基于BRGWO算法和滤波Smith预估器的气弹系统时滞控制

气弹控制系统的驱动器、闭环信号回路在实际中会存在时滞环节,由于气弹敏感性和环境复杂性,时滞会引起控制信号迟延并导致气弹控制极速恶化、甚至造成系统失稳,该问题以往研究较少。针对翼型时滞气弹控制问题,设计了一种基于BRGWO算法和改进型滤波Smith的最优气弹控制方法。首先,引入二阶滤波器改进Smith预估器,设计了翼型气弹控制器;然后,创新设计了一种双向随机灰狼优化算法(bidirectional random grey wolf optimization, BGWO),提高了时滞下气弹控制参数的全局寻优能力,该算法改进了不同等级灰狼的狩猎策略,提高跳出非理想值机率、避免陷入局部最优。利用最小增益原理,在理论上证明了闭环系统稳定性。仿真结果表明,对比传统智能优化算法(如遗传算法、灰狼优化算法)和多种已有控制器(经典Smith、PI-PD型Smith和传统滤波Smith预估器),该方法具有更强的时滞补偿能力和更优的气弹控制性能,在不确定时滞、不确定风速、刚度变化和驱动干扰等算例下,保持了优良的时滞气弹控制效果,具有较强的鲁棒性。     

基于分数阶内模控制的风力机叶片颤振研究

针对风力机叶片颤振系统,提出了一种结合分数阶(Fractional Order)控制与内模控制(Internal Model Control,IMC)的新型颤振控制方法.利用分数阶滤波器设计了分数阶内模控制器,基于闭环动态特性指标,如相位裕量和截止频率,实现对控制器参数的自整定.通过仿真实验对比证明,针对风力机叶片颤振控制,所设计的控制方法优于传统PID、内模PID控制方法,不仅减少了控制参数,而且提高了动态特性和鲁棒性.