基于HPSO优化的磁悬浮系统分数阶控制

针对磁悬浮系统的非线性以及开环不稳定的特点,提出一种分数阶PI~λD~μ控制器控制磁悬浮系统的方法.首先建立系统的数学模型,然后设计分数阶PI~λD~μ控制器,并建立控制系统的仿真模型,最后应用遗传算法与粒子群算法相结合的混合粒子群算法优化分数阶PI~λD~μ控制器的k_p、k_i、k_d、λ、μ参数,采用改进的误差绝对值时间积分函数作为优化目标,对系统进行多种信号的仿真跟踪.结果表明,分数阶PI~λD~μ控制器收敛速度快,鲁棒性强,达到了预期的控制效果.     

基于可调分数阶PI~λD~μ的无刷直流电动机转速控制器设计

根据模糊匹配规则,利用MATLAB/Simulink软件设计了模糊可调分数阶PIλDμ控制器模型,分别与整数阶PI、分数阶PI~λD~μ控制器模型对无刷直流电动机转速控制效果进行了对比.结果表明:模糊分数阶PI~λD~μ控制器响应更快速、更精准,抗负载扰动能力更强.     

基于小波神经网络的分数阶PIλDμ控制器的设计

目前分数阶PIλDμ控制器参数整定的方法很有限,为了研究分数阶PI λDμ控制器的控制效果,在小波神经网络的基础上提出了分数阶PIDμ控制器的设计原理,然后利用MATLAB进行仿真,通过仿真结果证明了该策略的有效性,同时通过比较说明采用分数阶PIλ Dμ控制器比采用传统PID控制器能获得更好的控制效果.     

锚杆钻车机械臂分数阶PI~λ控制器设计及仿真研究

以矿用锚杆钻车机械臂为研究对象,设计了基于分数阶PI~λ算法的空间位姿控制器。首先建立了机械臂每个关节处的阀控油缸的二次传递函数;其次推导出了PI~λ控制器的设表达式;然后对分数阶PI~λ控制器的参数K_i、λ对系统稳定性能的影响作了分析。最后将分数阶控制器和整数阶控制器进行比较,结果表明分数阶控制器在响应速度、调节时间、稳态精度方面都比整数阶控制器的控制效果更好。     

离子型金属聚合物复合材料的分数阶建模及二阶滑模控制

离子型金属聚合物复合材料(ionic polymer metal composites,IPMC)是一种具有广阔应用前景的电驱动智能复合材料,但是它具有强非线性,尤其是磁滞特性,严重影响了控制精度。分数阶控制系统的提出,不仅涵盖了传统的整数阶系统,还对其进行了补充,大大增加了控制理论的鲁棒性和易模拟性。为了准确建立IPMC模型,首先通过实验数据和人工蜂群算法对整数阶模型进行参数寻优,再将其转化成拟合度更高的分数阶模型。针对该分数阶模型,提出并介绍了基于分数阶的二阶滑模控制器的理论内容,并从仿真与实验两个方面分别与分数阶PI~λD~μ控制器作对比,结果表明了所提出控制方法的控制效果更好。     

改进BP神经网络的并网逆变器分数阶比例-积分-微分控制策略

传统PID控制技术在电网产生扰动时无法兼顾快速性和鲁棒性,易造成系统不稳定失衡,向电网注入大量的谐波。对此现象,提出了一种改进BP神经网络的分数阶PID控制器来提高电网的鲁棒性和对响应的快速性。该算法采用分数阶PID控制器跟踪电流外环的参考电流,并针对分数阶PID控制器的五个参数采用BP神经网络实时在线整定。消除了人为调参所带来的不确定性。对于BP神经网络在整定参数过程中无法整定得到最优解,引入变化的惯性因子和学习率,提高了BP神经网络的求解效率。仿真结果验证,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。     

基于QPSO分数阶PI~λD~μ的纯电动汽车调速系统研究

为了获得比传统整数阶PID更好的控制性能,本文结合量子粒子群(QPSO,Quantum Particle Swarm Optimization)算法和分数阶微积分理论提出一个分数阶PIλDμ控制方法.通过QPSO优化算法对分别采用整数阶和分数阶PID控制器的目标函数的KP,KI,KD参数进行优化,并将结果导入电动汽车调速模块中进行验证.仿真结果表明,经过QPSO算法优化后的分数阶PIλDμ参数能够明显改善纯电动汽车的调速性能,并使驱动系统的响应速度更快、稳定性更好.     

城市轨道交通列车分数阶控制算法研究

实现全自动驾驶是城市轨道交通列车未来的发展方向,速度控制算法作为列车自动驾驶系统(Automatic Train Operation,ATO)的核心,对于列车的控制性能具有重要的影响。本文使用了分数阶PIλDμATO速度控制算法,采用Tustin直接离散化作为分数阶PIλDμ控制器的数值离散化方法,完成了分数阶PIλDμ控制器的设计与实现,并将该控制器应用于列车自动运行系统中。仿真研究表明,与传统的整数阶PID控制算法相比较,分数阶PIλDμATO速度控制算法能很好地满足列车运行的基本指标,从而验证了其较好的鲁棒性和适应性。     

一种基于遗传BP神经网络的分数阶参数整定方法

对于离散、非线性、大时滞等复杂系统BP神经网络具有优越的处理能力。而将遗传算法引入与之结合,能够有效的弥补神经网络的缺陷,从而能显著提高收敛速度并且减小系统误差。本文运用遗传算法来改进BP神经网络,实现改进的BP神经网络具有更好的收敛性,然后采用改进的BP神经网络对分数阶PID控制器参数进行整定,通过具体实例在Matlab平台下进行仿真,验证所提方法的有效性。仿真结果表明遗传算法能够有效的改善神经网络在收敛速度和预测精度上的不足,基于本文改进方法对一个复杂分数阶被控系统进行分数阶PID控制器设计,通过仿真曲线证实了所提方法设计的控制器能够取得良好的控制品质。     

一种基于遗传BP神经网络的分数阶PI~αD~β参数整定方法

对于离散、非线性、大时滞等复杂系统BP神经网络具有优越的处理能力。而将遗传算法引入与之结合,能够有效的弥补神经网络的缺陷,从而能显著提高收敛速度并且减小系统误差。本文运用遗传算法来改进BP神经网络,实现改进的BP神经网络具有更好的收敛性,然后采用改进的BP神经网络对分数阶PID控制器参数进行整定,通过具体实例在Matlab平台下进行仿真,验证所提方法的有效性。仿真结果表明遗传算法能够有效的改善神经网络在收敛速度和预测精度上的不足,基于本文改进方法对一个复杂分数阶被控系统进行分数阶PID控制器设计,通过仿真曲线证实了所提方法设计的控制器能够取得良好的控制品质。     

基于BP神经网络和分数阶PIλDμ的VIENNA整流器控制策略

为了解决传统PI控制器调节速度慢,追踪性能差等问题,文中提出了BP神经网络和分数阶PIλDμ(BP-FOPID）相结合的控制方法。本文首先根据VIENNA整流器的拓扑结构推导出数学模型。接着根据数学模型设计双闭环控制,其中外环采用BP 神经网络对参考电流进行非线性拟合,内环采用分数阶PIλDμ控制器对外环输出的参考电流进行跟踪。另外,由于直流侧上下桥臂电容电压会存在不平衡的问题,本文采用了计及小矢量的改进SVPWM调制策略。最后,在 MATLAB/Simulink 中建立相应的仿真模型,仿真结果表明,文中所提的BP-FOPID的有效性和优越性。     

基于BP神经网络的分数阶PIαDβ控制器参数整定研究

对于分数阶控制系统,因分数阶控制器较传统PID控制器具有更好的适应性,这就为得到更加细腻的控制品质提供了可能。然而,分数阶PI^αD^β控制器的参数整定则相对复杂。针对这一问题,提出了基于BP神经网络的分数阶控制器参数整定方法,有效地克服了分数阶控制器参数整定复杂问题。采用文章所提方法,分别设计了整数阶PID、分数阶PI^αD^β控制器,并进行仿真对比。结果表明,采用分数阶PI^αD^β控制器的系统控制品质优于整数阶PID控制器。     

电机分数阶PI控制及DSP实现

为了提高永磁同步电机的转速控制性能,引入分数阶控制器.针对永磁同步电机电流和速度的双闭环系统,建立电机模型并推导其传递函数;根据Flat Phase原则,在电机速度环中设计分数阶PI~λ控制器,对分数阶控制器和整数阶控制器分别进行多种转速试验对比.试验结果表明,分数阶PI~λ控制器的控制效果要优于整数阶PI控制器,降低了电机转速的均方根误差,提高了电机的转速控制精度.     

双闭环直流调速系统的分数阶PIλ控制

分数阶PIλDμ控制算法有助于比较新的、控制性能比较高的控制器。将分数阶PIλ算法应用到双闭环直流调速系统的速度控制器中,利用粒子群优化算法确定分数阶PIλ控制器的最优的Kp、Ki和λ参数;并和整数阶PI控制器进行比较。通过Matlab/Simulink仿真验证了分数阶PIλ控制器的稳定性、跟随性能、抗扰动性能都优于普通整数阶PI算法,同时验证了粒子群优化算法参数整定的有效性。     

基于改进BP神经网络PID自整定的研究

随着数控技术的发展,传统的PID整定方式已经不能满足伺服系统的控制要求.利用改进共轭梯度法对BP神经网络算法进行优化.将改进BP神经网络算法应用到PID的整定中,构建改进BP神经网络自整定PID控制器.将设计好的BP神经网路PID控制器应用到伺服系统的控制结构图中.与BP神经网络自整定PID控制器,在Matalab的simulink里面进行建模仿真比较.仿真结果表明改进BP神经网络自整定PID控制器具有较好的快速响应能力、系统稳定性和抗干扰能力.     

采用免疫BP算法的模糊神经网络PID控制器

文章在传统PID控制器的基础上,结合模糊控制和神经网络控制理论设计出自适应模糊神经网络PID控制器,并将免疫反馈机制应用到BP学习算法中,通过自适应调整学习速率,改善算法的收敛性;通过Matlab仿真验证了引入免疫反馈机制的BP算法的优越性.仿真及实际应用结果表明,采用免疫BP算法的模糊神经网络PID控制器响应速度快,...     

交流伺服系统的一种PIλDμ控制器设计方法

针对交流伺服系统,建立了数学模型,并设计了一种分数阶PIλDμ控制器设计.在利用传统PID参数整定方法确定比例增益kp、积分增益k1和微分增益kd的基础上,结合相位裕度定义,在相位裕度和截止频率给定的情况下完成积分阶次λ和微分阶次μ的设计.在求解积分阶次成λ和微分阶次μ时,采用一种简单易行的图解方法,巧妙地将求解一组非线性方程的问题转化为绘制两曲线求交点的问题.仿真结果表明,相对于传统PID控制器,本文设计的PIλDμ控制器,跟踪响应快,抗干扰能力强,鲁棒性好.     

基于分数阶控制的液压加载系统设计与仿真

针对车辆转向系统的液压力加载测试系统,建立传递函数模型.用时间乘以误差绝对值积分的ITAE性能指标作为评价准则,通过Matlab计算出适用于系统的最优PID控制器控制参数.使用FOMCON工具包创建分数阶PIλDμ控制器.对积分和微分环节选取分数阶参数阶次λ和μ,通过调节微分和积分环节的阶次观察对分数阶控制器的影响.通过控制性能对比,发现阶次取值在0~1范围内,积分阶次对响应的影响要比微分阶次的影响更大.固定最优PID参数,求得λ和μ最优值.仿真表明,其精度满足技术要求,分析系统伯德图可知系统工作稳定,冗余储备高.     

基于粒子群优化算法的分数阶PID控制器设计

分数阶PID控制器具有可变的微分和积分阶次,通过调整控制器参数可以获得更好的控制性能。本文基于粒子群优化算法设计分数阶PID控制器。首先介绍分数阶PID和粒子群优化算法,然后给出分数阶PID控制系统结构、分数阶微积分算子的近似算法和分数阶PID控制器设计的仿真流程,最后通过MATLAB/Simulink对算例进行控制器设计仿真。仿真结果表明,通过粒子群寻优能够获得满意的分数阶PID控制器参数,满足对控制性能的要求。     

带观测器的RBF分数阶PID在四旋翼飞行器中应用

针对经典PID算法抗干扰性差、鲁棒性弱的缺点,给出了带干扰观测器的RBF神经网络分数阶PID控制器。干扰观测器一方面可以将外部的扰动以及由模型参数不准确带来的误差引入到输入端并引入补偿,能很好的提高系统的抗干扰能力以及鲁棒性;另一方面干扰观测器模块和RBF神经网络分数阶PID模块两者互不影响。RBF神经网络分数阶PID可以实现分数阶参数的自学习。最后把带有观测器的RBF神经网络分数阶PID应用与四旋翼控制系统中并且进行MATALAB实验。仿真表明:在环境中存在干扰的情况下,带观测器的RBF神经网络分数阶PID控制器能够良好的实现飞行器的姿态控制,同时具有一定的抗干扰能力以及鲁棒性。