本文選題：主動磁懸浮軸承 + 粒子群優(yōu)化算法��； 參考：《制造技術(shù)與機床》2017年07期

【摘要】：針對主動磁懸浮軸承系統(tǒng)PID控制器參數(shù)設(shè)計問題,提出一種改進粒子群優(yōu)化算法來實現(xiàn)PID參數(shù)的最優(yōu)化。該算法以標(biāo)準粒子群算法為基礎(chǔ),采用非線性自適應(yīng)調(diào)節(jié)權(quán)值法以平衡算法的全局搜索和局部改良能力;同時采用帶有動態(tài)擾動項的粒子速度更新公式,增加了粒子的隨機性和多樣性,幫助粒子在迭代后期跳出局部最優(yōu)。并在MATLAB/Simulink中搭建系統(tǒng)模型進行仿真實驗。仿真結(jié)果表明:與標(biāo)準粒子群算法和遺傳算法相比,該算法收斂到最優(yōu)參數(shù)值的速度更快,PID控制系統(tǒng)的響應(yīng)速度更快,具有更好的動態(tài)性能和穩(wěn)態(tài)性能。
[Abstract]:In this paper, an improved particle swarm optimization (PSO) optimization algorithm is proposed to optimize the parameters of the PID controller in active magnetic bearing system. The algorithm is based on the standard particle swarm optimization (PSO) and uses the nonlinear adaptive adjustment weight method to balance the global search and local improvement of the algorithm. At the same time, the algorithm is used with dynamic disturbance. The particle velocity updating formula increases the randomness and diversity of particles, helps the particle to jump out of the local optimum in the later period of the iteration and builds a system model in MATLAB/Simulink to carry out simulation experiments. The simulation results show that the algorithm converges to the optimal parameter faster and PID control compared with the standard particle swarm optimization and genetic algorithm. The system has faster response speed, better dynamic performance and steady state performance.

【作者單位】： 南通大學(xué)電氣工程學(xué)院;常州工學(xué)院電氣與光電工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(51175052)
【分類號】：TH133.3;TP18

【參考文獻】

相關(guān)期刊論文 前8條

1 張建生;王一夫;馬嘯宇;沈瑩雅;;改進粒子群算法在主動磁懸浮軸承系統(tǒng)中的應(yīng)用[J];制造技術(shù)與機床;2016年09期

2 張弛;賈麗媛;王加陽;;改進的混合免疫算法在約束函數(shù)優(yōu)化中的應(yīng)用[J];中南大學(xué)學(xué)報(自然科學(xué)版);2016年06期

3 張先超;劉興長;;一種改進的粒子群優(yōu)化無線傳感器網(wǎng)絡(luò)定位算法[J];計算機與數(shù)字工程;2016年05期

4 趙志剛;林玉嬌;尹兆遠;;基于自適應(yīng)慣性權(quán)重的均值粒子群優(yōu)化算法[J];計算機工程與科學(xué);2016年03期

5 楊智;陳穎;;改進粒子群算法及其在PID整定中的應(yīng)用[J];控制工程;2016年02期

6 張建生;沈瑩雅;王一夫;馬嘯宇;;魯棒反演滑�？刂圃诖艖腋‰娭鬏S中的應(yīng)用[J];制造技術(shù)與機床;2015年12期

7 王東風(fēng);孟麗;趙文杰;;基于自適應(yīng)搜索中心的骨干粒子群算法[J];計算機學(xué)報;2016年12期

8 宋榮榮;陳滋利;;基于PSO算法的磁浮系統(tǒng)PID控制器優(yōu)化與評價[J];西南交通大學(xué)學(xué)報;2015年01期

【共引文獻】

相關(guān)期刊論文 前6條

1 闞丹會;茹鋒;;基于粒子群算法的PID參數(shù)優(yōu)化與仿真[J];信息系統(tǒng)工程;2017年07期

2 任小中;劉明鳴;蘇建新;任淑娟;;一種差速器殼體形位誤差評定及測量方法[J];河南科技大學(xué)學(xué)報(自然科學(xué)版);2017年06期

3 吳璇;張建生;王一夫;馬嘯宇;卜平凡;;改進粒子群算法在磁軸承中的研究[J];制造技術(shù)與機床;2017年07期

4 付傳秀;周建新;;免疫遺傳算法對中國區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展的聚類及預(yù)測分析[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2017年03期

5 劉勇;馬良;;轉(zhuǎn)換參數(shù)非線性遞減的正弦余弦算法[J];計算機工程與應(yīng)用;2017年02期

6 張則強;胡揚;陳沖;;求解拆卸線平衡問題的改進人工蜂群算法[J];西南交通大學(xué)學(xué)報;2016年05期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 于帆;李紀鑫;;免疫算法在近紅外光譜奇異樣本識別中的應(yīng)用[J];西安工業(yè)大學(xué)學(xué)報;2014年01期

2 鄭濤;潘玉美;郭昆亞;王增平;孫潔;;基于免疫算法的配電網(wǎng)故障定位方法研究[J];電力系統(tǒng)保護與控制;2014年01期

3 唐賢倫;張衡;周家林;張毅;;基于多Agent混沌粒子群優(yōu)化的磁懸浮系統(tǒng)PID控制器[J];信息與控制;2013年06期

4 楊艷;李樹波;;一種改進的權(quán)均值粒子群優(yōu)化算法[J];軟件導(dǎo)刊;2013年05期

5 王曉玲;張廣明;;變論域模糊PID磁懸浮軸承控制系統(tǒng)仿真[J];儀表技術(shù)與傳感器;2012年12期

6 毛永毅;王瑤;;基于雙混沌系統(tǒng)互反饋的加密算法[J];計算機應(yīng)用;2012年10期

7 王彥;鄧勇;王超;;基于改進粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計[J];控制工程;2012年05期

8 黃利;杜偉偉;丁立新;;基于Sigmoid慣性權(quán)重自適應(yīng)調(diào)整的粒子群優(yōu)化算法[J];計算機應(yīng)用研究;2012年01期

9 楊劍;張敏輝;;求解約束優(yōu)化問題的改進型免疫算法[J];計算機應(yīng)用研究;2011年11期

10 翟宏群;馮茂巖;;一種改進的變閾值陰性選擇免疫算法[J];南京師范大學(xué)學(xué)報(工程技術(shù)版);2011年03期

【相似文獻】

相關(guān)期刊論文 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產(chǎn)品管路自動敷設(shè)的粒子群算法[J];機械工程學(xué)報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學(xué)報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進粒子群算法及其在熱連軋負荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計算機集成制造系統(tǒng);2010年01期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問題的研究[D];東南大學(xué);2016年

2 杜毅;多階段可變批生產(chǎn)線重構(gòu)的研究[D];廣東工業(yè)大學(xué);2016年

3 尹浩;求解Web服務(wù)選取問題的粒子群算法研究[D];東北大學(xué);2014年

4 王芳;粒子群算法的研究[D];西南大學(xué);2006年

5 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

6 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學(xué);2009年

7 黃平;粒子群算法改進及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

8 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

9 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

10 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：1781181