隨著人工智能、控制理論的不斷發(fā)展和進步,分數(shù)階微積分在控制領(lǐng)域中的研究和應(yīng)用也在不斷豐富。由于分數(shù)階PIλDμ控制器比傳統(tǒng)的控制器在系統(tǒng)的響應(yīng)速度、控制精度以及抗干擾能力方面具有一定的優(yōu)勢,因此分數(shù)階PIλDμ控制器廣泛應(yīng)用在航空航天、工業(yè)過程控制、伺服控制以及各種機械控制領(lǐng)域中,但是針對系統(tǒng)進行分數(shù)階PIλDμ控制器設(shè)計時存在整定參數(shù)多、且整定困難等問題,本文從分數(shù)階控制理論的基礎(chǔ)出發(fā),研究了分數(shù)階PIλDμ控制器的設(shè)計方法,并將分數(shù)階PIλDμ控制器應(yīng)用到了永磁同步電機的具體實例中。本文的主要研究工作如下:（1）針對分數(shù)階PIλDμ控制器在工程應(yīng)用中,控制器參數(shù)多,且整定困難等問題,本文研究了粒子群算法優(yōu)化控制器參數(shù),并針對粒子群算法在優(yōu)化過程中容易陷入局部最優(yōu),以及收斂精度低的問題,研究了改進粒子群算法,主要是通過調(diào)節(jié)其慣性權(quán)重因子來平衡全局和局部搜索能力;此外針對改進粒子群算法在迭代過程中,其學(xué)習(xí)因子也會影響粒子的局部和全局認知能力,且取值不當(dāng)會影響算法的搜索性能以及收斂精度等問題,本文進一步提出了一種自適應(yīng)參數(shù)調(diào)整的策略,研究了改進自適應(yīng)粒子群算法來優(yōu)化分數(shù)階PIλDμ控制器... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

三種算法優(yōu)化下的系統(tǒng)階躍響應(yīng)

第三章基于改進自適應(yīng)粒子群算法的分數(shù)階PID控制器設(shè)計28圖3.11不同算法下的系統(tǒng)穩(wěn)態(tài)誤差從圖3.10中的綜合對比可得，在響應(yīng)速度上，改進的粒子群算法較快，改進自適應(yīng)粒子群算法次之，但超調(diào)量上，改進粒子群算法在三種算法中最大；在調(diào)節(jié)時間上，改進自適應(yīng)粒子群算法在三種算法中調(diào)節(jié)最快；從圖3.11的結(jié)果對比中可知，改進自適應(yīng)粒子群算法穩(wěn)態(tài)誤差最校通過以上綜合分析可得，相比其它兩種算法，設(shè)計的改進自適應(yīng)粒子群算法綜合性能較好，控制效果更優(yōu)。進一步地對每一種算法的仿真實驗結(jié)果從超調(diào)量、調(diào)節(jié)時間、穩(wěn)態(tài)誤差等性能指標方面進行詳細對比分析，其性能指標如表3.3所示。表3.3不同優(yōu)化算法下的控制性能指標算法類型超調(diào)量%調(diào)節(jié)時間st/s穩(wěn)態(tài)誤差ess基本粒子群算法1.85471.07680.0743改進的粒子群算法3.02180.86040.0541改進自適應(yīng)粒子群算法0.13560.65420.0062從表3.3中的性能指標值分析可知，改進自適應(yīng)粒子群算法的超調(diào)量為0.1356，在三種算法中超調(diào)量最小；改進自適應(yīng)算法的調(diào)節(jié)時間為0.6542s，是三種算法調(diào)節(jié)時間中的最小值；改進自適應(yīng)算法的穩(wěn)態(tài)誤差值為0.0062，也是三種算法中的最小值。通過以上綜合分析可得出，改進自適應(yīng)算法的三個性能指標值均為最佳值，表明改進自適應(yīng)粒子群算法綜合性能最好，對系統(tǒng)的控制效果更佳。(2)抗擾能力分析為了更進一步地驗證本章設(shè)計的PID控制器的優(yōu)越性以及魯棒性，在1s處設(shè)置了-0.3的擾動，其三種算法下抗擾動仿真圖如圖3.12所示。

第三章基于改進自適應(yīng)粒子群算法的分數(shù)階PID控制器設(shè)計29圖3.12不同算法下整數(shù)階模型抗擾動結(jié)果從圖3.12的仿真結(jié)果中可知，三種算法整定其參數(shù)時在擾動加入后，基本粒子群算法的波動比較大，調(diào)節(jié)時間為0.5567s；改進粒子群算法和改進自適應(yīng)粒子群算法波動都很小，改進自適應(yīng)粒子群算法的調(diào)節(jié)時間為0.4168s，且改進自適應(yīng)粒子群算法的過程相對平穩(wěn)。綜上對比分析其他兩種算法可知，采用改進自適應(yīng)粒子群算法綜合性能最好，控制系統(tǒng)效果最佳，具有更好的抗干擾性能。3.3.2被控對象為分數(shù)階系統(tǒng)仿真實驗取分數(shù)階系統(tǒng)進行仿真實驗，其傳遞函數(shù)選取如下：2.20.91()0.880.51Gsss(3.17)分別采用3.2節(jié)設(shè)計的三種智能優(yōu)化算法對分數(shù)階被控對象進行單位階躍響應(yīng)仿真，觀察并分析其控制效果。具體的步驟和整數(shù)階仿真實例相同，分別給不同算法設(shè)置參數(shù)，如下：基本粒子群算法：選取種群個體數(shù)為50，算法循環(huán)上限值為100，12cc2，=0.5，其他參數(shù)隨機初始化設(shè)置，但是通過分析多次實驗結(jié)果發(fā)現(xiàn)，當(dāng),,pidkkk范圍設(shè)置在0100之間，，設(shè)置在02之間時，經(jīng)過優(yōu)化后控制器可具有較好的性能。改進的粒子群算法：選取種群個體數(shù)為50，算法循環(huán)上限值為100，參數(shù)維數(shù)為5維，具體表示形式為(,,,pidkkk，），12cc2，=0.5，其他參數(shù)隨機初始化設(shè)置，但是通過分析多次實驗結(jié)果發(fā)現(xiàn)，當(dāng),,pidkkk范圍設(shè)置在0100°之間，，設(shè)置在02之間時，經(jīng)過優(yōu)化后控制器可具有較好的性能。改進自適應(yīng)粒子群算法：選取種群個體數(shù)為50，算法循環(huán)上限值為100，學(xué)習(xí)因子1c，2c的最大值和最小值范圍為0.53，，慣性權(quán)重系數(shù)最大值max的范圍為0.5,1.5，

【參考文獻】：
期刊論文
[1]分數(shù)階PID控制器參數(shù)的自適應(yīng)設(shè)計[J]. 黃麗蓮,周曉亮,項建弘.  系統(tǒng)工程與電子技術(shù). 2013(05)
[2]分數(shù)階PIλDμ控制器參數(shù)設(shè)計方法——極點階數(shù)搜索法[J]. 嚴慧,于盛林,李遠祿.  信息與控制. 2007(04)
[3]黏彈性材料復(fù)模量和復(fù)柔量的分數(shù)階微積分表述[J]. 金輝,蘇海軍.  山東大學(xué)學(xué)報(理學(xué)版). 2005(04)
[4]反常擴散與分數(shù)階對流-擴散方程[J]. 常福宣,陳進,黃薇.  物理學(xué)報. 2005(03)
[5]分數(shù)微積分在系統(tǒng)建模中的應(yīng)用[J]. 王振濱,曹廣益,朱新堅.  上海交通大學(xué)學(xué)報. 2004(05)

博士論文
[1]分數(shù)階控制系統(tǒng)分析及應(yīng)用研究[D]. 王曉燕.華北電力大學(xué)（北京） 2011
[2]混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D]. 唐賢倫.重慶大學(xué) 2007
[3]分數(shù)階微積分在現(xiàn)代信號分析與處理中應(yīng)用的研究[D]. 蒲亦非.四川大學(xué) 2006
[4]永磁同步電機伺服系統(tǒng)控制策略的研究[D]. 林偉杰.浙江大學(xué) 2005

碩士論文
[1]改進的分數(shù)階PID控制算法及其應(yīng)用[D]. 陳剛.合肥工業(yè)大學(xué) 2019
[2]永磁同步電機的分數(shù)階滑模變結(jié)構(gòu)控制技術(shù)[D]. 倪禛霖.江蘇大學(xué) 2019
[3]交流伺服電機分數(shù)階辨識與控制研究[D]. 詹鑫泰.華南理工大學(xué) 2017
[4]分數(shù)階狀態(tài)空間系統(tǒng)穩(wěn)定性分析及應(yīng)用[D]. 何少杰.哈爾濱工程大學(xué) 2011



本文編號：3024811