您好,欢迎光临中国电子应用网![登录] [免费注册] 返回首页 | | 网站地图 | 反馈 | 收藏
在应用中实践
在实践中成长
  • 应用
  • 专题
  • 产品
  • 新闻
  • 展会
  • 活动
  • 博客
  • 招聘
当前位置:中国电子应用网 > 技术应用 > 正文

基于粒子群优化的分数阶PID预测函数参数整定

2015年01月21日16:55:54 本网站 我要评论(2)字号:T | T | T
关键字:应用 

摘要:为避免分数阶PID预测函数手动调节参数的不确定性以及繁琐性,应用粒子群算法优化其参数,完善分数阶PID预测函数控制器,并提高其控制精度,充分体现了算法的智能性。将粒子群整定分数阶PID预测函数算法应用于单变量的励磁控制系统中,通过Matlab仿真并与模糊分数阶PID预测函数以及经验调节方法相比较,结果表明,粒子群算法整定参数收敛速度快,找到最优点时间短,整定后的算法具有静态误差小、无超调、上升速度快、调节时间短、抗干扰能力强等优点,能很好地满足励磁系统的动态特性,并具有较强的鲁棒性及适应性。


关键词:粒子群优化;分数阶PID预测函数控制;励磁控制
           中图分类号:TP27   文献标志码:A

1 引言


分数阶PID(FOPID)控制器最早由Podlubny I教授提出[1],是普通PID数阶领域的扩展,FOPID比传统PID多了2个自由度λ和μ,增强了调节的灵活性,明显提高了系统的响应速度及鲁棒性,同时加大了参数的调节难度,至今仍未探寻出一种合适的参数整定方法。预测函数控制(Predictive Functional Control,PFC)最早由Richalet和Kuntze等[2-3]提出并成功应用于机器人控制的第三代模型预测控制算法,该算法根据过去的状态预测未来的输入与输出,能很好地解决系统稳态误差问题,有效地抑制大干扰,但其响应的速度较慢。将分数阶PID与预测函数控制结合得到的新型控制算法(FOPIDPFC)同时具有FOPID和PFC的优点,比单一的控制算法效果更好[4],但其参数是通过经验和多次试验得到的,特别是当被控对象改变时,参数需再次调整,这样不仅费时,还可能导致找不到最优控制参数。因此寻求一种快速、简单、可靠的智能算法来优化控制参数尤为重要。近年来,随着人工智能和机器学习理论的迅速发展,出现了许多智能参数优化方法并且取得了一定的效果,如:蚁群算法[5]、遗传算法[6]、模糊算法[7]、粒子群算法[8-10]等。蚁群算法计算时间长,收敛速度慢,全局搜索能力差。遗传算法具有过早收敛的缺点,当优化具有强相关性的对象时,搜索能力变差,影响控制效果。模糊PID控制系统性能的优劣取决于模糊规则和隶属度函数的选取,而这又严重依赖于设计者对被控对象了解的程度。粒子群算法简单,计算方便,求解速度快,因此本文用PSO优化FOPIDPFC的5个参数,并将此算法应用于励磁控制系统中通过Matlab仿真平台对此算法进行仿真,并与模糊整定算法相比较,从输出曲线的响应速度、调节时间、稳态误差等性能指标进行了对比。

登录网站后可下载文件

网友评论:已有2条评论 点击查看
登录 (请登录发言,并遵守相关规定)
如果您对新闻频道有任何意见或建议,请到交流平台反馈。【反馈意见】
关于我们 | 联系我们 | 本站动态 | 广告服务 | 欢迎投稿 | 友情链接 | 法律声明
Copyright (c) 2008-2020 01ea.com.All rights reserved.
电子应用网 京ICP备12009123号 京公网安备110105003345号