基于PSO的模糊PID车载平台调平控制系统研究

为解决车载平台调平控制系统响应速度慢、自适应能力差的问题,对一款液压马达带动滚珠丝杠的调平支腿,建立其数学模型,提出了基于粒子群优化(Particle Swarm Optimization,PSO)的模糊比例积分微分(Proportional Integral Derivative,PID)控制方案。通过结合PSO算法的迭代寻优能力,智能整定传统模糊PID控制器中的量化因子及比例因子,再经过模糊控制在线调整PID参数。采用Simulink组件建立调平支腿基于PSO的模糊PID控制系统模型,仿真结果表明:相比于传统模糊PID控制与传统PID控制,基于PSO的模糊PID控制具有更优的控制精度和稳定性,能较好地提高系统的性能指标,满足快速高效调平的作业要求,为车载平台的调平控制提供了一定的参考。     

基于模糊PID算法的车载液压调平动态特性联合仿真研究

基于车载平台液压调平系统,为了减少支腿的跟踪误差及其同步误差,降低支腿之间的运动耦合,采用模糊PID控制算法实现调平过程中动态特性控制。利用AMESim和MATLAB/Simulink分别建立调平液压回路和模糊PID控制器的仿真模型并进行联合仿真研究。结果表明,加入模糊PID算法比常规PID算法能够有效的减少支腿的跟踪误差和定位误差以及支腿之间同步误差,有效提高调平精度。     

基于模糊PID的超高压控制方法研究

将模糊PID的控制方法应用于超高压试验台,实现了超高压的比例精确控制。针对普通比例溢流阀无法调节超高压的问题,设计了超高压实现方案。为验证方案的可行性,用AMESim搭建了仿真模型,并确立了液阻大小、超高压泵的排量与转速范围等关键参数。为克服传统PID控制算法的不足,通过AMESim-Simulink联合仿真,并利用MATLAB的Fuzzy工具箱进行模糊PID控制器的设计。最后,搭建了Real-Time xPC Target实验平台,并进行了实验验证。实验结果表明系统的控制精度与超调均得到了改善。     

Optimal cascade hydraulic control for a parallel robot platform by PSO

A new cascade load force control design for a parallel robot platform is proposed. A parameter search for a proposed cascade controller is difficult because there is no methodology to set the parameters and the search space is broad. A parameter search based on particle swarm optimization (PSO) is suggested to effectively search the parameters of the cascade controller. We used a unified mathematical model of a hydraulic actuator of parallel robot platform. These equations are readily applicable to various types of proportional valves, and they unify the cases of critical center, overlapped, and underlapped valves. These unified model equations are useful for nonlinear controller design. Simulation results show the advantages of the proposed optimal tuned cascade controller to solve the formulated tracking problem in relation to the classical proportional–integral (PI) controller.     

Rolling element bearing fault detection using support vector machine with improved ant colony optimization

In support vector machine (SVM), it is quite necessary to optimize the parameters which are the key factors impacting the classification performance. Improved ant colony optimization (IACO) algorithm is proposed to determine the parameters, and then the IACO-SVM algorithm is applied on the rolling element bearing fault detection. Both the optimal and the worst solutions found by the ants are allowed to update the pheromone trail density, and the mesh is applied in the ACO to adjust the range of optimized parameters. The experimental data of rolling bearing vibration signal is used to illustrate the performance of IACO-SVM algorithm by comparing with the parameters in SVM optimized by genetic algorithm (GA), cross-validation and standard ACO methods. The experimental results show that the proposed algorithm of IACO-SVM can give higher recognition accuracy.     

基于PID控制算法的自动调平系统的仿真研究

为了提高伸缩臂叉装车自动调平系统在工作中的调平精度和响应速度,提出了一种在伸缩臂叉装车的自动调平系统加入增量式比例-积分-微分(PID)控制算法的电液比例控制方法,并建立了电液自动调平系统的控制模型和Simulink仿真模型.利用Simulink的仿真结果分析和对比了加入PID控制算法与没有加入PID控制算法的阶跃响应和开环伯德图的特点,验证了在叉装车自动调平系统加入PID算法的可行性和产生的预期效果.     

基于多领导粒子策略的DMPSO算法在冷轧液压APC系统中的应用

冷轧液压伺服位置自动控制(APC)系统中,系统参数会随着运行时间发生改变,针对系统这一特性,提出了一种基于改进动态多目标粒子群（DMPSO）算法的PID控制器参数整定策略。当系统发生变化时,该策略利用动态多目标粒子群算法的寻优能力和对环境变化的适应能力重新对PID参数进行整定和寻优。同时,针对算法存在的易于陷入局部最优和收敛速度较慢等缺陷,提出了一种基于多领导粒子策略的动态多目标粒子群算法。仿真结果表明：该控制系统对环境变化跟踪快,超调量小,调整时间短,性能明显优于传统PID控制。     

遗传参数自适应调整算法及其在液压动力系统优化控制中的应用

针对固定参数的遗传算法容易陷入过早收敛,进入局部最优状态等问题,建立了交叉概率及变异概率的模糊逻辑控制器以实现遗传算法策略性参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力。运用常规优化方法及改进优化算法对永磁电机驱动的液压系统流量进行优化控制和对比,仿真和实验结果表明：采用遗传参数自适应调整算法优化控制器,可使系统在典型工况下,保持良好的控制性能,并且具有高于常规优化方法的控制精度和鲁棒性。     

基于粒子群算法液压伺服系统PID参数的优化

PID控制器在液压伺服系统中得到广泛的应用。为了有效地寻找液压伺服系统的最佳PID控制器参数,提出一种基于粒子群算法的PID参数优化策略。通过建立PSO-PID控制器参数模型,对PID控制器的参数进行实时优化;利用MATLAB对系统进行仿真,结果显示在液压伺服系统的工况相同时．新型控制器能取得满意的控制效果。     

液压提升式升船机主提升系统同步控制建模与仿真研究

为提高液压提升式升船机主提升系统的同步动态响应和控制精度,提出一种自整定模糊PID方案。建立了主提升缸电液比例同步控制系统模型,设计了自整定模糊PID 控制器,利用AMESim Simulink联合仿真平台,分别对液压伺服系统中的机械液压部分和控制部分进行建模。通过改变主提升缸初始速度差、负载黏性阻尼系数等参数,比较了常规PID控制器和自整定模糊PID控制器作用下,系统的动态特性和控制精度。结果表明,自整定模糊PID控制器相对常规PID控制器,抗干扰能力强,调节过程平稳快速,具有较强的鲁棒性。     

Disturbance-rejection-based tuning of proportional–integral–derivative controllers by exploiting closed-loop plant data

A systematic data-based design method for tuning proportional–integral–derivative (PID) controllers for disturbance attenuation is proposed. In this method, a set of closed-loop plant data are directly exploited without using a process model. PID controller parameters for a control system that behaves as closely as possible to the reference model for disturbance rejection are derived. Two algorithms are developed to calculate the PID parameters. One algorithm determines the optimal time delay in the reference model by solving an optimization problem, whereas the other algorithm avoids the nonlinear optimization by using a simple approximation for the time delay term, enabling derivation of analytical PID tuning formulas. Because plant data integrals are used in the regression equations for calculating PID parameters, the two proposed algorithms are robust against measurement noises. Moreover, the controller tuning involves an adjustable design parameter that enables the user to achieve a trade-off between performance and robustness. Because of its closed-loop tuning capability, the proposed method can be applied online to improve (retune) existing underperforming controllers for stable, integrating, and unstable plants. Simulation examples covering a wide variety of process dynamics, including two examples related to reactor systems, are presented to demonstrate the effectiveness of the proposed tuning method.     

基于均值耦合的多液压缸位置同步控制

针对多液压缸位置同步控制系统存在的耦合作用及偏载问题,提出一种基于均值耦合的同步控制策略,其控制思想为:控制器不仅要考虑自身的跟随误差,还要考虑与其余n-1个液压缸的同步误差,然后将得到的耦合误差通过模糊PID控制算法对回路进行在线调整,实现4液压缸升降平台的同步控制。最后,通过AMESim/Simulink联合仿真验证了与相邻交叉耦合控制策略相比,均值耦合控制策略能更好的解决液压缸的耦合作用及偏载问题,而且同步误差小,调节速度快,系统稳定性高。     

An improved approach for robust control of dynamic voltage restorer and power quality enhancement using grasshopper optimization algorithm

This paper presents a novel contribution of a low complexity control scheme for voltage control of a dynamic voltage restorer (DVR). The scheme proposed utilizes an error-driven proportional–integral–derivative (PID) controller to guarantee better power quality performance in terms of voltage enhancement and stabilization of the buses, energy efficient utilization, and harmonic distortion reduction in a distribution network. This method maintains the load voltage close to or equal to the nominal value in terms of various voltage disturbances such as balanced and unbalanced sag/swell, voltage imbalance, notching, different fault conditions as well as power system harmonic distortion. A grasshopper optimization algorithm (GOA) is used to tune the gain values of the PID controller. In order to validate the effectiveness of the proposed DVR controller, first, a fractional order PID controller was presented and compared with the proposed one. Further, a comparative performance evaluation of four optimization techniques, namely Cuckoo search (CSA), GOA, Flower pollination (FBA), and Grey wolf optimizer (GWO), is presented to compare between the PID and FOPID performance in terms of fault conditions in order to achieve a global minimum error and fast dynamic response of the proposed controller. Second, a comparative analysis of simulation results obtained using the proposed controller and those obtained using an active disturbance rejection controller (ADRC) is presented, and it was found that the performance of the optimal PID is better than the performance of the conventional ADRC. Finally, the effectiveness of the presented DVR with the controller proposed has been assessed by time-domain simulations in the MATLAB/Simulink platform.     

液压机械手电液比例系统模糊PID控制研究

针对液压机械手的电液比例系统存在较大程度的系统参数变化和负载干扰等特点,一般控制方法难以全部满足性能要求。常规PID控制方法虽然算法简单、可靠性好、鲁棒性高,但由于参数整定繁杂,往往造成参数整定不良、性能欠佳、适用性能差。为了改善这些缺陷,将模糊控制理论与PID控制理论相结合,设计了模糊PID控制器,实现了对PID参数的在线整定。利用MATLAB/Simulink进行仿真,比较常规PID控制与模糊PID控制下电液比例系统的控制效果,发现模糊PID控制器较好地克服了系统的非线性和负载干扰的影响,提高了系统的稳定性和动态性能。     

基于改进型模糊神经网络PID阀位控制研究

针对调节阀控制系统在实际生产中存在的大滞后、非线性等问题,提出一种改进粒子群算法优化的模糊神经网络比例积分微分(PID)控制模型用于阀位控制,该模型利用模糊神经网络的自学习能力,实现对PID控制参数的实时在线整定,并且通过将改进粒子群算法与BP算法相结合的方式,实现对模糊神经网络参数的粗调和细调,克服了模糊神经网络收敛...     

基于变模糊PID控制器的阀控非对称缸复合控制策略

针对非对称液压缸正反向运动的不对称性对位移控制精度的影响,为了提高阀控非对称液压缸伺服系统位移控制精度,设计了根据液压缸运动方向选择对应模糊PID位移控制器的位移闭环及速度前馈复合控制方案。搭建了基于ADAMS,AMESim和Simulink的阀控非对称液压缸伺服系统联合仿真模型。研究表明,采用速度前馈控制系统响应更快;采用对应变模糊PID位移控制器控制策略,非对称缸换向跟踪期望位移的精度更高。     

基于改进遗传算法的电液伺服系统轨迹控制

为了提高挖掘机器人电液伺服系统的轨迹精度,首先,建立挖掘机器人电液伺服系统模型;其次,对遗传算法的种群、适应度函数、交叉概率和变异概率进行改进,设计改进遗传算法的PID控制器,在联合仿真平台上进行了仿真研究,用阶跃和斜坡信号评估控制器性能;最后,搭建挖掘机器人轨迹控制实验平台,采用对挖掘机器人精度要求较高的斜坡作业验证控制器性能。结果表明:相比较于传统的PID控制器和经典遗传算法优化的PID控制器,改进遗传算法优化的PID控制器调整时间短,响应快速,实际动作控制时轨迹跟踪误差最小,可用在挖掘机器人实际轨迹控制中。     

改进粒子群算法在湿法烟气脱硫系统PID控制参数优化中的应用

将改进的粒子群算法所获得的优化参数用于PID控制器的优化,并通过算法寻优得到了满足系统性能指标的最佳控制器参数,有效地提高了控制系统稳定性。最后,通过增压风机入口压力PID控制的算法仿真,验证了算法的有效性。     

基于最小方差自校正的整平机姿态控制

针对我国自主研发的整平机整平精度低等问题,设计了基于最小方差自校正的整平机姿态控制算法。最小方差自校正控制采用递推增广最小二乘法,可对系统参数实时在线辨识,求解单步丢番图方程,并将其作为设计控制参数的依据,将最小方差控制作为控制率。使用阶跃响应法建立了整平机横滚角控制机构模型,并利用该模型在Matlab仿真环境下检验了控制算法的性能。以STM32F407为处理器,利用整平机实验平台实现了最小方差控制算法。结果表明:该控制算法可以大幅提高整平机的整平精度,系统的各项性能指标较PID控制有了很大提升。该技术在平地工程中具有较高的应用价值。     

伺服电机驱动的液压动力系统及其神经网络自适应优化控制

针对传统液压系统存在的高能耗、低响应特点,采用节能型液压动力源-永磁伺服电机直接驱动定量泵,以取代原有的异步电机驱动液压动力源,从而形成一种新型的节能、响应快速、易实现闭环控制的液压动力系统。由于实际液压系统随机干扰严重,具有多变量、非线性、强耦合的特征,难以建立较准确的数学模型,常规的PID控制算法很难满足液压系统高精度控制的要求,因此提出基于PSO与BP混合优化前向神经网络 PID自适应控制方法,实现液压系统在典型工况下流量的精确控制。PID控制器的参数采用神经网络进行自适应整定,神经网络的权值采用混合优化算法进行调整,通过神经网络的自学习能力寻找最佳的P、I、D非线性组合控制律,以增强液压系统对工况变化的适应能力。仿真和实验结果表明,该控制方法跟踪速度快、超调小、鲁棒性强,从而为液压系统流量高精度控制提供了一种新方法。