本文關(guān)鍵詞：基于簡便約束粒子群優(yōu)化算法的空空導(dǎo)彈μ-PID控制器設(shè)計(jì)　出處：《兵工學(xué)報(bào)》2017年01期 　論文類型：期刊論文

  更多相關(guān)文章： 飛行器控制、導(dǎo)航技術(shù) 空空導(dǎo)彈 粒子群優(yōu)化 約束優(yōu)化 魯棒性

【摘要】：針對現(xiàn)有約束粒子群優(yōu)化(PSO)算法存在的算法復(fù)雜、應(yīng)用范圍受限、優(yōu)化效果不佳等缺陷,提出一種新型約束粒子群算法。該算法采用目標(biāo)函數(shù)替換的方法將約束優(yōu)化問題轉(zhuǎn)化為非約束優(yōu)化問題,具有簡便易用的優(yōu)點(diǎn)。通過典型測試函數(shù)測試并和其他具有代表性的約束PSO算法進(jìn)行對比,表明該算法在處理約束優(yōu)化問題上的優(yōu)越性。為了驗(yàn)證該算法應(yīng)用于工程的可行性,以樣例導(dǎo)彈縱向模型為對象,針對經(jīng)典Raytheon控制結(jié)構(gòu),采用該算法設(shè)計(jì)了μ-PID控制器。仿真結(jié)果表明,樣例導(dǎo)彈控制器可以在滿足多種時(shí)域指標(biāo)的同時(shí)具有良好的魯棒性能,達(dá)到了設(shè)計(jì)指標(biāo)要求,驗(yàn)證了所提出算法的有效性。
[Abstract]:According to the existing constrained particle swarm optimization (PSO) algorithm is a complex algorithm, limited the scope of application, the optimization effect is poor, proposes a new constrained particle swarm algorithm. The algorithm adopts the method of objective function will replace the constrained optimization problem into unconstrained optimization problem, and has the advantages of easy to use by comparison. Typical test function test and other representative constrained PSO algorithm show that the algorithm in dealing with the superiority of the constraints on the optimization. In order to validate the feasibility of algorithm is applied to the project, to sample missile longitudinal model, according to the classic Raytheon control structure, the controller is designed using the -PID algorithm. The simulation results show that the sample, missile controller has good robustness in satisfying time-domain index variety at the same time, meet the design requirements, verify that the proposed algorithm has Efficiency.

【作者單位】： 南京航空航天大學(xué)自動(dòng)化學(xué)院;
【分類號(hào)】：TP18;TP273
【正文快照】： 0引言近年來,采用非線性優(yōu)化算法來解決控制器優(yōu)化設(shè)計(jì)問題的研究已逐步進(jìn)入應(yīng)用階段[1-2]。Ken-nedy等[3]在1995年提出的粒子群優(yōu)化(PSO)算法,作為其中有代表性的一種群體智能優(yōu)化算法,其具有如下優(yōu)點(diǎn):1)算法結(jié)構(gòu)簡單,只需要很少的代碼就可以實(shí)現(xiàn)該算法;2)算法程序在計(jì)算量和

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 李偉杰;沈作軍;;基于μ分析的高超聲速飛行器再入軌跡評估[J];飛行力學(xué);2016年04期

2 蔡海鸞;郭學(xué)萍;;一種新的自適應(yīng)懲罰函數(shù)在遺傳算法中的應(yīng)用[J];華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

3 楊希祥;江振宇;張為華;;基于粒子群算法的固體運(yùn)載火箭上升段彈道優(yōu)化設(shè)計(jì)研究[J];宇航學(xué)報(bào);2010年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張柳;張雪梅;唐瓊;申麟;王俊峰;;基于組合粒子群算法的運(yùn)載火箭彈道優(yōu)化設(shè)計(jì)[J];導(dǎo)彈與航天運(yùn)載技術(shù);2016年06期

2 白連紅;徐澍;;基于改進(jìn)的PSO優(yōu)化算法的計(jì)算機(jī)實(shí)驗(yàn)教學(xué)[J];福建電腦;2016年03期

3 高朝輝;張普卓;劉宇;余夢倫;;垂直返回重復(fù)使用運(yùn)載火箭技術(shù)分析[J];宇航學(xué)報(bào);2016年02期

4 李振華;鮮勇;雷剛;張大巧;劉炳琪;;基于混合粒子群算法的上升段交會(huì)彈道快速優(yōu)化設(shè)計(jì)[J];航空動(dòng)力學(xué)報(bào);2015年12期

5 李振華;鮮勇;雷剛;劉炳琪;張大巧;;基于種群熵粒子群優(yōu)化算法的上升段交會(huì)彈道優(yōu)化設(shè)計(jì)[J];導(dǎo)彈與航天運(yùn)載技術(shù);2015年06期

6 劉炳琪;鮮勇;李振華;王繼平;蘇國華;;基于非連續(xù)點(diǎn)火的變射面空間“M”形彈道設(shè)計(jì)及優(yōu)化[J];固體火箭技術(shù);2015年05期

7 鮮勇;李少朋;李振華;劉炳琪;常燕;;基于梯度粒子群算法的縱橫向機(jī)動(dòng)跳躍彈道設(shè)計(jì)及優(yōu)化[J];彈道學(xué)報(bào);2015年03期

8 李靖;廖瑛;楊雅君;;基于Kriging模型的QPSO算法在固體運(yùn)載火箭彈道優(yōu)化中的應(yīng)用[J];彈箭與制導(dǎo)學(xué)報(bào);2014年03期

9 黃國強(qiáng);陸宇平;南英;;飛行器軌跡優(yōu)化數(shù)值算法綜述[J];中國科學(xué):技術(shù)科學(xué);2012年09期

10 晁濤;王松艷;楊明;王子才;;基于組合優(yōu)化算法的臨近空間飛行器軌跡優(yōu)化[J];宇航學(xué)報(bào);2012年02期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 吳宏鑫;孟斌;;高超聲速飛行器控制研究綜述[J];力學(xué)進(jìn)展;2009年06期

2 甘敏;彭輝;;一種新的自適應(yīng)懲罰函數(shù)算法求解約束優(yōu)化問題[J];信息與控制;2009年01期

3 王允良;唐偉;張勇;李為吉;;通用航空飛行器氣動(dòng)布局設(shè)計(jì)優(yōu)化(英文)[J];宇航學(xué)報(bào);2006年04期

4 孫丕忠,夏智勛,郭振云;水平空中發(fā)射固體有翼運(yùn)載火箭軌道設(shè)計(jì)與優(yōu)化[J];固體火箭技術(shù);2004年02期

5 羅亞中,唐國金,周黎妮;混合遺傳算法及其在運(yùn)載火箭最優(yōu)上升軌道設(shè)計(jì)中的應(yīng)用[J];國防科技大學(xué)學(xué)報(bào);2004年02期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蒙正中;;一種改進(jìn)的混合粒子群優(yōu)化算法[J];桂林工學(xué)院學(xué)報(bào);2009年03期

2 吳昌友;王福林;馬力;;一種新的改進(jìn)粒子群優(yōu)化算法[J];控制工程;2010年03期

3 周馳,高海兵,高亮,章萬國;粒子群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2003年12期

4 高鷹,謝勝利;免疫粒子群優(yōu)化算法[J];計(jì)算機(jī)工程與應(yīng)用;2004年06期

5 張榮沂;一種新的集群優(yōu)化方法——粒子群優(yōu)化算法[J];黑龍江工程學(xué)院學(xué)報(bào);2004年04期

6 高鷹;謝勝利;;混沌粒子群優(yōu)化算法[J];計(jì)算機(jī)科學(xué);2004年08期

7 劉釗,康立山,蔣良孝,楊林權(quán);用粒子群優(yōu)化改進(jìn)算法求解混合整數(shù)非線性規(guī)劃問題[J];小型微型計(jì)算機(jī)系統(tǒng);2005年06期

8 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年10期

9 竇全勝;周春光;馬銘;劉全;;群核進(jìn)化粒子群優(yōu)化方法[J];計(jì)算機(jī)科學(xué);2005年08期

10 范娜;云慶夏;;粒子群優(yōu)化算法及其應(yīng)用[J];信息技術(shù);2006年01期

相關(guān)會(huì)議論文 前10條

1 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

2 孫紅光;潘毓學(xué);;基于運(yùn)動(dòng)目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測算法[A];中國自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國智能自動(dòng)化會(huì)議論文集（下冊）[C];2003年

8 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對混沌系統(tǒng)未知參數(shù)的估計(jì)[A];中國力學(xué)大會(huì)——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進(jìn)粒子群優(yōu)化算法的彈道求解方法[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

2 姜毅;動(dòng)態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

3 劉華鎣;粒子群優(yōu)化算法的改進(jìn)研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

4 劉波;粒子群優(yōu)化算法及其在機(jī)電設(shè)備中的應(yīng)用研究[D];中北大學(xué);2011年

5 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例[D];浙江大學(xué);2005年

6 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

7 閆允一;粒子群優(yōu)化及其在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2008年

8 余炳輝;粒子群優(yōu)化算法試驗(yàn)研究及擴(kuò)展[D];華中科技大學(xué);2007年

9 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

10 徐慧;粒子群優(yōu)化算法改進(jìn)及其在煤層氣產(chǎn)能預(yù)測中的應(yīng)用研究[D];中國礦業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏?cái)?shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)態(tài)勢預(yù)測模型研究[D];蘭州大學(xué);2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學(xué);2015年

5 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

6 米永強(qiáng);非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

7 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學(xué);2015年

9 牛旭;動(dòng)態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1399551