基于分数阶PID的火电厂烟气脱硝控制系统

针对选择性催化还原(SCR)烟气脱硝控制对象具有大迟延、大惯性的动态特性,采用常规的PID控制器经常不能实现及时和准确的喷氨控制。设计了基于分数阶PIλDμ控制器的火电厂烟气脱硝控制系统,并对人群搜索算法(SOA)的种群进行动态排序和随机变异而提出改进人群搜索算法,采用改进SOA算法对分数阶PIλDμ控制器的参数进行优化。仿真表明,分数阶PIλDμ烟气脱硝串级系统可以在保证控制精确度的前提下有效减少喷氨控制的调节时间,提高控制的稳定性,实现更加稳定和及时的喷氨控制。

基于自适应布谷鸟搜索算法的分数阶PID控制器设计

针对分数阶PID(fractional order PID,FOPID)控制器的设计问题,提出一种基于自适应布谷鸟搜索算法的分数阶PID控制器参数整定算法。为改进经典布谷鸟算法的收敛速度与计算精度,并充分发挥全局搜索和局部挖掘两者各自的优势,采用了基于系统误差的自适应步长策略。为保证布谷鸟搜索算法初始化种群的均匀性,采用佳点集法初始化种群替代经典算法中的随机初始化种群。最后对2类系统进行仿真实验,并将实验结果与现有结果进行对比,验证了基于自适应布谷鸟搜索算法的分数阶PID控制器的设计和参数整定方法的有效性和优良性。

基于分数阶PID的宏微复合驱动器宏动控制策略

针对宏微复合驱动器控制系统中存在定位误差大和调节时间长的问题,提出了一种基于次最优分数阶PID的控制策略。简述了宏微复合驱动器结构及工作原理,并基于电磁驱动原理建立了宏动部分数学模型;设计了分数阶PID控制器,并采用遗传算法和次最优的方法对控制器进行参数整定;通过数值仿真和实验验证了分数阶PID控制器的有效性。结果显示,采用分数阶PID控制器相较于传统PID控制器在5 mm以及更大定位行程中位移超调量下降超过57%,调节时间减少超过24%,且行程越大驱动器采用分数阶PID控制器控制效果越明显。研究结果表明,分数阶PID控制器在宏微复合驱动器宏动系统中的控制效果明显优于传统PID控制器。

基于改进粒子群算法的水轮机调节系统分数阶PIλDμ控制器设计

为提高水轮机调节系统动态调节品质,建立了计入弹性水击效应的水轮机调节系统非线性模型,并据此提出一种基于改进粒子群算法的分数阶PIλDμ(fractional-order PID,FOPID)控制器设计方法。该方法以基于最优参数(b=5.387 8,d=0.752 6)的改进Oustaloup滤波算法构建FOPID控制器,并利用融合有参数自适应调整策略及基于改进Tent映射的变尺度混沌局部搜索的改进粒子群算法(improved adaptive chaos PSO,IACPSO)对FOPID控制器参数进行优化选择。仿真结果表明,与Oustaloup算法及基于推荐参数(b=10,d=9)的改进Oustaloup算法相比,基于最优参数的改进Oustaloup算法对任意阶次的分数阶微分算子均具有更高的逼近精度,更宽的理想拟合频域段;提出的IACPSO算法求解精度高、稳定性好、收敛速度快,经其优化后的FOPID控制器对负荷扰动的抑制能力要明显优于其他FOPID/PID控制器,并对系统参数变化具有较强的鲁棒性。

基于粒子群优化算法的模糊神经分数阶PID电子节气门控制器设计

针对汽车电子节气门的精确跟踪控制问题,建立了面向控制器设计的非线性模型,分析了摩擦非线性以及LH非线性对电子节气门位置的影响。采用模糊神经分数阶PID控制方法设计了电子节气门非线性控制器,并利用粒子群优化算法对控制器参数进行优化。最后将扰动考虑在内进行了仿真实验,仿真实验表明基于模糊神经分数阶PID的控制方法能够很好地实现电子节气门控制。

基于人工鱼群算法的分数阶PI~λ控制器参数整定

针对分数阶PI~λ控制器的参数整定,提出图像法和人工鱼群优化算法相结合的方法来对分数阶PI~λ控制器进行参数整定。分别以一阶系统和二阶系统来模拟典型的速度伺服系统,以此模型为被控对象进行分数阶PI~λ控制器的设计。在频域内,根据系统的相对稳定性和增益变化的鲁棒性等条件,推导出方程式;再根据图像法解出分数阶PI~λ控制器的参数,以解出的参数为中心位置,指定寻优的范围,进而用人工鱼群算法对其周围进行寻优。仿真表明,通过人工鱼群算法寻优得到的控制器,比单纯用图像法得到分数阶PI~λ控制器能使系统具有更好的动态响应特性,并且满足增益变化鲁棒性的条件。

基于麻雀搜索优化算法分数阶PI的PMSM矢量控制

永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)矢量控制系统转速环采用PI控制器难以满足系统动态响应速度快、鲁棒性强等要求,采用分数阶比例积分(Fractional Order Proportional Integral,FOPI)控制器,并利用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化FOPI控制器参数.通过搜索最优适应度的麻雀所在位置,得到控制器最优组合参数,选择时间乘以误差绝对值积分作为其目标适应度函数.对SSA整定FOPI、粒子群算法(Particle Swarm Optimization,PSO)整定PI参数的电机调速性能进行试验对比.结果表明,SSA优化的FOPI具有增强鲁棒性和减小超调量的优势.

基于遗传算法的分数阶PI^λD^μ控制器参数分级整定

针对交流电机振动抑制问题,提出基于遗传算法的分数阶PIλDμ控制器参数分级整定策略.通过遗传算法对整数阶PID控制器整定,获得一组控制参数;固定这组控制参数,再利用遗传算法对分数阶PIλDμ控制器进行阶次寻优.仿真结果表明,在PID控制器三系数不变的条件下,通过调整控制器的积分与微分阶次,分数阶PIλDμ控制器与整数阶PID控制器相比,动态性能指标均有所改善;所提出的分级整定策略对分数阶PIλDμ控制器参数确定是有效的.在不增加任何系统结构复杂性的前提下,改善了交流电机的振动抑制特性.

基于改进BBO算法的分数阶PID控制器设计

针对分数阶PID(Fractional-Order Proportional-Integral-Derivative,FOPID)控制器参数整定,提出了一种改进生物地理学优化(Biogeography-Based Optimization,BBO)算法。该算法改进点主要包括:迁移操作中保留精英个体;变异操作中引入差分进化(Dtferential Evolution,ED)算法的变异策略;消除重复样本。仿真结果表明:在分数阶PID控制器参数整定中,与原始的BBO算法、遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)比较,提出的改进BBO算法具有超调量小、误差小,收敛更快的特点。

一种模糊自适应粒子群优化算法的分数阶PI~λD~μ控制器设计

针对分数阶PI~λD~μ控制器待设计参数多,整定复杂问题,采用模糊自适应粒子群优化算法(Fuzzy Adaptive Particle Swarm Optimization,FAPSO)设计分数阶PI~λD~μ控制器参数.采用模糊规则的方法对惯性权重及位置更新进行了模糊逻辑处理.仿真结果表明,与传统的PSO算法比较,采用FAPSO方法所设计的分数阶PI~λD~μ控制器,具有更好控制品质和更强的鲁棒性.

基于改进状态空间模型遗传算法的分数阶PID控制器优化设计

针对分数阶PID控制器参数较多且整定方法计算繁琐的问题,文章提出一种改进的状态空间模型遗传算法以进行分数阶PID控制器的参数整定。其融入一种特殊变异机制,增强了原算法的稳定性及全局收敛性,以便实现全局搜索,得到最优参数,完成最优分数阶PID控制器设计。将优化的分数阶PID控制器应用到伺服控制系统模型中,通过仿真对比分析发现,相比于状态空间遗传算法和遗传算法,该遗传算法的整定结果更好,系统时域响应性能、抗干扰性和鲁棒性更优。

一种模糊自适应粒子群优化算法的分数阶PIλDμ控制器设计

针对分数阶PIλDμ控制器待设计参数多,整定复杂问题,采用模糊自适应粒子群优化算法(Fuzzy Adaptive Particle Swarm Optimization,FAPSO)设计分数阶PIλDμ控制器参数.采用模糊规则的方法对惯性权重及位置更新进行了模糊逻辑处理.仿真结果表明,与传统的PSO算法比较,采用FAPSO方法所设计的分数阶PIλDμ控制器,具有更好控制品质和更强的鲁棒性.

分数阶系统模糊自适应分数阶PI~λD~μ控制器

针对分数阶被控对象,采用分数阶微积分的数值解法,提出了模糊自适应分数阶PIλDμ控制器的数值实现方法与步骤.由于分数阶闭环控制系统的模糊化难以实现,将分数阶PIλDμ控制器与分数阶被控对象构成闭环分数阶控制系统,求其闭环系统在时域内的表达式,再用分数阶微积分的数值解法并结合模糊推理规则,推导出了模糊分数阶PIλDμ控制器的实现步骤,并对其控制系统的单位阶跃响应性能进行了仿真分析.结果表明:所设计的模糊自适应分数阶PIλDμ控制器比分数阶PIλDμ及传统的整数阶PID控制器表现出较好的控制性能.

基于遗传算法的分数阶控制器参数整定研究

针对动态系统可用包含非整数阶的积分和微分方程来描述的特点,同样将这一工具引入到分数阶控制器中,即包含分数阶积分和微分的PIλDβ控制器;提出了基于改进遗传算法的分数阶PIλDβ控制器定阶次参数整定的方法。通过使用该遗传算法,分别进行了采用整数阶PID控制器和分数阶PIλDβ控制器,对整数阶和分数阶系统的控制器参数整定的对比仿真。结果表明,在限定相同的参数整定范围时,采用分数阶PIλDβ控制器的控制效果优于整数阶PID控制器。

基于CAPSO算法的修正炮弹分数阶控制器设计

为了提高修正炮弹系统模型的控制品质,采用分数阶控制器以取得更优的控制效果。针对分数阶控制器参数整定时大都需要公式推导、计算量大等问题,提出一种基于混沌自适应粒子群优化算法(CAPSO)并用于修正炮弹分数阶控制器的设计。将混沌算法与惯性权重调整的粒子群算法融合,对粒子群进行混沌初始化并对陷入局部最优的粒子进行混沌搜索,同时引入惯性权重非线性调整策略提高了算法的收敛精度,得到全局最优解。利用CAPSO算法对分数阶PIλDμ控制器的参数进行整定,并用于修正炮弹俯仰角稳定回路的控制中。通过仿真实验,验证了该优化算法的可行性。仿真结果表明,CAPSO算法在修正炮弹分数阶控制器的参数整定方面优于主导极点法、粒子群优化算法(PSO)等算法,与PSO算法相比调节时间减少了1.139 s、超调量减小了11.84%,具有收敛速度快、超调量小、稳定性好、抗干扰性强等特点;经CAPSO算法优化的分数阶PIλDμ控制器动态响应特性要优于整数阶PID控制器。

混合粒子群算法优化分数阶PID控制参数研究

分数阶比例—积分—微分(PID)控制器是一种把PID控制器的整数阶次推广到分数的比例、积分、微分控制器,它比传统的PID控制器更能精确地控制复杂的被控系统。而参数的取值对控制效果的好坏起着决定性作用,为此提出了一种混合粒子群算法BFA-TPO优化参数值。该算法将具有趋化、繁殖和驱散特点的细菌觅食算法和参数少,易于优化的粒子群算法相结合来计算出精确的分数阶PID控制器的参数值。通过对传统PID控制器和分数阶PID控制器参数优化的实验仿真,结果表明基于该算法的分数阶PID控制不仅无超调量、收敛速度快,而且鲁棒性强、收敛精度高,可用于控制不同的对象和过程。

基于分数阶PIλDμ控制器的线控转向系统研究

根据线控转向系统的特点,建立了能够实现系统正常转向功能的前轮转向模块的动力学方程。考虑到系统性能受到参数的不确定性、未建模动态及前轮回正力矩的影响,基于分数阶微积分理论,提出了一种基于分数阶微积分理论的PIλDμ控制器,使得线控转向系统在所要求的频域范围具有鲁棒性。讨论了微、积分阶次以及拟合阶次对控制系统的影响。通过优化方法得到了分数阶PIλDμ控制器的5个设计参数,用Oustaloup递归算法对分数阶PIλDμ控制器进行了拟合,并据此建立了可在Matlab/Simulink环境下使用的分数阶PIλDμ控制器仿真模型。最后对该控制系统进行了仿真分析,结果表明该控制器对提高转向系统性能的鲁棒性是有效的。

基于自适应量子遗传算法的分数阶控制器参数整定

针对量子遗传算法中旋转变异角固定的缺点,提出了一种旋转变异角幅度随着个体适应度的变化而自适应调整的自适应量子遗传算法,对典型测试函数的优化结果表明了该策略能有效提高量子遗传算法的优化精度和收敛速度。同时,针对分数阶PIλDμ控制器难于整定的问题,将参数整定转化为参数优化,提出采用AQGA对分数阶PIλDμ参数进行优化,并利用该策略对循环流化床主汽温分数阶系统设计了分数阶PIλDμ,仿真结果表明了该方法在PIλDμ参数整定中的有效性。

基于分数阶PI~λD~μ控制器的线控转向系统路感研究

建立了线控转向系统方向盘模块的动力学模型,提出了线控转向系统路感的分层控制策略。其中,上层控制策略主要是研究不同车速和方向盘转角下方向盘的目标回正力矩;下层控制策略主要是通过分数阶PIλDμ控制器,根据已经确定的方向盘目标回正力矩对路感模拟电机进行实时控制,以实现驾驶员的路感模拟和方向盘的回正。仿真结果表明,所设计的分数阶PIλDμ控制器能很好地满足实际需要。

参数自适应教与学优化分数阶PID控制器设计

本文针对分数阶PID控制器调节参数多、人工调参难度较大的问题,提出了参数自适应教与学优化分数阶PID控制器设计方法。分数阶PID控制器参数寻优过程引入种群适应度方差表征种群的“聚集程度”,将影响算法收敛速度和收敛精度的教学因子设计成种群适应度方差的函数,使其在算法迭代过程中根据种群的“聚集程度”自适应调节算法收敛速度。当种群聚集程度高时,提高教学因子取小值的概率,增强种群的多样性;当种群聚集程度低时,提高教学因子取大值的概率,提高算法的收敛速度。通过仿真验证,本文提出的参数自适应分数阶PID控制器控制整数阶系统、分数阶系统均可获得优良的控制效果,与参考文献设计的控制器相比在动态性能上有显著提升,参数自适应分数阶PID控制器较整数阶PID控制器在响应速度上提高69.8%,超调量减少92.6%,稳态误差减小32.4%。