改进粒子群算法在磁轴承中的研究

发布时间：2018-04-21 05:50

  本文选题：主动磁悬浮轴承 + 粒子群优化算法　； 参考：《制造技术与机床》2017年07期

【摘要】：针对主动磁悬浮轴承系统PID控制器参数设计问题,提出一种改进粒子群优化算法来实现PID参数的最优化。该算法以标准粒子群算法为基础,采用非线性自适应调节权值法以平衡算法的全局搜索和局部改良能力;同时采用带有动态扰动项的粒子速度更新公式,增加了粒子的随机性和多样性,帮助粒子在迭代后期跳出局部最优。并在MATLAB/Simulink中搭建系统模型进行仿真实验。仿真结果表明:与标准粒子群算法和遗传算法相比,该算法收敛到最优参数值的速度更快,PID控制系统的响应速度更快,具有更好的动态性能和稳态性能。
[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.

【作者单位】： 南通大学电气工程学院;常州工学院电气与光电工程学院;
【基金】：国家自然科学基金项目(51175052)
【分类号】：TH133.3;TP18

【参考文献】

相关期刊论文 前8条

1 张建生;王一夫;马啸宇;沈莹雅;;改进粒子群算法在主动磁悬浮轴承系统中的应用[J];制造技术与机床;2016年09期

2 张弛;贾丽媛;王加阳;;改进的混合免疫算法在约束函数优化中的应用[J];中南大学学报(自然科学版);2016年06期

3 张先超;刘兴长;;一种改进的粒子群优化无线传感器网络定位算法[J];计算机与数字工程;2016年05期

4 赵志刚;林玉娇;尹兆远;;基于自适应惯性权重的均值粒子群优化算法[J];计算机工程与科学;2016年03期

5 杨智;陈颖;;改进粒子群算法及其在PID整定中的应用[J];控制工程;2016年02期

6 张建生;沈莹雅;王一夫;马啸宇;;鲁棒反演滑模控制在磁悬浮电主轴中的应用[J];制造技术与机床;2015年12期

7 王东风;孟丽;赵文杰;;基于自适应搜索中心的骨干粒子群算法[J];计算机学报;2016年12期

8 宋荣荣;陈滋利;;基于PSO算法的磁浮系统PID控制器优化与评价[J];西南交通大学学报;2015年01期

【共引文献】

相关期刊论文 前6条

1 阚丹会;茹锋;;基于粒子群算法的PID参数优化与仿真[J];信息系统工程;2017年07期

2 任小中;刘明鸣;苏建新;任淑娟;;一种差速器壳体形位误差评定及测量方法[J];河南科技大学学报(自然科学版);2017年06期

3 吴璇;张建生;王一夫;马啸宇;卜平凡;;改进粒子群算法在磁轴承中的研究[J];制造技术与机床;2017年07期

4 付传秀;周建新;;免疫遗传算法对中国区域经济协调发展的聚类及预测分析[J];赤峰学院学报(自然科学版);2017年03期

5 刘勇;马良;;转换参数非线性递减的正弦余弦算法[J];计算机工程与应用;2017年02期

6 张则强;胡扬;陈冲;;求解拆卸线平衡问题的改进人工蜂群算法[J];西南交通大学学报;2016年05期

【二级参考文献】

相关期刊论文 前10条

1 于帆;李纪鑫;;免疫算法在近红外光谱奇异样本识别中的应用[J];西安工业大学学报;2014年01期

2 郑涛;潘玉美;郭昆亚;王增平;孙洁;;基于免疫算法的配电网故障定位方法研究[J];电力系统保护与控制;2014年01期

3 唐贤伦;张衡;周家林;张毅;;基于多Agent混沌粒子群优化的磁悬浮系统PID控制器[J];信息与控制;2013年06期

4 杨艳;李树波;;一种改进的权均值粒子群优化算法[J];软件导刊;2013年05期

5 王晓玲;张广明;;变论域模糊PID磁悬浮轴承控制系统仿真[J];仪表技术与传感器;2012年12期

6 毛永毅;王瑶;;基于双混沌系统互反馈的加密算法[J];计算机应用;2012年10期

7 王彦;邓勇;王超;;基于改进粒子群算法的模糊神经网络PID控制器设计[J];控制工程;2012年05期

8 黄利;杜伟伟;丁立新;;基于Sigmoid惯性权重自适应调整的粒子群优化算法[J];计算机应用研究;2012年01期

9 杨剑;张敏辉;;求解约束优化问题的改进型免疫算法[J];计算机应用研究;2011年11期

10 翟宏群;冯茂岩;;一种改进的变阈值阴性选择免疫算法[J];南京师范大学学报(工程技术版);2011年03期

【相似文献】

相关期刊论文 前10条

1 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

2 吴军;李为吉;;改进的粒子群算法及在结构优化中的应用[J];陕西理工学院学报(自然科学版);2006年04期

3 段海涛;刘永忠;冯霄;;水系统优化的粒子群算法分析[J];华北电力大学学报(自然科学版);2007年02期

4 王伟;;混合粒子群算法及其优化效率评价[J];中国水运(学术版);2007年06期

5 付宜利;封海波;孙建勋;李荣;马玉林;;机电产品管路自动敷设的粒子群算法[J];机械工程学报;2007年11期

6 蒋荣华;王厚军;龙兵;;基于离散粒子群算法的测试选择[J];电子测量与仪器学报;2008年02期

7 周苗;陈义保;刘加光;;一种新的协同多目标粒子群算法[J];山东理工大学学报(自然科学版);2008年05期

8 姚峰;杨卫东;张明;;改进粒子群算法及其在热连轧负荷分配中的应用[J];北京科技大学学报;2009年08期

9 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期

10 王丽萍;江波;邱飞岳;;基于决策偏好的多目标粒子群算法及其应用[J];计算机集成制造系统;2010年01期

相关会议论文 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

相关博士学位论文 前10条

1 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年

2 杜毅;多阶段可变批生产线重构的研究[D];广东工业大学;2016年

3 尹浩;求解Web服务选取问题的粒子群算法研究[D];东北大学;2014年

4 王芳;粒子群算法的研究[D];西南大学;2006年

5 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

6 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

7 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

8 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

9 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

10 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

相关硕士学位论文 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年

7 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年

8 樊伟健;基于混合混沌粒子群算法求解变循环发动机数学模型问题[D];山东大学;2015年

9 陈百霞;考虑风电场并网的电力系统无功优化[D];山东大学;2015年

10 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

，

本文编号：1781181