基于简便约束粒子群优化算法的空空导弹μ-PID控制器设计
本文关键词:基于简便约束粒子群优化算法的空空导弹μ-PID控制器设计 出处:《兵工学报》2017年01期 论文类型:期刊论文
更多相关文章: 飞行器控制、导航技术 空空导弹 粒子群优化 约束优化 鲁棒性
【摘要】:针对现有约束粒子群优化(PSO)算法存在的算法复杂、应用范围受限、优化效果不佳等缺陷,提出一种新型约束粒子群算法。该算法采用目标函数替换的方法将约束优化问题转化为非约束优化问题,具有简便易用的优点。通过典型测试函数测试并和其他具有代表性的约束PSO算法进行对比,表明该算法在处理约束优化问题上的优越性。为了验证该算法应用于工程的可行性,以样例导弹纵向模型为对象,针对经典Raytheon控制结构,采用该算法设计了μ-PID控制器。仿真结果表明,样例导弹控制器可以在满足多种时域指标的同时具有良好的鲁棒性能,达到了设计指标要求,验证了所提出算法的有效性。
[Abstract]:According to the existing constrained particle swarm optimization (PSO) algorithm is a complex algorithm, limited the scope of application, the optimization effect is poor, proposes a new constrained particle swarm algorithm. The algorithm adopts the method of objective function will replace the constrained optimization problem into unconstrained optimization problem, and has the advantages of easy to use by comparison. Typical test function test and other representative constrained PSO algorithm show that the algorithm in dealing with the superiority of the constraints on the optimization. In order to validate the feasibility of algorithm is applied to the project, to sample missile longitudinal model, according to the classic Raytheon control structure, the controller is designed using the -PID algorithm. The simulation results show that the sample, missile controller has good robustness in satisfying time-domain index variety at the same time, meet the design requirements, verify that the proposed algorithm has Efficiency.
【作者单位】: 南京航空航天大学自动化学院;
【分类号】:TP18;TP273
【正文快照】: 0引言近年来,采用非线性优化算法来解决控制器优化设计问题的研究已逐步进入应用阶段[1-2]。Ken-nedy等[3]在1995年提出的粒子群优化(PSO)算法,作为其中有代表性的一种群体智能优化算法,其具有如下优点:1)算法结构简单,只需要很少的代码就可以实现该算法;2)算法程序在计算量和
【参考文献】
相关期刊论文 前3条
1 李伟杰;沈作军;;基于μ分析的高超声速飞行器再入轨迹评估[J];飞行力学;2016年04期
2 蔡海鸾;郭学萍;;一种新的自适应惩罚函数在遗传算法中的应用[J];华东师范大学学报(自然科学版);2015年06期
3 杨希祥;江振宇;张为华;;基于粒子群算法的固体运载火箭上升段弹道优化设计研究[J];宇航学报;2010年05期
【共引文献】
相关期刊论文 前10条
1 张柳;张雪梅;唐琼;申麟;王俊峰;;基于组合粒子群算法的运载火箭弹道优化设计[J];导弹与航天运载技术;2016年06期
2 白连红;徐澍;;基于改进的PSO优化算法的计算机实验教学[J];福建电脑;2016年03期
3 高朝辉;张普卓;刘宇;余梦伦;;垂直返回重复使用运载火箭技术分析[J];宇航学报;2016年02期
4 李振华;鲜勇;雷刚;张大巧;刘炳琪;;基于混合粒子群算法的上升段交会弹道快速优化设计[J];航空动力学报;2015年12期
5 李振华;鲜勇;雷刚;刘炳琪;张大巧;;基于种群熵粒子群优化算法的上升段交会弹道优化设计[J];导弹与航天运载技术;2015年06期
6 刘炳琪;鲜勇;李振华;王继平;苏国华;;基于非连续点火的变射面空间“M”形弹道设计及优化[J];固体火箭技术;2015年05期
7 鲜勇;李少朋;李振华;刘炳琪;常燕;;基于梯度粒子群算法的纵横向机动跳跃弹道设计及优化[J];弹道学报;2015年03期
8 李靖;廖瑛;杨雅君;;基于Kriging模型的QPSO算法在固体运载火箭弹道优化中的应用[J];弹箭与制导学报;2014年03期
9 黄国强;陆宇平;南英;;飞行器轨迹优化数值算法综述[J];中国科学:技术科学;2012年09期
10 晁涛;王松艳;杨明;王子才;;基于组合优化算法的临近空间飞行器轨迹优化[J];宇航学报;2012年02期
【二级参考文献】
相关期刊论文 前5条
1 吴宏鑫;孟斌;;高超声速飞行器控制研究综述[J];力学进展;2009年06期
2 甘敏;彭辉;;一种新的自适应惩罚函数算法求解约束优化问题[J];信息与控制;2009年01期
3 王允良;唐伟;张勇;李为吉;;通用航空飞行器气动布局设计优化(英文)[J];宇航学报;2006年04期
4 孙丕忠,夏智勋,郭振云;水平空中发射固体有翼运载火箭轨道设计与优化[J];固体火箭技术;2004年02期
5 罗亚中,唐国金,周黎妮;混合遗传算法及其在运载火箭最优上升轨道设计中的应用[J];国防科技大学学报;2004年02期
【相似文献】
相关期刊论文 前10条
1 蒙正中;;一种改进的混合粒子群优化算法[J];桂林工学院学报;2009年03期
2 吴昌友;王福林;马力;;一种新的改进粒子群优化算法[J];控制工程;2010年03期
3 周驰,高海兵,高亮,章万国;粒子群优化算法[J];计算机应用研究;2003年12期
4 高鹰,谢胜利;免疫粒子群优化算法[J];计算机工程与应用;2004年06期
5 张荣沂;一种新的集群优化方法——粒子群优化算法[J];黑龙江工程学院学报;2004年04期
6 高鹰;谢胜利;;混沌粒子群优化算法[J];计算机科学;2004年08期
7 刘钊,康立山,蒋良孝,杨林权;用粒子群优化改进算法求解混合整数非线性规划问题[J];小型微型计算机系统;2005年06期
8 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期
9 窦全胜;周春光;马铭;刘全;;群核进化粒子群优化方法[J];计算机科学;2005年08期
10 范娜;云庆夏;;粒子群优化算法及其应用[J];信息技术;2006年01期
相关会议论文 前10条
1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年
4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算(机)化学学术会议论文摘要集[C];2007年
5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年
10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
相关博士学位论文 前10条
1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年
2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年
3 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年
4 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年
5 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年
6 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年
7 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年
8 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年
9 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年
10 徐慧;粒子群优化算法改进及其在煤层气产能预测中的应用研究[D];中国矿业大学;2013年
相关硕士学位论文 前10条
1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年
2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年
3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年
4 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年
5 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年
6 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年
7 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年
8 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年
9 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年
10 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年
,本文编号:1399551
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1399551.html