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。     

基于自适应变异DE算法的PID参数整定优化

针对工业过程中的PID参数整定难的问题,在分析传统差分进化算法的基础上,提出了一种自适应变异的差分进化算法,用于PID控制器的参数优化。改进算法定义了群体相似度系数和个体优劣系数,根据群体相似度系数动态调整变异操作,发挥不同变异操作模式的优点,使得算法同时兼顾了全局搜索和局部搜索的能力,根据个体优劣系数自适应调整交叉概率因子,改变以往交叉概率因子为定值常数,算法能够根据变异个体优劣选择合适的交叉概率因子。将改进算法用于以直流电机模型为被控对象的PID控制器参数整定优化中。仿真实验研究表明,相较于传统PID,DE-PID和QPSO-PID控制,AMDE-PID控制器具有更快的响应速度和稳定精度。     

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。     

基于改进差分进化算法的液压自抗扰控制器设计

液压伺服系统由于控制精度高、功率密度大受到广泛应用,但其自身在运行中存在较大的扰动和非线性,使其精确位置控制存在一定的难度。自抗扰控制器（ADRC）是一种新型的控制器,它对于强不确定性和非线性有较好的控制能力,但它是一个多参数非线性控制器,其优化设计的难度远远高于PID等传统控制器。提出一种改进差分进化算法,使用了一种新型的目标函数,并将其应用在液压伺服系统的自适应自抗扰控制器设计中。仿真实验结果证明：改进差分进化算法相比较于其他方法具有更强的全局搜索能力,设计的自抗扰控制器能更好地适应液压伺服控制的需要。     

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。     

基于线性自抗扰控制器的异步电机调速系统

针对异步电机难以建立精确的数学模型和矢量控制系统参数鲁棒性差的问题,提出了用线性自抗扰控制器控制异步电机调速系统.线性自抗扰控制器不需要电机的精确数学模型,通过线性扩张状态观测器估计出电机模型中的耦合项及参数摄动等引起的总扰动并加以补偿,能够实现磁链和转矩的完全解耦,从而提高系统性能.为了验证上述方案,对空载起动,突加负载,给定转速变化、转子电阻变化、转动惯量变化等情况进行了仿真,并与自抗扰控制器控制的异步电机调速系统进行了比较.仿真结果表明线性自抗扰控制器和自抗扰控制器一样,无超调、响应速度快、动态速降小、静态无误差,且对负载扰动、电机参数变化等具有很强的鲁棒性,但线性自抗扰控制器需要整定的参数大大减少了.     

融合模拟退火策略的萤火虫优化算法

萤火虫算法是群智能领域近年出现的一个新的研究方向,该算法虽已在复杂函数优化方面取得了成功,但也存在着易于陷入局部最优且进化后期收敛速度慢等问题,而模拟退火机制具有很强的全局搜索能力,结合两者的优缺点,提出一种融合模拟退火策略的萤火虫优化算法。改进后的算法在萤火虫算法全局搜索过程中融入模拟退火搜索机制,在局部搜索过程中采用了回火策略,改善寻优精度,改进了萤火虫算法的全局搜索性能和局部搜索性能。仿真实验结果表明：改进后的算法在收敛速度和解的精度方面有了显著地提高,证明了算法改进的可行性和有效性。     

电液位置伺服系统降阶自抗扰控制

针对传统自抗扰控制应用于电液位置伺服系统时存在观测器阶数过高,造成状态观测器观测变量多、负担重、相位滞后严重及系统响应超调大等问题,采用降阶自抗扰控制方案进行处理。将系统位置信息视为已知,以降低观测器阶数,可有效削弱观测滞后、降低系统超调、提高系统抗扰能力,同时减少了控制器待整定参数,提高系统的稳定性。采用MATLAB与AMESim进行联合仿真。结果表明：与采用传统自抗扰控制器的系统相比,采用该控制策略的系统超调量降低79.8%,调整时间缩短22.7%,改善了电液位置伺服系统的控制性能,具有更优的抗扰性能。     

基于智能融合优化算法的锚杆钻机液压系统控制策略研究

根据传统Z-N法整定PID控制器参数的不足,提出基于智能融合优化算法的PID参数整定策略。仿真结果表明:用该算法整定PID参数有效、快速、准确,具有最优性。将该算法应用于锚杆钻机液压系统控制策略研究,仿真和实验表明:当变行程机构缓冲腔峰值油压变化时,智能优化算法跟据所需功率最大原则,寻找合适系统和工作油压,引起缓冲外套位移及冲击活塞行程变化,以此改变冲击能和冲击频率,实现了锚杆钻机根据工作对象的变化,自动调整工作参数,确保设备合理参数匹配下的最大功率工作。对于其他的控制对象和控制过程有一定的参考价值。     

改进自抗扰的PMSM双环伺服系统控制研究

永磁同步电机(PMSM)在电机参数本身变化和外部负载干扰等复杂环境下,传统控制方法无法满足伺服系统对于精度高、抗扰性强和稳定性好的要求。针对该问题,提出一种改进自抗扰(ADRC)的双环控制策略。结合PMSM控制模型和ADRC参数在PMSM中的实际物理意义,设计了改进扩张状态观测器(ESO)的二阶非线性自抗扰控制器实现对位置和速度的联合控制,简化了控制结构以提高伺服系统响应速度,设计了一阶线性自抗扰控制器实现对电流的控制,减小其对外环的影响以进一步提高伺服系统对高性能要求,给出了双环控制器一整套参数整定方法。在MATLAB/Simulink上的仿真实验结果表明,相较于标准ESO,改进ESO更加遵循实际,整个控制策略对于负载扰动和参数摄动表现出很好的抗扰性能和控制精度。研究结果表明,该控制策略能够有效满足PMSM伺服控制系统对高性能的要求。     

基于CGSOA-BPNN优化AlCoCrNiFe高熵合金涂层等离子喷涂工艺参数

目的 解决等离子喷涂工艺参数耦合导致的参数选取困难问题,提高AlCoCrNiFe高熵合金涂层力学性能.方法 提出全局混沌高斯融合的海鸥算法(CGSOA),优化权值和阈值,使BP(Back Propagation,反向传递)神经网络训练输出理想控制参数.利用改进logistic混沌序列实现网络参数初始化种群的全局搜索,提...     

机器人运动双闭环控制策略

为解决蝙蝠算法无法进行高维计算的问题,将定向环节与蝙蝠算法结合,避免过早收敛,增强探索能力,使它能够进行高维计算,更快搜索到全局最优解。通过建立数学模型,在MATLAB/Simulink中进行仿真并进行实验验证。结果表明：基于定向蝙蝠算法优化的自抗扰控制器的直流电机能够减少超调、响应速度快、抗干扰能力更强、精度更高。     

基于PSO-LSSVM算法的表面粗糙度预测模型与应用

为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型。以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣。结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度。基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统。该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数。     

混合策略改进鲸鱼优化算法在圆柱度误差评定中的应用

机械零件的形位精度对其互换性以及功能质量具有极其重要的影响,其中圆柱度误差是评价回转类零件精度的一个重要指标。设计一种基于混合策略改进的鲸鱼优化算法,以提高圆柱度误差在评定过程中的精度和收敛速度。首先,在初始种群的生成中引入Tent混沌映射和非线性参数,以提高解的质量;其次,为了改善算法的局部搜索能力,在螺旋式位置更新阶段引入一个自适应权重系数;最后,在随机搜寻阶段引入莱维飞行从而提高全局搜索能力。通过采用不同优化算法的实验和结果对比分析,提出的算法在圆柱度误差评定精度和速度方面均有一定提升。     

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。     

基于人工鱼群算法的永磁同步电机模型预测控制研究

针对基于模型预测控制算法的永磁同步电动机的控制问题,提出了一种基于人工鱼群算法的改进型PID-模型预测控制算法。首先构建了基于矩阵变换器的永磁同步电机系统模型,并采用了新的输入滤波器。然后利用人工鱼群算法完成PID-模型预测控制中的参数整定,从而解决了原有算法参数优化精度不高的问题,能够迅速地获得全局最优解。永磁同步电动机的力矩控制性能仿真实验结果表明:相比原有PID-模型预测控制算法,提出算法具有更快的收敛速度和控制效果。     

基于多克隆粒子群的无心磨削工艺参数优化

为了选择无心磨削的最佳工艺参数,建立了磨削工艺参数优化模型,并提出了一种多克隆的粒子群优化算法。将克隆复制、克隆交叉、高频变异和克隆选择引入粒子群优化算法中,从而改善基本粒子群算法容易陷入局部极小值、收敛速度慢的缺点。与其他相关算法相比,新算法在进行磨削工艺参数优化时,搜索速度更快、搜索能力更强。     

基于PSO-ACO融合算法的物流车辆路径优化与控制研究

传统蚁群算法在解决物流配送路径问题时容易出现“早熟”问题,使路径寻找速度和优化结果受到影响。为更合理进行车辆路径调度管理,提出一种粒子群-蚁群相融合的物流配送路径规划算法,该算法充分利用粒子群较强的全局搜索能力和搜索速度快的特点,将得到的次优解转化为蚁群算法中的初始信息素的增量,最后利用蚁群算法的正反馈机制求解问题的精确解。研究结果表明:与单一算法相比,融合算法能快速有效地确定物流配送路径,具有较快的寻优速度和收敛精度,更合理的控制物流配送成本。