發(fā)布時間：2017-08-19 04:36

  本文關(guān)鍵詞：基于感知模糊自適應(yīng)蟻群算法的非線性PID控制設(shè)計

  更多相關(guān)文章： 非線性PID控制 蟻群算法 自適應(yīng) 模糊控制

【摘要】：隨著系統(tǒng)復(fù)雜度的提高和對象不確定性因素的增加,為克服線性PID動態(tài)性能和穩(wěn)態(tài)性能差的缺陷,分析了非線性PID控制器各控制參數(shù)對誤差的理想變化過程,構(gòu)造非線性PID控制器;由于增益參數(shù)大量增加,傳統(tǒng)參數(shù)優(yōu)化方法不再適用,在分析蟻群算法的基礎(chǔ)上,提出了基于感知自適應(yīng)蟻群算法結(jié)合模糊自適應(yīng)信息素更新機制用于優(yōu)化非線性PID控制器的設(shè)計方法;通過仿真實驗將該控制器與基于蟻群算法的非線性PID控制器和基于蟻群算法、Z-N法的PID控制器進行對比,并對控制性能和收斂性能進行了分析,結(jié)果表明該算法有效克服了傳統(tǒng)蟻群算法收斂速度較慢、容易陷入局部最優(yōu)而停滯的缺陷,該控制器具有更好的動態(tài)性能和穩(wěn)態(tài)性能。
【作者單位】： 北京理工大學(xué)宇航學(xué)院;
【關(guān)鍵詞】： 非線性PID控制 蟻群算法 自適應(yīng) 模糊控制
【基金】：國家自然科學(xué)基金(11572036)
【分類號】：TP18;TP273
【正文快照】： 0引言比例-積分-微分(PID)控制器由于結(jié)構(gòu)簡單、魯棒性好及可靠性高等優(yōu)點,被廣泛應(yīng)用于各種工業(yè)過程控制中。隨著現(xiàn)代工業(yè)系統(tǒng)復(fù)雜程度的提高和被控對象不確定性因素的增加,傳統(tǒng)的線性PID控制往往難以達(dá)到滿意的控制效果,而非線性PID控制能真實地反映控制量與偏差信號之間的

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李保;王長華;熊婧;;基于自適應(yīng)蟻群算法的動態(tài)作業(yè)車間調(diào)度問題的求解方法[J];機電工程;2009年07期

2 張紀(jì)會,高齊圣,徐心和;自適應(yīng)蟻群算法[J];控制理論與應(yīng)用;2000年01期

3 楊瑞;張海英;潘永湘;;混合自適應(yīng)蟻群算法及其應(yīng)用研究[J];西安理工大學(xué)學(xué)報;2005年04期

4 馮遠(yuǎn)靜,馮祖仁,彭勤科;一類自適應(yīng)蟻群算法及其收斂性分析[J];控制理論與應(yīng)用;2005年05期

5 凌海峰;王西山;;求解柔性作業(yè)車間調(diào)度問題的兩階段參數(shù)自適應(yīng)蟻群算法[J];中國機械工程;2013年24期

6 張濤;盧玫;李博漢;陶亮;;用于尋源導(dǎo)熱反問題的自適應(yīng)蟻群算法研究[J];應(yīng)用數(shù)學(xué)和力學(xué);2014年07期

7 朱益江;;自適應(yīng)蟻群算法在流水車間調(diào)度問題上的應(yīng)用[J];連云港職業(yè)技術(shù)學(xué)院學(xué)報;2007年04期

8 肖菁;李亮平;;基于信息熵調(diào)整的自適應(yīng)蟻群算法[J];計算機工程與設(shè)計;2010年22期

9 孔凡國;黃偉;;Job Shop調(diào)度問題自適應(yīng)蟻群算法的研究[J];新技術(shù)新工藝;2006年05期

10 金飛虎;高會軍;鐘嘯劍;;自適應(yīng)蟻群算法在空間機器人路徑規(guī)劃中的應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報;2010年07期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 潘永湘;楊瑞;;混合自適應(yīng)蟻群算法[A];第二十三屆中國控制會議論文集（上冊）[C];2004年

2 王艷紅;徐光磊;張葉紅;;一類平滑自適應(yīng)蟻群算法的設(shè)計與實驗[A];第十一屆沈陽科學(xué)學(xué)術(shù)年會暨中國汽車產(chǎn)業(yè)集聚區(qū)發(fā)展與合作論壇論文集（信息科學(xué)與工程技術(shù)分冊）[C];2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王學(xué)梅;基于自適應(yīng)蟻群算法的移動機器人路徑規(guī)劃研究[D];安徽工程大學(xué);2016年

2 杜浩明;基于混合自適應(yīng)蟻群算法的大規(guī)模定制產(chǎn)品配置方案研究[D];上海交通大學(xué);2012年

3 張寧;基于自適應(yīng)蟻群算法的云計算任務(wù)調(diào)度研究[D];大連理工大學(xué);2015年

4 彭沛夫;遺傳融合的自適應(yīng)蟻群算法最優(yōu)PID控制研究[D];湖南大學(xué);2005年

5 張葉紅;基于改進平滑自適應(yīng)蟻群算法的Job shop調(diào)度方法研究[D];沈陽工業(yè)大學(xué);2014年

6 高峰;基于自然計算的WSN路由技術(shù)研究[D];河北工業(yè)大學(xué);2011年

，

本文編號：698753