基于库思想和智能优化的控制器优化设计

发布时间：2017-05-10 00:16

  本文关键词：基于库思想和智能优化的控制器优化设计，由笔耕文化传播整理发布。

【摘要】：自动控制系统在军事武器装备、航空航天、工业生产中占有主导地位。在现代工业应用中,控制方法种类繁多,包括PID控制、模糊控制、自适应控制、自抗扰控制等。其中,PID控制器以其结构简单、鲁棒性强的特点被广泛用于过程控制和运动控制中,尤其适用于具有精确数学模型的控制系统。但是PID控制器结构固定,只能进行参数调节,对于复杂、非线性控制系统往往不能达到较优的控制效果。另外,控制器的一般设计过程是:研究人员首先针对控制对象特性(时滞、饱和等),依靠经验确定采用何种控制策略;然后根据先验知识或者采用智能优化的方法调节控制器参数。由于先验知识及人的经验的局限性,研究人员设计的控制器结构被限制在较小的范围内,结构类型比较单一,很可能导致较差的控制性能。控制器包括结构和参数两大部分,参数调节需要在结构确定的前提下进行。为了设计性能更好的控制器,需打破设计经验的束缚,实现控制器结构的自动设计。智能优化算法是人类受自然界规律启发而设计的优化算法,具有通用性强、适于并行计算、全局优化的特点。智能优化算法相比于传统优化算法的诸多优点,使其被越来越多地应用于控制系统的优化设计,有效改善了控制系统性能。智能优化为控制器结构和参数的自动设计提供了一种有效途径。为了实现控制器的自动设计,本文首先提出了一种“库”的思想,并构建了环节库、性能指标库和优化算法库。环节库中包括控制器结构组成的基本单元,性能指标库包括对控制器进行性能评价的各种指标,优化算法库包括多种对控制器的结构和参数进行搜索优化的算法。本文的控制器设计过程是:从环节库中选择多个基本环节作为控制器结构的构件,并按给定的组合规则生成具体的控制器结构。然后以性能指标库中的某一指标作为适应度评价函数,调用优化算法库中的某一算法优化结构和参数。PID控制器由比例、积分和微分三个典型环节并联连接构成,借鉴这种控制器的组成方式,本文提出了一种最大结构范式控制器的优化设计方法。各控制环节以全并联的形式组成控制器,然后调用差分进化对组成控制器的各环节参数进行优化。以误差绝对值的积分(Integral of Absolute Error,IAE)为性能指标对多个典型线性系统(非最小相位系统和高阶系统)进行仿真实验,并与基于ZN整定规则、智能优化算法的PID控制器进行了比较。实验结果表明,最大结构范式控制器具有更小的IAE指标,综合性能更佳,系统超调量更小、上升时间和稳定时间更短,从而验证了该控制器设计方法的有效性和优越性。另外,本文还将该控制器用于单级倒立摆系统仿真中,发现最大结构范式控制器可实现倒立摆系统的快速、稳定控制,该方法在非线性系统控制中的可行性得到了验证。为了更加灵活地设计控制器结构,本文研究了结构和参数的同步优化方法,并提出双层优化策略,其中,外层采用改进型的遗传算法实现结构的优化,内层采用自适应差分进化寻找在某一确定结构下的最优参数。本文针对二轴转台控制进行了仿真实验,分别设计了角速度控制器和角位置控制器。实验结果表明,基于该方法的二轴转台系统具有快速响应速度,并且系统能够对正弦信号进行精确跟踪。
【关键词】：控制器优化设计 结构优化 环节库 智能优化 差分进化 遗传算法
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-20
• 1.1 本论文的研究背景和研究意义11-12
• 1.2 国内外研究现状及发展趋势12-15
• 1.3 智能优化算法15-18
• 1.3.1 差分进化算法简介15-17
• 1.3.2 遗传算法简介17-18
• 1.4 本文的研究内容18-20
• 第2章 基于库思想的控制器优化设计方法20-28
• 2.1 控制器优化设计的“库”概念20-26
• 2.1.1 环节库21-23
• 2.1.2 性能指标库23-25
• 2.1.3 优化算法库25-26
• 2.2 控制器的结构生成算子26-27
• 2.3 本章小结27-28
• 第3章 控制器优化设计的智能优化算法28-45
• 3.1 经典差分进化算法及其改进型28-39
• 3.1.1 经典差分进化算法28-30
• 3.1.2 自适应差分进化算法30-34
• 3.1.3 参数编码策略34-39
• 3.2 遗传算法39-44
• 3.2.1 遗传算法的基本原理39-41
• 3.2.2 遗传算法的改进41-42
• 3.2.3 结构优化中的遗传算法42-44
• 3.3 本章小结44-45
• 第4章 最大结构范式控制器的智能优化设计45-64
• 4.1 最大结构范式控制器45-47
• 4.1.1 控制器结构组成45-46
• 4.1.2 智能优化设计流程46-47
• 4.2 典型线性控制系统仿真47-57
• 4.2.1 非最小相位系统仿真47-53
• 4.2.2 高阶线性控制系统仿真53-57
• 4.3 单级倒立摆控制系统仿真57-63
• 4.3.1 单级倒立摆问题描述57-59
• 4.3.2 实验与结果分析59-63
• 4.4 本章小结63-64
• 第5章 控制器结构和参数的同步优化设计64-77
• 5.1 结构和参数的同步优化64-70
• 5.1.1 结构的表示方法64-68
• 5.1.2 同步优化方法68-70
• 5.2 二轴转台控制系统的应用仿真70-76
• 5.2.1 二轴转台问题描述70
• 5.2.2 二轴转台控制系统仿真与结果分析70-76
• 5.3 本章小结76-77
• 结论77-79
• 参考文献79-85
• 攻读学位期间发表论文与研究成果清单85-86
• 致谢86

【相似文献】

中国期刊全文数据库 前10条

1 刘洋;费世波;;从人工优化向智能优化转变[J];邮电设计技术;2012年12期

2 陶娅，陈永;基于单调性分析的智能优化设计系统[J];中国机械工程;1995年06期

3 崔明义,叶克江,上官艳丽;智能优化策略的比较[J];计算机应用与软件;2004年07期

4 辛斌;陈杰;彭志红;;智能优化控制:概述与展望[J];自动化学报;2013年11期

5 邢立宁;陈英武;;基于知识的智能优化引导方法研究进展[J];自动化学报;2011年11期

6 张俊;智能优化控制应用概述[J];自动化博览;2005年02期

7 张定华,桂卫华,王雅琳,滕婧;复杂工业过程智能优化软件原型机[J];控制工程;2005年05期

8 吴宝栋;肖恒辉;陆南昌;易斯;;无线网络智能优化系统及其应用[J];移动通信;2012年12期

9 李士勇;李盼池;;量子搜索及量子智能优化研究进展[J];计算机测量与控制;2009年07期

10 赵鹏军;刘三阳;;一种新的智能优化及其改进研究[J];小型微型计算机系统;2010年05期

中国重要会议论文全文数据库 前4条

1 刘立钧;温治;苏福永;豆瑞锋;刘训良;楼国锋;;一种智能优化蚁群算法及其应用[A];中国计量协会冶金分会2013年会论文集[C];2013年

2 吕大刚;王光远;;论结构智能优化设计[A];中国土木工程学会计算机应用分会第七届年会论文集[C];1999年

3 吕大刚;王光远;;论结构智能优化设计[A];中国土木工程学会计算机应用分会第七届年会土木工程计算机应用文集[C];1999年

4 乔景慧;柴天佑;岳恒;;基于灰色预测模型的回转窑熟料烧结智能优化控制[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

中国重要报纸全文数据库 前2条

1 李瀛寰;多厂商智能优化方案清除通信死角[N];中国计算机报;2007年

2 鲜婷 徐曦;无线网络规划智能解决方案[N];通信产业报;2006年

中国博士学位论文全文数据库 前3条

1 张涛;基于列车群的行车调度智能优化控制方法研究[D];中国铁道科学研究院;2015年

2 刘昆;软计算方法在智能优化中的应用研究[D];浙江大学;2002年

3 贺勇;截止品位与入选品位智能优化的理论与方法研究[D];中国地质大学;2009年

中国硕士学位论文全文数据库 前6条

1 孙振路;基于库思想和智能优化的控制器优化设计[D];北京理工大学;2016年

2 孙P;共注成型智能优化与控制[D];南昌大学;2008年

3 魏欣;基于智能优化技术的创新概念设计研究与应用[D];山东师范大学;2010年

4 张巧霞;基于智能优化的交通分配问题的求解算法研究[D];大连理工大学;2011年

5 梁宵;回转窑智能优化控制平台软件的设计与开发[D];东北大学;2009年

6 邢金军;氧化铝熟料溶出磨机智能优化控制软件的设计及开发[D];东北大学;2009年

  本文关键词：基于库思想和智能优化的控制器优化设计，由笔耕文化传播整理发布。

，

本文编号：353621