目的針對傳統(tǒng)PID在對包裝運(yùn)輸液壓頂升系統(tǒng)控制中參數(shù)難以整定的問題,使用多種群遺傳算法（MPGA）對參數(shù)尋優(yōu)。方法采用多種群遺傳算法,將算法與常規(guī)PID控制相結(jié)合。對液壓系統(tǒng)進(jìn)行分析,建立起液壓系統(tǒng)的數(shù)學(xué)模型,將其運(yùn)用到算法優(yōu)化后PID控制策略的被控對象中。同時(shí),與一般遺傳算法優(yōu)化后的參數(shù)進(jìn)行仿真對比,考察多種群遺傳算法對PID控制策略優(yōu)化的有效性。結(jié)果仿真結(jié)果表明,多種群遺傳算法優(yōu)化后的參數(shù)能使被控對象很快地收斂于穩(wěn)態(tài)。整個(gè)系統(tǒng)響應(yīng)速度快、穩(wěn)態(tài)誤差小、超調(diào)量小,而一般的遺傳算法得到的參數(shù)陷入局部最優(yōu),無法在較短時(shí)間內(nèi)得到全局最優(yōu)解。結(jié)論所提出的優(yōu)化算法對PID參數(shù)整定有良好的效果,能滿足系統(tǒng)的控制要求。 

【文章來源】：包裝工程. 2020,41(23)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

系統(tǒng)閉環(huán)傳遞函數(shù)框圖

蟻群算法對智能人工腿PID控制器進(jìn)行了優(yōu)化設(shè)計(jì)。傳統(tǒng)智能算法雖然在思路上設(shè)計(jì)簡單、容易實(shí)現(xiàn)，但存在容易早熟、過早收斂形成局部最優(yōu)解的問題[14]，對復(fù)雜控制系統(tǒng)的參數(shù)的尋優(yōu)效果往往達(dá)不到預(yù)期效果。文中為滿足液壓系統(tǒng)的控制要求提出一種基于多種群遺傳算法的PID參數(shù)尋優(yōu)設(shè)計(jì)。該控制算法主要針對一般算法的全局尋優(yōu)能力進(jìn)行優(yōu)化，對算法具有良好的優(yōu)化效果。1液壓系統(tǒng)的數(shù)學(xué)模型為了測試多種群遺傳算法對PID參數(shù)整定的有效性，需要得到液壓系統(tǒng)的傳遞函數(shù)，建立傳遞函數(shù)框圖。頂升液壓缸系統(tǒng)簡圖見圖1。現(xiàn)建立液壓系統(tǒng)的數(shù)學(xué)模型。圖1液壓缸原理Fig.1Schematicdiagramofhydrauliccylinder1.1液壓缸的流量-壓力特性對于頂升液壓系統(tǒng)，以活塞向上、桿外伸為正方向建立模型。進(jìn)油腔和回油腔的流量方程為：s11d122d22()dd2ddppyqCWxAtpyqCWxAt(1)式中：q1為進(jìn)油腔流量；q2為回油腔流量；x為閥芯位移；ρ為液體密度；p1為進(jìn)油腔壓力；p2為回油腔壓力；ps為供油壓力；A1為進(jìn)油腔活塞有效面積；A2為回油腔活塞有效面積；W為伺服閥閥口面積梯度；Cd為流量系數(shù)。則進(jìn)油腔和回油腔的流量比為：222111dd==ddyAAqtnyAqAt(2)對液壓缸的壓力和流量進(jìn)行整體分析，可得：2LL11221121()qpqpqpqqppq(3)即：LL112pqq(pnp)(4)因此可以定義負(fù)載流量qL和負(fù)載壓力pL為：L1L12qqppnp(5)由式（1）和式（4）可得：3sL132sL231()1npppnnpppn(6)將式（5

??根據(jù)設(shè)定的規(guī)則選取更優(yōu)的個(gè)體進(jìn)入下一代。5）終止準(zhǔn)則。一般在算法開始時(shí)設(shè)置迭代代數(shù)，當(dāng)達(dá)到既定代數(shù)時(shí)，算法終止。遺傳算法的流程見圖4。圖4遺傳算法(GA)流程Fig.4Flowchartofgeneticalgorithm(GA)2.3多種群遺傳算法多種群遺傳算法（Multi-populationGeneticAl-gorithm，MPGA）是一種基于遺傳算法提出的優(yōu)化算法。該算法在遺傳算法并行運(yùn)算的基礎(chǔ)上，通過對多種群并行進(jìn)化，并將各子種群間的精華種群交換來獲取更多的基因模式數(shù)，從而避免系統(tǒng)陷入局部最優(yōu)[17]。多種群遺傳算法的基本結(jié)構(gòu)見圖5。圖5多種群遺傳算法（MPGA）流程Fig.5Flowchartofmulti-populationgeneticalgorithm(MPGA)

【參考文獻(xiàn)】：
期刊論文
[1]無菌包裝預(yù)熱系統(tǒng)溫度控制方法研究[J]. 顧冬華,周振.  包裝工程. 2019(23)
[2]某定深電液伺服系統(tǒng)的粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)PID控制[J]. 何禹錕,高強(qiáng),侯遠(yuǎn)龍.  兵工自動化. 2019(11)
[3]基于H∞理論的信息熵PSO算法整定大時(shí)滯PID參數(shù)[J]. 湯偉,袁志敏,任革健,單文娟,馮波.  包裝工程. 2018(13)
[4]基于BP神經(jīng)網(wǎng)絡(luò)模型的磁懸浮水泵PID參數(shù)優(yōu)化[J]. 蘇一新,馬彥會,石倩,薛術(shù),于溯源.  流體機(jī)械. 2018(01)
[5]基于多種群遺傳算法的一般機(jī)器人逆運(yùn)動學(xué)求解[J]. 林陽,趙歡,丁漢.  機(jī)械工程學(xué)報(bào). 2017(03)
[6]電液比例閥控液壓馬達(dá)系統(tǒng)的模糊PID恒速控制[J]. 雷曉順,侯帥,秦璇,王楊芬,孟凡虎,王柯.  流體傳動與控制. 2016(01)
[7]一種用于PID控制參數(shù)優(yōu)化的混合果蠅算法[J]. 宋娟.  傳感器與微系統(tǒng). 2015(06)
[8]基于人工蜂群算法的航空發(fā)動機(jī)參數(shù)自整定PID控制[J]. 盧彬彬,肖玲斐,龔仁吉,范昕宇.  推進(jìn)技術(shù). 2015(01)
[9]遺傳算法研究進(jìn)展[J]. 馬永杰,云文霞.  計(jì)算機(jī)應(yīng)用研究. 2012(04)
[10]基于混沌遺傳算法的PID參數(shù)優(yōu)化[J]. 伍鐵斌,成運(yùn),周桃云,岳舟.  計(jì)算機(jī)仿真. 2009(05)

碩士論文
[1]基于智能優(yōu)化算法的前饋PID直驅(qū)泵控電液伺服控制技術(shù)研究[D]. 賈甜甜.西安理工大學(xué) 2017



本文編號：3132096