motoman-SV3XL机器人的视觉定位．实验结果验证了算法的可行性和有效性．