基于改进粒子群算法优化的自抗扰控制器（ADRC）及其应用

针对自抗扰控制器参数多,不利于整定的问题,提出了一种基于改进的粒子群算法（PSO）的自抗扰控制器参数整定方法。该方法引入了PSO中各个粒子的惯性权值的自适应调整机制,以此来维持粒子的多样性和加速粒子群算法的收敛性。利用改进粒子群算法优化的二阶自抗扰控制器控制主气温控制系统,仿真结果验证了算法的可行性和有效性。     

改进人工蜂群算法的四旋翼自抗扰控制参数优化

针对四旋翼自抗扰控制(active disturbance rejection controller, ADRC)参数整定困难,给工程应用带来较大限制的问题,提出一种改进人工蜂群算法的四旋翼ADRC控制器参数优化方法。该算法采用自适应的探索策略,根据选择概率,从5种不同的搜索规则中进行选择,提高种群的多样性和寻优能力。将ADRC控制器中的参数作为蜂群中的种群应用到四旋翼无人机仿真模型中进行迭代寻优,并把风干扰模型作为环境噪声引入系统,测试算法性能。仿真结果表明,改进后的人工蜂群算法得到的控制器参数响应速度更快,稳态误差更小,抗干扰能力更强。     

基于HPSO的PID算法在汽油机怠速控制中的应用

在怠速控制系统中,PID控制器的参数整定直接影响到控制效果;介于标准粒子群算法的不足,采用混合粒子群算法对PID控制器的参数进行离线整定,并基于MATLAB软件进行仿真实验;实验结果表明：混合粒子群的寻优精度优于遗传算法和标准粒子群算法,且具有良好的收敛速度.     

基于PSO算法的无刷直流电机自适应PID控制研究

无刷直流电机(BLDCM)是一种多变量、非线性系统,传统PID控制器的参数具有难以整定的缺点,导致其难以满足BLDCM系统的控制要求。针对这一现状,提出了一种基于微粒群优化算法(PSO)的BLDCM自适应PID速度控制算法,该算法利用PSO具有的灵活、均衡的全局和局部寻优能力,对PID控制器的参数进行在线整定,提高了PID控制器的自适应能力。仿真实验表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。     

基于PSO的配电网静止同步补偿器PI控制器整定

针对配电网静止同步补偿器(D-STATCOM)控制器参数难以整定且过分依赖经验,提出用粒子群优化(PSO)算法同时整定D-STATCOM电压控制器和电流控制器的方法,其寻优时间短,编程简单。通过不同系统参数、不同给定输入、不同负载情况下的多组优化实验,验证PSO优化算法寻优的有效性。最后通过仿真和实时控制实验验证了基于PSO算法的PI控制器具有良好的鲁棒性和动态性能。所进行的多组优化实验也为PSO编码选择提供一定参考。     

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.     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

四旋翼无人机自抗扰飞行控制器研究

为了提高飞行过程的抗扰动能力,针对四旋翼无人机自抗扰飞行控制器设计,分析自抗扰控制基本原理及其参数调节规律,在此基础上,改写四旋翼无人机动力学模型,引入虚拟控制量对位置和姿态进行控制解耦,应用扩张状态观测器实现状态解耦和扰动估计。最终得到四旋翼无人机双闭环自抗扰飞行控制器,实现对其位置和姿态的闭环控制。仿真实验结果表明,所设计控制器具有良好的解耦效果、抗干扰能力和鲁棒性能,可以实现对四旋翼无人机的飞行控制。     

双旋翼无人机串级线性自抗扰控制

介绍线性自抗扰控制器(LADRC)和串级线性自抗扰控制器的组成结构,包括线性跟踪微分器、线性扩张状态观测器以及线性误差控制律,并给出各部分的典型算法。为了解决纵列式双旋翼无人机姿态控制系统中欠驱动、多变量、强耦合的控制问题,设计串级线性自抗扰控制器。研究结果表明:所设计的串级线性自抗扰控制器参数少,便于参数整定,能够满足控制精度及快速性的要求,并且具有较强的鲁棒性、抗干扰性能力以及对非线性强耦合系统的解耦能力。     

基于广义反向学习的改进鲨鱼算法自抗扰参数整定

针对非线性自抗扰控制器参数难以整定、很大程度影响控制精度的问题,提出一种改进鲨鱼优化算法的在线整定方式。首先,针对传统鲨鱼算法易早熟收敛陷入局部最优,且算法全局搜索精度低的问题,通过广义反向学习对鲨鱼种群进行初始化,并在鲨鱼位置更新过程中加入非线性控制因子,平衡算法的全局探索能力和局部开发能力,最后在迭代过程中加入Levy变异机制,提高算法跳出局部最优的能力。其次,将改进后的鲨鱼优化算法对自抗扰控制器参数在线整定,并将优化后的自抗扰控制器用于工程实例中,进行仿真实验。实验结果表明,整定后的自抗扰控制器很大程度提高了控制精度和抗扰动能力。     

基于附加惯性项人群搜索算法的四旋翼无人机姿态控制研究

针对非线性自抗扰控制的控制参数多且不能自整定的缺陷,为进一步提高控制的有效性和精度,在结合四旋翼无人机自身特性的基础上,本文提出一种附加惯性项人群搜索算法与自抗扰控制结合的姿态控制算法。对搜索步长和方向的惯性系数的选取方法进行修改,来实现四旋翼无人机在受干扰情况下飞行过程的姿态控制。仿真结果分析表明:与人群搜索算法优化自抗扰控制和自抗扰控制相比,该方法提高了控制系统的动态响应、抗扰性和鲁棒性,从而对于提高四旋翼无人机的姿态控制具有良好的参考价值。     

基于鸟群算法的3D威亚系统自抗扰 控制器的参数优化

针对3D舞台威亚系统自抗扰控制器(ADRC)参数多且难以整定的问题,将鸟群算法(BSA)引入其中对自抗扰控制器的参数进行了优化研究.首先根据自抗扰控制"抗扰范式"的思想,建立了3D舞台威亚系统单点吊机的"鱼骨+鱼刺"模型;接着结合3D舞台威亚的运行性能及ADRC的特质,分析确定了ADRC需优化整定的参数,并基于智能优化算法BSA对ADRC的参数进行了优化整定.仿真结果表明,BSA不仅能克服粒子群算法使ADRC参数易陷入局部最优的缺点,而且运算简单高效且易于实现,经BSA优化后的ADRC改善了3D舞台威亚单点吊机运行性能与鲁棒性,为威亚的同步控制提供了保障.     

基于交叉熵算法的自抗扰控制器参数整定方法

为解决自抗扰控制器参数难以整定的问题,提出基于交叉熵算法的自抗扰控制器参数优化设计方法。通过适应交叉熵算法选择适应度函数,对其中的五个重要参数β01、β02、β03、β1、β2进行了优化分析。仿真结果表明：交叉熵算法比免疫遗传算法的自抗扰控制器超调量更小,响应时间更快。     

新型动态粒子群算法及其在工业控制中的应用

粒子群优化算法是一种在复杂优化问题的空间域探求最优解的启发式搜索方法。为了优化传统的PSO算法,缩短其运行时间,提出了一种动态收缩型的粒子群优化。收缩型粒子群算法在初始阶段含大量的粒子,随着迭代次数的增加,粒子数量不断减少,仿真结果显示,此方法相比于传统的PSO算法可减少近60%的运算时间。运用此改进的粒子群算法优化理论,实现了对PID控制参数的自适应调节。结果表明,新型的PSO算法可以使得PID控制参数调整速度更快,产生超调量小。     

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.     

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。     

精密设备主动SAWPSO-PID振动控制器设计及仿真研究

比例-积分-微分(PID)控制器具有简单、稳定性好、可靠性高、鲁棒性强等特点,在振动控制领域应用广泛。而传统的主动PID控制器参数以假设或经验性选取为主,不科学且不能充分发挥控制器性能。自适应权重粒子群算法(self-adaptive weight particle swarm optimization,简称SAWPSO)克服了传统粒子群算法寻优过程的早熟情况,能使PSO算法达到局部及全局最优的平衡。文章基于SAWPSO算法,设计了SAWPSO-PID控制器,以时间乘以误差绝对值积分(ITAE)为目标适应值函数,对精密设备振动进行了PID参数自整定的优化控制研究,并与经验型参数选定PID振动控制、被动隔振(无控)进行了对比分析。     

基于ADRC的四旋翼无人机姿态控制研究

四旋翼无人机由于受到自身的非线性、模型的不确定性和外部突发气流等的影响,较难完成预设的飞行任务.为此,使用自抗扰控制,通过安排合理的过渡过程减少超调和设计扩张状态观测器来估计总扰动并实时补偿,并实现四旋翼无人机姿态控制.仿真结果表明:相比传统PID控制,该控制方法使得四旋翼无人机能够更好地适应自身参数的变化和应付外部气流带来的影响,具有更好的鲁棒性和抗扰性.同时验证了自抗扰控制器下的系统具有超调小、精度高、收敛速度快、抗扰能力强和鲁棒性能好等特点.     

基于微粒群算法的PID控制器优化研究

微粒群算法是近年来提出的一种新型群体智能优化算法,它具有结构简单,收敛速度快,所需参数少等优点.为改善传统PID参数整定问题,提出了基于微粒群算法整定PID控制器参数的优化设计方法.通过对双容水箱建模并与传统整定方法进行仿真比较.仿真结果表明,采用微粒群算法来优化PID参数,可以获得综合性能良好的PID控制器参数.对控制器的设计具有一定的指导意义.     

性能评价方法在ADRC参数整定中的应用

针对自抗扰控制器参数较多、整定困难的问题,提出基于控制系统性能评价的自抗扰控制器参数整定方法.通过闭环系统的扰动-输出传函求解基准函数,对决定自抗扰控制器性能的参数进行优化.实验结果表明,该参数整定方法简单易行,在满足系统性能最优的前提下,能有效提高ADRC的控制效果.