基于多种群遗传算法的液压系统PID参数寻优
发布时间：2021-04-11 22:49
目的针对传统PID在对包装运输液压顶升系统控制中参数难以整定的问题,使用多种群遗传算法（MPGA）对参数寻优。方法采用多种群遗传算法,将算法与常规PID控制相结合。对液压系统进行分析,建立起液压系统的数学模型,将其运用到算法优化后PID控制策略的被控对象中。同时,与一般遗传算法优化后的参数进行仿真对比,考察多种群遗传算法对PID控制策略优化的有效性。结果仿真结果表明,多种群遗传算法优化后的参数能使被控对象很快地收敛于稳态。整个系统响应速度快、稳态误差小、超调量小,而一般的遗传算法得到的参数陷入局部最优,无法在较短时间内得到全局最优解。结论所提出的优化算法对PID参数整定有良好的效果,能满足系统的控制要求。
【文章来源】：包装工程. 2020,41(23)北大核心
【文章页数】：7 页
【部分图文】：
系统闭环传递函数框图
蚁群算法对智能人工腿PID控制器进行了优化设计。传统智能算法虽然在思路上设计简单、容易实现，但存在容易早熟、过早收敛形成局部最优解的问题[14]，对复杂控制系统的参数的寻优效果往往达不到预期效果。文中为满足液压系统的控制要求提出一种基于多种群遗传算法的PID参数寻优设计。该控制算法主要针对一般算法的全局寻优能力进行优化，对算法具有良好的优化效果。1液压系统的数学模型为了测试多种群遗传算法对PID参数整定的有效性，需要得到液压系统的传递函数，建立传递函数框图。顶升液压缸系统简图见图1。现建立液压系统的数学模型。图1液压缸原理Fig.1Schematicdiagramofhydrauliccylinder1.1液压缸的流量-压力特性对于顶升液压系统，以活塞向上、杆外伸为正方向建立模型。进油腔和回油腔的流量方程为：s11d122d22()dd2ddppyqCWxAtpyqCWxAt(1)式中：q1为进油腔流量；q2为回油腔流量；x为阀芯位移；ρ为液体密度；p1为进油腔压力；p2为回油腔压力；ps为供油压力；A1为进油腔活塞有效面积；A2为回油腔活塞有效面积；W为伺服阀阀口面积梯度；Cd为流量系数。则进油腔和回油腔的流量比为：222111dd==ddyAAqtnyAqAt(2)对液压缸的压力和流量进行整体分析，可得：2LL11221121()qpqpqpqqppq(3)即：LL112pqq(pnp)(4)因此可以定义负载流量qL和负载压力pL为：L1L12qqppnp(5)由式（1）和式（4）可得：3sL132sL231()1npppnnpppn(6)将式（5
??根据设定的规则选取更优的个体进入下一代。5）终止准则。一般在算法开始时设置迭代代数，当达到既定代数时，算法终止。遗传算法的流程见图4。图4遗传算法(GA)流程Fig.4Flowchartofgeneticalgorithm(GA)2.3多种群遗传算法多种群遗传算法（Multi-populationGeneticAl-gorithm，MPGA）是一种基于遗传算法提出的优化算法。该算法在遗传算法并行运算的基础上，通过对多种群并行进化，并将各子种群间的精华种群交换来获取更多的基因模式数，从而避免系统陷入局部最优[17]。多种群遗传算法的基本结构见图5。图5多种群遗传算法（MPGA）流程Fig.5Flowchartofmulti-populationgeneticalgorithm(MPGA)
【参考文献】：
期刊论文
[1]无菌包装预热系统温度控制方法研究[J]. 顾冬华,周振. 包装工程. 2019(23)
[2]某定深电液伺服系统的粒子群优化神经网络PID控制[J]. 何禹锟,高强,侯远龙. 兵工自动化. 2019(11)
[3]基于H∞理论的信息熵PSO算法整定大时滞PID参数[J]. 汤伟,袁志敏,任革健,单文娟,冯波. 包装工程. 2018(13)
[4]基于BP神经网络模型的磁悬浮水泵PID参数优化[J]. 苏一新,马彦会,石倩,薛术,于溯源. 流体机械. 2018(01)
[5]基于多种群遗传算法的一般机器人逆运动学求解[J]. 林阳,赵欢,丁汉. 机械工程学报. 2017(03)
[6]电液比例阀控液压马达系统的模糊PID恒速控制[J]. 雷晓顺,侯帅,秦璇,王杨芬,孟凡虎,王柯. 流体传动与控制. 2016(01)
[7]一种用于PID控制参数优化的混合果蝇算法[J]. 宋娟. 传感器与微系统. 2015(06)
[8]基于人工蜂群算法的航空发动机参数自整定PID控制[J]. 卢彬彬,肖玲斐,龚仁吉,范昕宇. 推进技术. 2015(01)
[9]遗传算法研究进展[J]. 马永杰,云文霞. 计算机应用研究. 2012(04)
[10]基于混沌遗传算法的PID参数优化[J]. 伍铁斌,成运,周桃云,岳舟. 计算机仿真. 2009(05)
硕士论文
[1]基于智能优化算法的前馈PID直驱泵控电液伺服控制技术研究[D]. 贾甜甜.西安理工大学 2017
本文编号：3132096
【文章来源】：包装工程. 2020,41(23)北大核心
【文章页数】：7 页
【部分图文】：
系统闭环传递函数框图
蚁群算法对智能人工腿PID控制器进行了优化设计。传统智能算法虽然在思路上设计简单、容易实现，但存在容易早熟、过早收敛形成局部最优解的问题[14]，对复杂控制系统的参数的寻优效果往往达不到预期效果。文中为满足液压系统的控制要求提出一种基于多种群遗传算法的PID参数寻优设计。该控制算法主要针对一般算法的全局寻优能力进行优化，对算法具有良好的优化效果。1液压系统的数学模型为了测试多种群遗传算法对PID参数整定的有效性，需要得到液压系统的传递函数，建立传递函数框图。顶升液压缸系统简图见图1。现建立液压系统的数学模型。图1液压缸原理Fig.1Schematicdiagramofhydrauliccylinder1.1液压缸的流量-压力特性对于顶升液压系统，以活塞向上、杆外伸为正方向建立模型。进油腔和回油腔的流量方程为：s11d122d22()dd2ddppyqCWxAtpyqCWxAt(1)式中：q1为进油腔流量；q2为回油腔流量；x为阀芯位移；ρ为液体密度；p1为进油腔压力；p2为回油腔压力；ps为供油压力；A1为进油腔活塞有效面积；A2为回油腔活塞有效面积；W为伺服阀阀口面积梯度；Cd为流量系数。则进油腔和回油腔的流量比为：222111dd==ddyAAqtnyAqAt(2)对液压缸的压力和流量进行整体分析，可得：2LL11221121()qpqpqpqqppq(3)即：LL112pqq(pnp)(4)因此可以定义负载流量qL和负载压力pL为：L1L12qqppnp(5)由式（1）和式（4）可得：3sL132sL231()1npppnnpppn(6)将式（5
??根据设定的规则选取更优的个体进入下一代。5）终止准则。一般在算法开始时设置迭代代数，当达到既定代数时，算法终止。遗传算法的流程见图4。图4遗传算法(GA)流程Fig.4Flowchartofgeneticalgorithm(GA)2.3多种群遗传算法多种群遗传算法（Multi-populationGeneticAl-gorithm，MPGA）是一种基于遗传算法提出的优化算法。该算法在遗传算法并行运算的基础上，通过对多种群并行进化，并将各子种群间的精华种群交换来获取更多的基因模式数，从而避免系统陷入局部最优[17]。多种群遗传算法的基本结构见图5。图5多种群遗传算法（MPGA）流程Fig.5Flowchartofmulti-populationgeneticalgorithm(MPGA)
【参考文献】：
期刊论文
[1]无菌包装预热系统温度控制方法研究[J]. 顾冬华,周振. 包装工程. 2019(23)
[2]某定深电液伺服系统的粒子群优化神经网络PID控制[J]. 何禹锟,高强,侯远龙. 兵工自动化. 2019(11)
[3]基于H∞理论的信息熵PSO算法整定大时滞PID参数[J]. 汤伟,袁志敏,任革健,单文娟,冯波. 包装工程. 2018(13)
[4]基于BP神经网络模型的磁悬浮水泵PID参数优化[J]. 苏一新,马彦会,石倩,薛术,于溯源. 流体机械. 2018(01)
[5]基于多种群遗传算法的一般机器人逆运动学求解[J]. 林阳,赵欢,丁汉. 机械工程学报. 2017(03)
[6]电液比例阀控液压马达系统的模糊PID恒速控制[J]. 雷晓顺,侯帅,秦璇,王杨芬,孟凡虎,王柯. 流体传动与控制. 2016(01)
[7]一种用于PID控制参数优化的混合果蝇算法[J]. 宋娟. 传感器与微系统. 2015(06)
[8]基于人工蜂群算法的航空发动机参数自整定PID控制[J]. 卢彬彬,肖玲斐,龚仁吉,范昕宇. 推进技术. 2015(01)
[9]遗传算法研究进展[J]. 马永杰,云文霞. 计算机应用研究. 2012(04)
[10]基于混沌遗传算法的PID参数优化[J]. 伍铁斌,成运,周桃云,岳舟. 计算机仿真. 2009(05)
硕士论文
[1]基于智能优化算法的前馈PID直驱泵控电液伺服控制技术研究[D]. 贾甜甜.西安理工大学 2017
本文编号：3132096
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3132096.html
