不确定对象控制器参数自整定与优化设计研究

【摘要】：不确定对象的控制系统设计是控制理论的一个前沿领域。本文针对不确定对象,提出了多种控制器参数自整定方法及基于PSO算法的控制器优化设计方法,并进行仿真实验,验证了所提出的方法的有效性。本文的主要内容如下: 1.针对具有多模型特性的对象,提出了一种神经元参数自整定PID控制方法和一种PSO-神经元参数自整定PID控制方法。采用自学习和关联搜索的方式,神经元根据对象的动态特性在线调整PID控制器的参数,前者PID控制器参数初值可以随机确定,后者的则通过PSO算法进行优化计算给出。以多纸种造纸机为背景的仿真试验表明,所提出的控制方法达到了满意的控制效果。 2.针对具有严重不确定性的被控对象,提出了一种模糊参数自整定的神经元控制方法,该方法将神经元与模糊运算相结合,采用模糊算法在线整定神经元前馈PI控制器参数。以水轮发电机组为背景进行仿真实验,实验结果证明了所提出的控制方法的有效性以及很强的鲁棒性、很好的控制品质。 3.将微粒群算法(PSO)用于控制器的优化设计,分别提出了基于PSO算法的控制器参数离线优化整定方法,基于PSO算法的控制器在线整定方法,以及基于递进PSO算法的控制器参数整定方法。将所提出的方法分别用于神经元PID控制器、神经元前馈PI控制器的参数优化整定,仿真试验表明,经过优化的控制器的控制品质得到了明显的提高,达到了优化设计的目的。