基于微粒群优化的控制系统设计研究
【摘要】:随着科学技术的进步和工业生产的发展,面对非线性、高维和不确定等复杂工业生产过程,传统的控制系统在控制精度、响应特性等方面,往往不能令人满意。为此,把智能优化方法引入到控制系统控制器参数的设计、控制对象的参数辨识中,是当前行之有效的控制系统设计方法之一。
微粒群优化(PSO)算法是近年来提出的一种新型群体智能优化算法。它具有算法简单、收敛速度较快,所需领域知识少的特点。本文在对PSO算法及其研究现状进行综述的基础上,进行了基于PSO算法优化设计控制系统的研究,论文主要工作包括:
(1)将PSO算法应用于传统PID和鲁棒PID控制器的参数优化整定。通过不同对象的控制系统仿真实验结果表明,与传统控制器整定方法相比,控制系统具有更佳的闭环控制性能。
(2)系统模型参数估计一直是自动控制领域的研究热点,本文将该问题转化为函数优化问题,并采用PSO算法进行求解,提出了对系统模型参数估计的算法,并通过实例进行了验证。结果表明PSO算法为系统模型参数估计提供了一种新途径,参数估计的效率和精度优于传统方法。
(3)针对复杂非线性对象,本文提出了一种基于PSO算法的PID自适应控制方法,通过运用PSO算法对PID控制器参数进行在线调整,使模型参考自适应控制达到理想的控制效果。仿真结果表明了该方法的良好性能。
文章最后对全文的工作进行总结,并且提出了进一步研究的方向。
|
|
|
|
1 |
涂华军;史耀耀;李敬华;;数控布带缠绕机参数控制系统的研究[J];机床与液压;2006年02期 |
2 |
韩光信;施云贵;孟亚男;王立国;;三容系统状态反馈解耦PID控制[J];吉林化工学院学报;2006年03期 |
3 |
杨启文;陈昊;牛铭;;扩充响应曲线法的递推求解及其在温度自适应控制中的应用[J];河海大学常州分校学报;2006年04期 |
4 |
黄宇;韩璞;王东风;张婧;;基于BP神经网络整定的PID控制在过热汽温系统中的应用[J];仪器仪表学报;2006年S3期 |
5 |
贺慧杰;;基于智能算法的PID控制器参数优化设计的应用研究[J];科技创新导报;2009年08期 |
6 |
刘明明;孙伟;宋永宝;叶家良;;模糊PID控制在粗苯回收中的应用研究[J];自动化技术与应用;2009年08期 |
7 |
徐海;冯冬青;;基于遗传算法和卡尔曼滤波器的PID控制[J];煤炭技术;2010年08期 |
8 |
张向锋;李言俊;;红外成像导引头模糊PD控制器设计与仿真[J];弹箭与制导学报;2011年03期 |
9 |
韩廷印;梁勤蒲;;浅析沧州某酒店空调系统节能改造[J];数字技术与应用;2011年08期 |
10 |
杨建华;杨庆华;;积分分离PID控制实验的参数计算及调试[J];广西大学学报(自然科学版);1993年04期 |
11 |
张涛,李家启;基于参数自整定模糊PID控制器的设计与仿真[J];交通与计算机;2001年S1期 |
12 |
刘学东,薛忠辉,高莉,孙德宝;加热炉燃烧模糊控制系统的研究与应用[J];河北工业科技;2002年06期 |
13 |
赵亮,付兴武,徐广明;基于遗传算法的PID控制及其MATLAB仿真[J];微计算机信息;2004年05期 |
14 |
朱建渠,郑高,云玉新;神经网络PID控制在倒立摆系统中的应用[J];西华大学学报(自然科学版);2004年S1期 |
15 |
李刚阳,李红星,朱文娜;多模型系统的神经网络控制器设计[J];组合机床与自动化加工技术;2005年08期 |
16 |
支阿玲,骆再飞,王寿光,徐月同;一种新型的混合Petri网:步混合Petri网[J];江南大学学报(自然科学版);2005年04期 |
17 |
邹伟,孙瑜,周海君;纸浆浓度的仿人智能PID控制[J];中国造纸;2005年08期 |
18 |
明哲东;赵福宇;;稳压器动态过程的模糊控制[J];核动力工程;2006年03期 |
19 |
郑荣;常海龙;;浮力调节系统在作业型AUV上的应用研究[J];微计算机信息;2006年26期 |
20 |
李春华;李姣;;皮带配料系统模糊控制方法[J];黑龙江科技学院学报;2006年05期 |
|