融合蜂群优化航空发动机自适应PID控制

发布时间：2021-03-26 22:04

　　针对传统人工蜂群算法收敛速度慢、容易陷入局部最优等缺点,提出了一种改进的融合蜂群（HABC）算法,从选择机制、邻域搜索机制和解向量的多样性3个方面改进了蜂群算法的寻优性能。针对航空发动机控制系统,基于HABC算法设计了一种在线自适应PID控制器,在控制过程中不断优化PID参数,使控制器能够根据发动机系统的当前工作状态自适应地得到时变最优参数。仿真结果表明,所设计的在线自适应PID控制器实现了参数时变最优,使航空发动机闭环系统具有满意的动态性能和鲁棒稳定性。 

【文章来源】：控制工程. 2019,26(02)北大核心CSCD

【文章页数】：7 页

【参考文献】：
期刊论文
[1]基于改进人工蜂群算法的机器人路径规划[J]. 王海泉,胡瀛月,廖伍代,闫同斌,王东云.  控制工程. 2016(09)
[2]航空发动机自适应全局快速非奇异Terminal滑模控制[J]. 苗卓广,谢寿生,张波,任立通,王立国,吴勇.  航空动力学报. 2013(11)
[3]基于ABC算法的航空发动机管路自动优化布局[J]. 张禹,白晓兰,武芃睿.  东北大学学报(自然科学版). 2013(10)
[4]涡轴发动机自适应非线性预测控制[J]. 肖玲斐,黄向华.  航空动力学报. 2012(05)
[5]基于人工蜂群算法的无人机航迹规划研究[J]. 胡中华,赵敏.  传感器与微系统. 2010(03)
[6]基于遗传交叉因子的改进蜂群优化算法[J]. 罗钧,樊鹏程.  计算机应用研究. 2009(10)
[7]基于遗传算法的航空发动机多目标优化PID控制[J]. 李玥,孙健国.  航空动力学报. 2008(01)
[8]基于混合遗传算法的航空发动机PID控制参数寻优[J]. 曹志松,朴英.  航空动力学报. 2007(09)
[9]航空发动机PID控制参数优化的改进遗传算法[J]. 李秋红,孙健国,周继超.  南京航空航天大学学报. 2006(02)
[10]面向21世纪航空动力控制展望[J]. 孙健国.  航空动力学报. 2001(02)

硕士论文
[1]遗传蜂群算法及其应用[D]. 袁艳花.南京理工大学 2013



本文编号：3102316