基于感知模糊自适应蚁群算法的非线性PID控制设计

发布时间：2017-08-19 04:36

  本文关键词：基于感知模糊自适应蚁群算法的非线性PID控制设计

  更多相关文章： 非线性PID控制 蚁群算法 自适应 模糊控制

【摘要】：随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器;由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法结合模糊自适应信息素更新机制用于优化非线性PID控制器的设计方法;通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。
【作者单位】： 北京理工大学宇航学院;
【关键词】： 非线性PID控制 蚁群算法 自适应 模糊控制
【基金】：国家自然科学基金(11572036)
【分类号】：TP18;TP273
【正文快照】： 0引言比例-积分-微分(PID)控制器由于结构简单、鲁棒性好及可靠性高等优点,被广泛应用于各种工业过程控制中。随着现代工业系统复杂程度的提高和被控对象不确定性因素的增加,传统的线性PID控制往往难以达到满意的控制效果,而非线性PID控制能真实地反映控制量与偏差信号之间的

【相似文献】

中国期刊全文数据库 前10条

1 李保;王长华;熊婧;;基于自适应蚁群算法的动态作业车间调度问题的求解方法[J];机电工程;2009年07期

2 张纪会,高齐圣,徐心和;自适应蚁群算法[J];控制理论与应用;2000年01期

3 杨瑞;张海英;潘永湘;;混合自适应蚁群算法及其应用研究[J];西安理工大学学报;2005年04期

4 冯远静,冯祖仁,彭勤科;一类自适应蚁群算法及其收敛性分析[J];控制理论与应用;2005年05期

5 凌海峰;王西山;;求解柔性作业车间调度问题的两阶段参数自适应蚁群算法[J];中国机械工程;2013年24期

6 张涛;卢玫;李博汉;陶亮;;用于寻源导热反问题的自适应蚁群算法研究[J];应用数学和力学;2014年07期

7 朱益江;;自适应蚁群算法在流水车间调度问题上的应用[J];连云港职业技术学院学报;2007年04期

8 肖菁;李亮平;;基于信息熵调整的自适应蚁群算法[J];计算机工程与设计;2010年22期

9 孔凡国;黄伟;;Job Shop调度问题自适应蚁群算法的研究[J];新技术新工艺;2006年05期

10 金飞虎;高会军;钟啸剑;;自适应蚁群算法在空间机器人路径规划中的应用[J];哈尔滨工业大学学报;2010年07期

中国重要会议论文全文数据库 前2条

1 潘永湘;杨瑞;;混合自适应蚁群算法[A];第二十三届中国控制会议论文集（上册）[C];2004年

2 王艳红;徐光磊;张叶红;;一类平滑自适应蚁群算法的设计与实验[A];第十一届沈阳科学学术年会暨中国汽车产业集聚区发展与合作论坛论文集（信息科学与工程技术分册）[C];2014年

中国硕士学位论文全文数据库 前6条

1 王学梅;基于自适应蚁群算法的移动机器人路径规划研究[D];安徽工程大学;2016年

2 杜浩明;基于混合自适应蚁群算法的大规模定制产品配置方案研究[D];上海交通大学;2012年

3 张宁;基于自适应蚁群算法的云计算任务调度研究[D];大连理工大学;2015年

4 彭沛夫;遗传融合的自适应蚁群算法最优PID控制研究[D];湖南大学;2005年

5 张叶红;基于改进平滑自适应蚁群算法的Job shop调度方法研究[D];沈阳工业大学;2014年

6 高峰;基于自然计算的WSN路由技术研究[D];河北工业大学;2011年

，

本文编号：698753