基于蚁群算法的智能人工腿最优PID控制器设计

以蚁群系统和蚁群算法为基础,提出了一种新的具有不完全微分的最优PID控制器的设计方法。该控制器以系统单位阶跃响应的超调量σ、上升时间tr以及调整时间ts为性能指标,针对给定的控制对象,利用所建立的蚁群算法搜索出一组最优PID参数K i及T d,作为实时控制中PID控制器的参数。该控制器被用于控制智能p,T 仿生人工腿中的执行电机。计算机仿真结果表明,与传统的PID控制器相比,这种基于蚁群算法的最优PID控制器具有良好的动态和稳态性能,可用于控制多种不同的对象和过程。

弹性飞机的混合H_2/H_∞最优PID控制器参数优化

基于弹性飞机的降阶模型设计控制器时需要考虑模型降阶带来的降阶误差,这就需要设计的控制器具有较强的鲁棒性。为此,以某弹性飞机12阶模型为例,研究了基于弹性飞机降阶模型的混合H2/H∞最优PID控制器的参数优化。首先基于平衡截断法得到了6阶降阶模型。然后,根据全阶模型和降阶模型的频域降阶误差选取了合适的鲁棒加权函数。之后,给出了闭环系统跟踪误差H2范数的一种简化计算方法用于H2/H∞优化指标的计算。最后基于差分进化算法进行了混合H2/H∞最优PID控制器的参数寻优。仿真结果表明,与H∞混合灵敏度控制器相比,优化得到的混合H2/H∞最优PID控制器具有更强的鲁棒性,能同时镇定参数和非参数两种不确定性。对弹性形变模态也有较好的抑制作用,刚性模态也取得了很好的响应效果。

弹性飞机的混合H_2/H_∞最优PID控制器设计

针对弹性飞机强鲁棒性、低阶次、低增益鲁棒控制器的设计问题,以某弹性飞机12阶模型为研究对象,研究了基于弹性飞机降阶模型的混合H2/H∞最优PID控制器的设计。首先基于平衡截断法得到了6阶降阶模型。然后,根据全阶模型和降阶模型的频域降阶误差选取了合适的鲁棒加权函数。之后,给出了系统跟踪误差的H2范数的一种简化计算方法用于计算H2范数优化设计指标。最后使用粒子群优化算法进行了混合H2/H∞最优PID控制器参数的优化得到了最优PID控制器。仿真结果表明,与H∞混合灵敏度控制器相比,混合H2/H∞最优PID控制器阶次更低,并能同时镇定参数和非参数两种不确定性具有更强的鲁棒性;对弹性形变有较好的抑制作用,对刚性模态也取得了很好的控制效果。

欠阻尼对象的最优 PID 控制器参数整定方法

研究了带有纯延迟的欠阻尼对象最优PID控制器的参数整定及性能鲁棒性评价问题。首先依据频域判据,确定保证闭环系统稳定的PID控制器参数域,然后采用全局寻优的遗传算法,获得ITAE指标最优的PID控制器参数。采用蒙特卡罗随机实验方法,对模型参数在有界范围内摄动时的性能鲁棒性进行了定量的比较和评价。仿真结果表明,本文方法具有良好的动态性能,在对象参数摄动时与极点配置方法和幅值相位裕量方法相比具有较好的性能鲁棒性。

四通阀控非对称液压缸系统控制器优化设计

为优化四通阀控非对称液压缸系统的动态特性,开展控制器优化设计研究。通过AMESim-MATLAB联合仿真的方法开展模型辨识,所构建的传递函数模型的位移误差平均值仅为4.31 mm,具有较高的准确度。基于伯德图进行系统的频域分析,结果表明所构建的系统是稳定的,但灵敏度和响应速度较差。设计两种最优PID控制器,基于遗传算法的最优PID控制器响应速度最快,其延迟时间、上升时间和最大超调量分别为0.152 s、0.323 s和3.43%,基于一阶模型延迟近似的最优PID控制器具有较高的控制精度,其延迟时间、上升时间和最大超调量分别为0.396 s、0.438 s和0。两种控制器均有效地改善系统的动态特性。

具有不完全微分的最优模糊PID控制器及其在智能人工腿中应用的仿真研究(英文)

提出了一种新的最优模糊PID控制器 ,它由两部分组成 ,即在线模糊推理机构和带有不完全微分的常规PID控制器 .在模糊推理机构中 ,引入了三个可调节因子xp,xi 和xd,其作用是进一步修改和优化模糊推理的结果 ,以使控制器对一个给定对象具有最优的控制效果 .可调节因子的最优值采用ITAE准则及Nelder和Mead提出的柔性多面体最优搜索算法加以确定 .这种PID控制器被用来控制由作者设计的智能人工腿中的一个直流电机 .仿真结果表明该控制器的设计是非常有效的 ,它可被用于控制各种不同的对象和过程 .

加入滞后时间削弱器的大滞后系统的最优模糊PID控制

首先给大滞后系统加入滞后时间削弱器,将大滞后的对象演变成小滞后的对象,然后基于模糊控制原理、极小值原理和PID控制理论,设计一种最优模糊PID控制器对小滞后对象进行自适应控制.仿真结果表明,加入滞后时间削弱器能使大滞后系统更容易控制;最优模糊PID控制器比模糊PID控制器具有更好的抗干扰性和鲁棒性,且系统响应的上升时间和调节时间明显缩短.

Smith预测器在啤酒发酵系统中的应用

针对啤酒发酵过程大滞后的特点,设计了基于Smith算法的控制器,仿真和试验结果表明,该系统性能稳定,抗干扰能力强。

Multi-objective Optimization of Controller for Process with Reverse Response and Dead Time

Due to the difficulty of controlling the process with inverse response and dead time,a Multi-objective Optimization based on Genetic Algorithm (MOGA) method for tuning of proportional-integral-derivative (PID) controller is proposed. The settings of the controller are valued by two criteria,the error between output and reference signals and control moves. An appropriate set of Pareto optimal setting of the PID controller is founded by analyzing the results of Pareto optimal surfaces for balancing the two criteria. A high order process with inverse response and dead time is used to illustrate the results of the proposed method. And the efficiency and robustness of the tuning method are evident compared with methods in recent literature.