基于粒子群算法的自抗扰飞行控制器优化设计

提出了一种基于粒子群算法的自抗扰飞行控制器优化设计方法。方法中,利用自抗扰控制方法抗干扰能力强、鲁棒性好与对模型参数变化适应能力强的特点,设计了自抗扰纵向飞行控制器,以提高飞行控制性能。同时针对所设计的自抗扰飞行控制器参数较多,难以设计的问题,应用粒子群优化算法进行了控制器参数的自寻优设计。仿真结果表明:不需要人工调参,通过粒子群优化算法自寻优获得的飞行控制器参数具有良好的控制性能,提高了设计效率。     

基于粒子群算法的自抗扰控制器参数优化

针对于自抗扰控制器中参数难以整定的问题,提出了基于粒子群优化算法的参数优化设计方法。该设计方法的实质就是选择合适的适应度函数,利用粒子群优化方法对自抗扰控制器的可调参数进行优化。该设计方法运算简单易于实现。对于实现自抗扰控制算法的快速调参具有重要意义。     

四旋翼飞行器飞行姿态的自抗扰控制研究

四旋翼飞行器具有四个对称分布的螺旋桨,其在军事、国防、民用等领域都有着巨大的潜在应用前景。但同时因该系统的欠驱动、非线性等特性,故实现对其的稳定控制存在一定的难度。本文对于四旋翼飞行器的姿态控制问题,根据牛顿第二定律和欧拉方程建立了它的数学模型。并利用自抗扰技术对所建立的模型进行了研究,分别通过对偏航、俯仰、滚转三个角度的控制设计控制器以实现姿态控制,最后通过仿真实验验证了控制器的有效性。     

四旋翼飞行器的自抗扰飞行控制方法

针对四旋翼飞行器参数不确定性和外部干扰敏感的问题,本文提出一种基于自抗扰控制器的控制系统设计方法.在为期望姿态和高度安排过渡过程的基础上,设计了扩张状态观测器对内扰和外扰进行估计并实时补偿,能够很好地克服飞行器的强耦合性、模型不确定性以及风速变化等外部干扰问题.此外本文还设计了非线性状态误差反馈控制律来有效抑制跟踪误差.在仿真平台上对自抗扰控制系统进行稳定控制、姿态跟踪、高度控制、抗扰性及鲁棒性实验,并与串级PID控制系统进行定量对比分析.仿真结果表明,本文所设计的自抗扰控制器不仅能够很好地估计并补偿系统所受内外部干扰,而且对四旋翼飞行器参数的不确定性具有较强的鲁棒性,能够满足飞行器姿态调节快速和高稳定度的控制要求,性能指标明显优于串级PID控制器.     

自抗扰fal函数改进及在四旋翼姿态控制中的应用

将自抗扰控制器(ADRC)应用于四旋翼飞行器姿态控制.首先,对扩张状态观测器(ESO)进行理论分析,对扩张状态观测器中的非线性fal函数进行改进,得到改进型faln函数,并对改进后的状态观测器进行收敛性判断;然后,将传统的fal函数与改进型faln函数进行仿真实验对比,以验证改进型faln函数能够更好地达到“大误差,小增益”的效果;最后,将改进的faln函数应用于四旋翼飞行器姿态控制,仿真结果表明,改进后的faln函数具有比传统fal函数更优的抗扰效果.     

基于自抗扰技术的四旋翼飞行器视觉伺服控制器设计

基于自抗扰控制技术的四旋翼飞行器视觉伺服控制器克服了惯性传感器无法获取位置信息的缺点,提高了飞行器的灵活性,能够胜任更复杂的任务;文章主要针对基于四旋翼无人飞行器的视觉伺服控制技术问题展开相关研究;选用基于HSV颜色空间的颜色特征提取的方法实现目标跟踪,再通过三角形法则确定飞行器与目标在世界坐标下的相对位置,最后引入自抗扰控制技术设计了水平位置控制器与姿态控制器;通过实验结果分析,文章设计的飞行器视觉伺服控制器可以准确地跟踪目标并实施高精度定位,并且控制系统鲁棒性强,跟踪误差小,能够有效地完成视觉伺服控制任务。     

四旋翼飞行器的自抗扰控制方法研究

为了检验自抗扰控制方法是否可以应用在四旋翼飞行器飞行控制系统。介绍了自抗扰控制器的原理以及基本组成。针对四旋翼飞行器低速飞行或悬停状态,提出了一种基于自抗扰控制器的控制系统设计方法并在仿真平台上进行稳定控制、高度控制实验,以及与PID控制系统进行对比分析实验。仿真结果表明：基于自抗扰的四旋翼飞行器控制系统具有较好的动态品质、稳态精度以及较强的鲁棒性,本文所设计自抗扰控制器可应用在四旋翼飞行控制系统。     

主动变形四旋翼自抗扰飞行控制方法

为了获得更好的环境适应性,研究设计了一种主动变形四旋翼飞行器.飞行器的变形主要分为两种:机臂伸缩和折叠.为抑制系统所受内外扰动影响,设计了基于自抗扰控制(ADRC)技术的飞行控制器.首先对主动变形四旋翼结构进行设计,使用牛顿欧拉法建立风扰下系统动力学模型,然后分析阵风对系统影响以及动态变形时重心位置、惯性张量等参数的变化,接着将主动变形四旋翼系统解耦成6个SISO系统的组合并设计位姿自抗扰控制器,最后分别利用扩张状态观测器和非线性状态误差反馈律对系统所受扰动进行观测和补偿.仿真结果表明,本文所设计的基于ADRC飞行控制器的主动变形四旋翼具有优秀的位姿控制能力,在飞行过程中可以良好地进行变形,能够有效地观测变形的扰动和紊流风扰,具有较强的稳定性和抗扰性,同时对系统部分动力失效故障有较强的鲁棒性.     

离散型自抗扰控制器在四旋翼飞行姿态控制中的应用

本文首先介绍了自抗扰控制器的结构组成,包括跟踪微分器、扩张状态观测器以及非线性状态误差反馈律,及各部分的典型算法.针对四旋翼盘旋系统的姿态控制问题,设计了3种离散型自抗扰控制器,搭建了仿真结构图,并进行了参数整定,得到了优良的仿真结果.进而在实际装置上进行试验,调试出了令人满意的姿态实时控制结果.实时控制结果表明,文中所设计的自抗扰控制器可以满足控制精度及快速性的要求,并且具有抗干扰性能、稳定控制能力以及对非线性强耦合系统的解耦能力.最后,总结并分析了3种自抗扰控制器的优缺点及适用范围.     

基于ADRC的四旋翼飞行器抗干扰控制研究

近年来随着自动控制技术的飞速发展,四旋翼飞行器在军事领域和民用方面均得到了广泛应用。飞行器控制系统的抗干扰能力决定了四旋翼飞行器飞行性能的稳定性和可靠性。飞行器控制系统常采用经典PID(Proportional Integral Derivative)方法,该方法容易受到外界的干扰,增大了控制难度。本文采用自抗扰控制(Auto Disturbances Rejection Control,ADRC)算法对四旋翼飞行器模型的飞行位置和姿态进行了控制。通过与PID算法控制结果对比,可以得到以下结论:基于ADRC算法控制的四旋翼飞行器起飞1-2s后,其飞行位置、姿态、位置和姿态回路扰动均与期望值有较高的重叠性,同时飞行器的水平和空间飞行轨迹呈现出圆滑、平稳。因此,ADRC能够有效地解决飞行器的内部通道耦合和外部干扰等问题,使得四旋翼飞行器能更加方便、可靠、稳定地应用于各个领域。     

改进的粒子群优化算法优化分数阶PID控制器参数

为了提高分数阶比例积分微分（FOPID）控制器的控制效果,针对FOPID控制器参数整定的范围广、复杂性高等特点,提出改进的粒子群优化（PSO）算法优化FOPID控制器参数的方法。该算法对PSO中惯权重系数的上下限设定范围并随迭代次数以伽玛函数方式非线性下降,同时粒子的惯性权重系数和学习因子根据粒子的适应度值大小动态调整,使粒子保持合理运动惯性和学习能力,提高粒子的自适应能力。仿真实验表明,改进的PSO算法优化FOPID控制器的参数较标准PSO算法具有收敛速度快和收敛精度高等优点,使FOPID控制器得到较优的综合性能。     

基于PSO算法的目标值前馈型二自由度PID控制器的优化设计

微粒群优化算法是一种全局优化技术，算法简单、容易实现．其通过微粒间的相互作用发现复杂搜索空间中的最优区域．提出了将微粒群优化算法用于二自由度PID控制器参数的寻优设计中，并以工业过程中常见的对象为模型，进行了Matlab仿真试验，仿真结果表明系统同时具有了最优的目标值跟踪特性和干扰抑制特性，证明了PSO算法的有效性．     

基于改进PSO算法的目标温度模糊神经网络控制器

以某钢厂引进的板坯连铸二冷控制为研究对象,针对现有控制系统由于铸坯表面目标温度是预先设定的固定值,存在二冷水量波动大、铸坯质量不稳定等缺陷,设计了基于改进PSO算法的目标温度模糊神经网络控制器,在遵守冶金准则的前提下,根据浇注钢种与拉速、中包温度变化量动态控制目标温度。仿真结果表明：该控制器控制误差小,适应范围广,可以满足生产要求。提出了模糊神经网络的改进PSO算法,阐述了其基本思想、改进之处及其实施过程。研究结果对引进的同类连铸板坯二冷控制系统的升级改造具有指导意义。     

改进PSO算法的性能分析与研究*

分析了粒子群优化(PSO)算法的进化式,针对其容易发生早熟、收敛速度慢、后期搜索性能和个体寻优能力降低等缺点,结合遗传算法的思想,提出一种新的混合PSO算法——遗传PSO(GAPSO)。该算法是在PSO算法的更新过程中,对粒子速度引入遗传算法的变异操作,对粒子位置引入遗传算法交叉操作。对速度的变异降低了算法后期因种群过于密集而陷入局部最优的可能,对位置的交叉使得父代中优良个体的基因能够更好地遗传给下一代,从而得到更优、更多样化的后代,加快进化过程,提高了收敛速度和群体搜索性能。选取了其他几种典型的改进PS     

基于新型免疫粒子群优化的热连轧负荷分配策略*

针对带钢热连轧精轧中的负荷分配问题,提出了一种新型的优化策略。首先提出了一种新型的免疫粒子群混合优化算法,通过克隆选择算子来调节群体的浓度,实现混合算法的个体高亲和力和群体的多样性; 然后通过提出的混合算法对负荷分配进行优化,得到优化的压下量数据,通过这些数据建立了计算负荷分配输出的人工神经网络。实验表明,提出的混合算法和负荷分配优化策略给出了很好的优化效果,能有效地指导实际生产应用。     

改进教与学优化算法的LQR控制器优化设计

为了快速有效地确定线性二次最优控制(linear quadratic regulator,LQR)问题中的加权矩阵Q和R,针对主动悬架LQR控制器权系数设计问题,提出一种改进的教与学优化算法进行LQR优化设计。算法对基本教与学优化算法中的"教"与"学"阶段进行了进一步的改进,同时提出一种"自我学习"策略。通过仿真实验表明,和基本教与学算法、粒子群算法、遗传算法相比,本文算法在对主动悬架LQR控制器优化时,具有收敛速度快,求解精度高和稳定性强等优势。     

基于遗传优化自抗扰控制器的机器人无标定手眼协调

研究机器人无标定手眼协调控制,提出了自适应遗传算法(AGA)选取与优化自抗扰控制器(ADRC)参数的方法,较好地解决了其过多参数难以调节的问题．采用两个结构相同的一阶ADRC实现了六自由度机器人的无标定视觉跟踪控制,以及Motoman-SV3XL机器人的视觉定位．实验结果验证了算法的可行性和有效性．     

基于改进粒子群优化算法的IIR数字滤波器设计

针对粒子群优化(PSO)算法存在早熟收敛问题,提出了一种改进算法——带有柯西扰动的重分布粒子群优化(RPSO)算法,并应用于IIR数字滤波器的优化设计。RPSO在检测到粒子群早熟收敛时,自动触发粒子重分布机制,帮助粒子逃离局部收敛区域,同时在迭代过程中对种群的全局最优位置施加柯西扰动以保持种群的多样性。仿真实验结果表明,在对IIR数字滤波器设计时,RPSO算法的性能优于粒子群、量子粒子群以及基于混沌变异的粒子群优化等算法。     

基于改进粒子群优化算法的离散混沌系统神经滑模控制

针对离散混沌系统,提出一种基于融合Powell法的粒子群优化策略(Powell-PSO算法)的神经滑模等效控制方法。该方法通过将BP神经网络的输出作为滑模等效控制的切换部分的系数,有效地克服了传统滑模等效控制的抖振现象;利用Powell-PSO算法对神经滑模控制器的参数进行全局优化,提高了离散混沌系统的控制品质。仿真实验结果表明,所提出的方法无需了解离散混沌系统精确模型,具有响应速度快、控制精度高以及抗干扰能力强的优点。     

基于改进粒子群算法的PID控制器参数自整定

针对标准粒子群算法寻优精度不高、易出现早熟收敛等缺陷,提出一种自适应混沌移民变异粒子群算法IPSO。该算法通过引入基因距离来反映粒子间合作与竞争的隐性知识,使粒子种群的多样性得到量化,采取自适应混沌移民变异策略对陷入聚集区域的粒子进行处理,使之获得继续搜索的能力,从而防止算法过早陷入局部最优。仿真结果表明,IPSO算法在PID控制器参数寻优问题上具有遗传算法和标准粒子群算法无法比拟的优势。