基于粒子群优化算法的自抗扰控制器设计

基于粒子群优化算法的自抗扰控制器设计

ID:33326987

大小:225.55 KB

页数:4页

时间:2019-02-24

基于粒子群优化算法的自抗扰控制器设计_第1页
基于粒子群优化算法的自抗扰控制器设计_第2页
基于粒子群优化算法的自抗扰控制器设计_第3页
基于粒子群优化算法的自抗扰控制器设计_第4页
资源描述:

《基于粒子群优化算法的自抗扰控制器设计》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第20卷第2期系统仿真学报@Vb1.20NO22008年1月JournalofSystemSimulationJan一2008基于粒子群优化算法的自抗扰控制器设计史永丽,侯朝桢,苏海滨(北京理工大学自动控制系,北京100081)摘要:针对自抗扰控制器参数难以整定的问题,提出了基于粒子群优化算法的自抗扰控制器优化设计方法。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。设计方法运算简单,易于实现。对某炮控伺服系统的仿真研究表明,这种方法是可行的。关键词:自抗扰控制;粒子群优化;伺服系统;参数优化中图分类号:TP273;TP18文献

2、标识码:A文章编号:1004.731X(2008)02—433.04Auto--disturbance-rejectionControllerDesignBasedonParticleSwarmOptimizationAlgorithmSHIYong—li,HOUChao—zhen,SUHai—bing(DepartmentofAutomaticControl,BeijingInstituteofTechnology,Beijing100081,China)Abstract:Anove1designmethodfortheauto—disturbance—rejection

3、controllers(ADRC)wasproposedtodealwiththedifficultyintheparameterregulationoftheADRC.Pparticleswarmoptimization(PSO)algorithmswereemployedinthismethodandtheoptimaZADRCparameterscouldbefoundedautomaticallytomaketheselectedfitnessfunctionminimized.Thisproposedapproachhassuperiorfeatures,incl

4、udinggoodcomputationalefficiencyandeasyimplementation.SimulationresultsofacertaingunservosystemindicatethattheoptimaldesignmethodiSfeasible.Keywords:auto—disturbance—rejectioncontrol;particleswarlnoptimization;servosystems;parameteroptimization但是,由于ADRC需要整定的参数较多,整定的过程引言和效果在很大程度上依赖于人的经验,且整定

5、的过程耗时而为提高伺服系统的性能,在系统硬件结构和配置已经确繁琐,因此,参数整定问题已成为目前ADRC研究的焦点定的情况下,必须依靠高性能的控制器,尤其是在快速性、之一。对此问题的研究,文献【3—4】将时间尺度技术应用到自准确性等要求比较高的场合,先进的控制策略就更为重要抗扰控制器的参数整定中,已取得了一定的成果。文献【5】[1-2]。实际应用中,有些控制算法由于太复杂而不实用;有从频域角度,分析并推导出线性自抗扰控制器的参数确定方些控制算法虽然简单,但性能又不是很理想。因此,为获得法。文献【4】应用单纯形优化法来整定ADRC的参数。文献理想的伺服控制性能,研究一种工程实用

6、的有效控制方法是f6-7]~分别采用加入惩罚策略的浮点遗传优化算法和自适亟待解决的问题。应遗传算法,对控制器参数进行优化。传统PID控制器由于结构简单,在工业控制中得到了广在优化理论的发展方面,粒子群优化算法(Particle泛应用,但当系统对象的参数变化范围较大或非线性因素显SwarmOptimization,PSO)作为一种新的并行优化算法,目前著时,控制性能大大降低。针对PID控制中存在的问题,韩已广泛应用于科学和工程领域。算法思想模拟鸟群飞行觅食京清研究员提出了新型非线性控制器——自抗扰控制器的行为,通过鸟群之间的集体协作使群体达到最优。与遗传(Auto—Distu

7、rbance—RejectionController,ADRC),近年来已受算法(GeneticAlgorithm,GA)相比,两者都是基于群体的迭代到越来越广泛的关注。ADRC不依赖于系统模型,响应快,搜索,但PSO的收敛速度更快,待调整参数少,且运算简算法简单,参数适应性广,具有强适应性、鲁棒性和可操作单,易于实现,没有遗传算法的编解码和杂交、变异等运算性,已在异步电机的速度控制f】]、大电射望远镜Stewart平]。文献【9]在寻找最优解效率上对两者进行了仿真研究和比台的高精度跟踪控制等不同装置的实物实验中取

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。