自抗扰控制器参数整定方法的研究

提出了自抗扰控制器算法参数整定的计算机软件仿真分析和基于参数变换的公式推导两种方法.根据自抗扰控制方程,针对算法中多个参数需要整定的问题,结合工程中控制对象实例,采用Matlab仿真软件逐一确定各参数,寻找同类对象之间的控制参数关系,利用公式得到其他对象的控制器参数.使用Matlab仿真分析法可直观地获取参数,公式推导法则简化了同类对象的参数整定,速度快.仿真实验结果表明,这两种参数整定方法可用于常见的工业控制对象的自抗扰控制器中.     

基于参数自整定模糊PID算法的平地机行走速度优化控制系统设计

针对平地机作业时行进速度精度的滞后问题及控制参数,提出了基于参数自整定模糊PID算法的平地机行走速度优化控制系统,协调解决行进速度的滞后问题,并完成了将该算法应用在平地机的控制系统中.系统采用单片机作为行走速度的控制中心,为验证参数自整定模糊PID算法的有效性和可靠性,对平地机的行进速度控制进行了设定干扰信号的测试.通过Matlab软件的Simulink仿真,分析了不加PID的常规控制、PID控制、参数自整定模糊PID控制进行速度稳定控制的效果,测试显示响应时间短、响应速度较快,能够满足设计的要求.     

基于遗传算法的并混联机床电机伺服控制参数整定

驱动电机伺服控制对机床加工效率、加工质量都有影响。伺服电机控制方法中应用最广泛的是比例积分微分(PID)控制,其控制效果与控制参数直接相关,而以往由工程师凭经验进行参数整定,费时费力。该文提出一种基于遗传算法的伺服控制参数整定方法。建立了理论模型,并综合多种条件进行了修正。针对并混联机床的特点提出包含报警指标、择优指标2类指标的适应度函数,得到遗传算法整定的伺服控制参数,并在五轴混联机床上进行了实验。实验结果显示:优化参数下,伺服电机跟随性能优于人工整定参数,进而验证了所提出的基于遗传算法的参数整定方法可以得到更好的性能且省时省力。     

分布式内模控制系统中的参数整定策略

基于内模理论设计的分布式控制系统,提出一种参数定量整定策略.该整定策略依据给出的解析方法计算控制参数的调节范围,使系统满足鲁棒稳定性要求;在此调节范围内,通过参数估计算法和主导极点调节方法,进一步优化控制参数,使系统的输出性能达到工程要求的时域指标量.由于所提出的整定策略考虑了多变量系统中的耦合作用,故可达到同时优化所有控制参数的目的.仿真结果验证了所提出的整定策略是有效的.     

基于带宽的永磁同步电机伺服控制器设计

为提高伺服系统的控制性能并解决控制参数整定困难的问题,该文设计了1种新的控制方法,应用于永磁同步电机(PMSM)伺服控制系统中。建立了PMSM模型。设计了基于电流环带宽进行比例-积分(PI)控制参数整定的电流环控制器和基于速度环带宽进行自抗扰控制(ADRC)参数整定的速度环控制器。推导得到电流环带宽和速度环带宽的关系,从而将整个系统的控制参数归结到带宽1个参数上。经实验验证:该控制器结构通用性强,参数整定简单,易于工程实现;与传统比例-积分-微分(PID)控制方法相比较,在给定相同速度指令时,基于带宽的控制方法速度响应快,跟踪误差减小40%以上,在PMSM速度稳定时施加负载扰动,稳定时间缩短25%以上。     

一种线性自抗扰控制器参数自整定方法

针对线性自抗扰控制器参数难于整定的问题,提出了一种基于动态响应过程时序数据挖掘的参数自整定算法. 算法以线性自抗扰控制器中线性误差反馈律的两个增益信号回路的动态响应为参数调整对象,通过改进变收缩系数的随机搜索算法进行参数整定,记录动态响应过程数据,基于关联关系挖掘得到控制参数调整策略应用于线性自抗扰控制器的参数自整定. 为验证本文提出的参数自整定方法的实际效果,以液压自动位置控制系统为控制对象,分别采用阶跃响应仿真和Monte Carlo实验进行对比研究. 结果表明,基于数据挖掘参数自整定的线性自抗扰控制器动态响应较好,鲁棒性较强,改进了变收缩系数随机搜索算法调整时间较长以及传统线性自抗扰控制器超调较大的缺点,是一种具有实用性的线性自抗扰控制器参数自整定方法.     

电站仿真系统 PID 控制参数的自动整定

研究了电站仿真控制系统ＰＩＤ参数自动整定的原理和实现方法,提出了适用于电站控制系统仿真的基于模式识别的模糊整定方法,建立起模糊整定规则。采用面向对象的程序设计技术,在ＨＰ工作站上开发出适用于单回路、串级回路等ＰＩＤ控制参数自整定软件,在仿真支撑环境ＩＳＳＥ支持下,自整定软件实现了电站仿真机控制参数的自动整定,大大减少了建模的工作量。本系统已应用于东北电力局６００ＭＷ电站仿真机的控制参数整定,效果令人满意。     

基于FCM-ELM-BBPS的预测控制参数整定

模型预测控制设计参数选择显著影响被控系统性能，目前基于专家经验的主流参数整定方法会出现控制器鲁棒性差、计算成本高等缺点.为了解决上述问题，提出一种基于模糊C均值-极限学习机-裸骨粒子群（Fuzzy C-means-Extreme Learning Machine-Bare Bones Particle Swarm， FCM-ELM-BBPS）的参数整定算法.通过模糊C均值算法（Fuzzy C-means， FCM）聚类进行数据预处理，将被控系统复杂数据根据自身特征进行聚类，以降低神经网络的训练误差，提高预测精度；针对每一类特征数据，利用极限学习机（Extreme Learning Machine， ELM）建立预测控制参数与性能指标的映射关系模型，并进一步获得参数整定规则；采用裸骨粒子群（Bare Bones Particle Swarm， BBPS）优化算法进行预测控制参数整定，通过采用高斯分布来更新粒子位置，加快目标函数的收敛速度，从而有效地减少参数寻优时间；分别进行仿真和水箱系统实验验证，证明了提出算法的有效性.实验结果表明，本文提出的算法与现有方法相比，更具有优越性，其中整定时间减少了34.84%，同时在调整时间等时域性能指标上提升了43.98%.     

基于改进鸡群算法的PID参数整定

PID参数整定一直是控制工程研究的热点,利用传统的方法整定参数得到的系统性能往往较差,为解决PID参数整定问题,提高系统性能,提出一种基于改进鸡群算法(CSO)的PID参数整定方法。改进鸡群算法的目的是提高鸡群算法的收敛速度与精度,增强算法跳出局部最优的能力,4个标准测试函数的测试结果验证了改进的有效性。利用改进鸡群算法对4类典型工业过程的PID参数进行整定,以时间乘绝对误差积分函数(ITAE)为优化目标,Matlab仿真结果表明：通过改进鸡群算法整定PID参数得到的系统性能比传统的Z-N参数整定法以及Matlab遗传算法(GA)工具箱参数整定得到的系统性能有很大的提高。     

基于多目标遗传算法的船舶航向自抗扰控制器参数整定

针对自抗扰控制器参数整定通常采用“试凑法”,整定过程繁琐复杂,无法顺利得到合理控制参数的现状,根据自抗扰控制器设计的“分离性原理”提出了一种“三步优化法”.该方法利用多目标遗传算法对自抗扰控制器参数进行分步优化,可解决自抗扰控制器参数众多、难以便捷的整定问题.对带舵机约束的15万t级油船航向二阶自抗扰器参数进行整定.结果表明,该方法行之有效,便于工程应用.