分数阶PID控制器设计方法的研究及应用
发布时间：2021-02-09 01:21
随着人工智能、控制理论的不断发展和进步,分数阶微积分在控制领域中的研究和应用也在不断丰富。由于分数阶PIλDμ控制器比传统的控制器在系统的响应速度、控制精度以及抗干扰能力方面具有一定的优势,因此分数阶PIλDμ控制器广泛应用在航空航天、工业过程控制、伺服控制以及各种机械控制领域中,但是针对系统进行分数阶PIλDμ控制器设计时存在整定参数多、且整定困难等问题,本文从分数阶控制理论的基础出发,研究了分数阶PIλDμ控制器的设计方法,并将分数阶PIλDμ控制器应用到了永磁同步电机的具体实例中。本文的主要研究工作如下:（1）针对分数阶PIλDμ控制器在工程应用中,控制器参数多,且整定困难等问题,本文研究了粒子群算法优化控制器参数,并针对粒子群算法在优化过程中容易陷入局部最优,以及收敛精度低的问题,研究了改进粒子群算法,主要是通过调节其惯性权重因子来平衡全局和局部搜索能力;此外针对改进粒子群算法在迭代过程中,其学习因子也会影响粒子的局部和全局认知能力,且取值不当会影响算法的搜索性能以及收敛精度等问题,本文进一步提出了一种自适应参数调整的策略,研究了改进自适应粒子群算法来优化分数阶PIλDμ控制器...
【文章来源】：江西理工大学江西省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
三种算法优化下的系统阶跃响应
第三章基于改进自适应粒子群算法的分数阶PID控制器设计28图3.11不同算法下的系统稳态误差从图3.10中的综合对比可得，在响应速度上，改进的粒子群算法较快，改进自适应粒子群算法次之，但超调量上，改进粒子群算法在三种算法中最大；在调节时间上，改进自适应粒子群算法在三种算法中调节最快；从图3.11的结果对比中可知，改进自适应粒子群算法稳态误差最校通过以上综合分析可得，相比其它两种算法，设计的改进自适应粒子群算法综合性能较好，控制效果更优。进一步地对每一种算法的仿真实验结果从超调量、调节时间、稳态误差等性能指标方面进行详细对比分析，其性能指标如表3.3所示。表3.3不同优化算法下的控制性能指标算法类型超调量%调节时间st/s稳态误差ess基本粒子群算法1.85471.07680.0743改进的粒子群算法3.02180.86040.0541改进自适应粒子群算法0.13560.65420.0062从表3.3中的性能指标值分析可知，改进自适应粒子群算法的超调量为0.1356，在三种算法中超调量最小；改进自适应算法的调节时间为0.6542s，是三种算法调节时间中的最小值；改进自适应算法的稳态误差值为0.0062，也是三种算法中的最小值。通过以上综合分析可得出，改进自适应算法的三个性能指标值均为最佳值，表明改进自适应粒子群算法综合性能最好，对系统的控制效果更佳。(2)抗扰能力分析为了更进一步地验证本章设计的PID控制器的优越性以及鲁棒性，在1s处设置了-0.3的扰动，其三种算法下抗扰动仿真图如图3.12所示。
第三章基于改进自适应粒子群算法的分数阶PID控制器设计29图3.12不同算法下整数阶模型抗扰动结果从图3.12的仿真结果中可知，三种算法整定其参数时在扰动加入后，基本粒子群算法的波动比较大，调节时间为0.5567s；改进粒子群算法和改进自适应粒子群算法波动都很小，改进自适应粒子群算法的调节时间为0.4168s，且改进自适应粒子群算法的过程相对平稳。综上对比分析其他两种算法可知，采用改进自适应粒子群算法综合性能最好，控制系统效果最佳，具有更好的抗干扰性能。3.3.2被控对象为分数阶系统仿真实验取分数阶系统进行仿真实验，其传递函数选取如下：2.20.91()0.880.51Gsss(3.17)分别采用3.2节设计的三种智能优化算法对分数阶被控对象进行单位阶跃响应仿真，观察并分析其控制效果。具体的步骤和整数阶仿真实例相同，分别给不同算法设置参数，如下：基本粒子群算法：选取种群个体数为50，算法循环上限值为100，12cc2，=0.5，其他参数随机初始化设置，但是通过分析多次实验结果发现，当,,pidkkk范围设置在0100之间，，设置在02之间时，经过优化后控制器可具有较好的性能。改进的粒子群算法：选取种群个体数为50，算法循环上限值为100，参数维数为5维，具体表示形式为(,,,pidkkk，），12cc2，=0.5，其他参数随机初始化设置，但是通过分析多次实验结果发现，当,,pidkkk范围设置在0100°之间，，设置在02之间时，经过优化后控制器可具有较好的性能。改进自适应粒子群算法：选取种群个体数为50，算法循环上限值为100，学习因子1c，2c的最大值和最小值范围为0.53，，惯性权重系数最大值max的范围为0.5,1.5，
【参考文献】：
期刊论文
[1]分数阶PID控制器参数的自适应设计[J]. 黄丽莲,周晓亮,项建弘. 系统工程与电子技术. 2013(05)
[2]分数阶PIλDμ控制器参数设计方法——极点阶数搜索法[J]. 严慧,于盛林,李远禄. 信息与控制. 2007(04)
[3]黏弹性材料复模量和复柔量的分数阶微积分表述[J]. 金辉,苏海军. 山东大学学报(理学版). 2005(04)
[4]反常扩散与分数阶对流-扩散方程[J]. 常福宣,陈进,黄薇. 物理学报. 2005(03)
[5]分数微积分在系统建模中的应用[J]. 王振滨,曹广益,朱新坚. 上海交通大学学报. 2004(05)
博士论文
[1]分数阶控制系统分析及应用研究[D]. 王晓燕.华北电力大学（北京） 2011
[2]混沌粒子群优化算法理论及应用研究[D]. 唐贤伦.重庆大学 2007
[3]分数阶微积分在现代信号分析与处理中应用的研究[D]. 蒲亦非.四川大学 2006
[4]永磁同步电机伺服系统控制策略的研究[D]. 林伟杰.浙江大学 2005
硕士论文
[1]改进的分数阶PID控制算法及其应用[D]. 陈刚.合肥工业大学 2019
[2]永磁同步电机的分数阶滑模变结构控制技术[D]. 倪禛霖.江苏大学 2019
[3]交流伺服电机分数阶辨识与控制研究[D]. 詹鑫泰.华南理工大学 2017
[4]分数阶状态空间系统稳定性分析及应用[D]. 何少杰.哈尔滨工程大学 2011
本文编号：3024811
【文章来源】：江西理工大学江西省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
三种算法优化下的系统阶跃响应
第三章基于改进自适应粒子群算法的分数阶PID控制器设计28图3.11不同算法下的系统稳态误差从图3.10中的综合对比可得，在响应速度上，改进的粒子群算法较快，改进自适应粒子群算法次之，但超调量上，改进粒子群算法在三种算法中最大；在调节时间上，改进自适应粒子群算法在三种算法中调节最快；从图3.11的结果对比中可知，改进自适应粒子群算法稳态误差最校通过以上综合分析可得，相比其它两种算法，设计的改进自适应粒子群算法综合性能较好，控制效果更优。进一步地对每一种算法的仿真实验结果从超调量、调节时间、稳态误差等性能指标方面进行详细对比分析，其性能指标如表3.3所示。表3.3不同优化算法下的控制性能指标算法类型超调量%调节时间st/s稳态误差ess基本粒子群算法1.85471.07680.0743改进的粒子群算法3.02180.86040.0541改进自适应粒子群算法0.13560.65420.0062从表3.3中的性能指标值分析可知，改进自适应粒子群算法的超调量为0.1356，在三种算法中超调量最小；改进自适应算法的调节时间为0.6542s，是三种算法调节时间中的最小值；改进自适应算法的稳态误差值为0.0062，也是三种算法中的最小值。通过以上综合分析可得出，改进自适应算法的三个性能指标值均为最佳值，表明改进自适应粒子群算法综合性能最好，对系统的控制效果更佳。(2)抗扰能力分析为了更进一步地验证本章设计的PID控制器的优越性以及鲁棒性，在1s处设置了-0.3的扰动，其三种算法下抗扰动仿真图如图3.12所示。
第三章基于改进自适应粒子群算法的分数阶PID控制器设计29图3.12不同算法下整数阶模型抗扰动结果从图3.12的仿真结果中可知，三种算法整定其参数时在扰动加入后，基本粒子群算法的波动比较大，调节时间为0.5567s；改进粒子群算法和改进自适应粒子群算法波动都很小，改进自适应粒子群算法的调节时间为0.4168s，且改进自适应粒子群算法的过程相对平稳。综上对比分析其他两种算法可知，采用改进自适应粒子群算法综合性能最好，控制系统效果最佳，具有更好的抗干扰性能。3.3.2被控对象为分数阶系统仿真实验取分数阶系统进行仿真实验，其传递函数选取如下：2.20.91()0.880.51Gsss(3.17)分别采用3.2节设计的三种智能优化算法对分数阶被控对象进行单位阶跃响应仿真，观察并分析其控制效果。具体的步骤和整数阶仿真实例相同，分别给不同算法设置参数，如下：基本粒子群算法：选取种群个体数为50，算法循环上限值为100，12cc2，=0.5，其他参数随机初始化设置，但是通过分析多次实验结果发现，当,,pidkkk范围设置在0100之间，，设置在02之间时，经过优化后控制器可具有较好的性能。改进的粒子群算法：选取种群个体数为50，算法循环上限值为100，参数维数为5维，具体表示形式为(,,,pidkkk，），12cc2，=0.5，其他参数随机初始化设置，但是通过分析多次实验结果发现，当,,pidkkk范围设置在0100°之间，，设置在02之间时，经过优化后控制器可具有较好的性能。改进自适应粒子群算法：选取种群个体数为50，算法循环上限值为100，学习因子1c，2c的最大值和最小值范围为0.53，，惯性权重系数最大值max的范围为0.5,1.5，
【参考文献】：
期刊论文
[1]分数阶PID控制器参数的自适应设计[J]. 黄丽莲,周晓亮,项建弘. 系统工程与电子技术. 2013(05)
[2]分数阶PIλDμ控制器参数设计方法——极点阶数搜索法[J]. 严慧,于盛林,李远禄. 信息与控制. 2007(04)
[3]黏弹性材料复模量和复柔量的分数阶微积分表述[J]. 金辉,苏海军. 山东大学学报(理学版). 2005(04)
[4]反常扩散与分数阶对流-扩散方程[J]. 常福宣,陈进,黄薇. 物理学报. 2005(03)
[5]分数微积分在系统建模中的应用[J]. 王振滨,曹广益,朱新坚. 上海交通大学学报. 2004(05)
博士论文
[1]分数阶控制系统分析及应用研究[D]. 王晓燕.华北电力大学（北京） 2011
[2]混沌粒子群优化算法理论及应用研究[D]. 唐贤伦.重庆大学 2007
[3]分数阶微积分在现代信号分析与处理中应用的研究[D]. 蒲亦非.四川大学 2006
[4]永磁同步电机伺服系统控制策略的研究[D]. 林伟杰.浙江大学 2005
硕士论文
[1]改进的分数阶PID控制算法及其应用[D]. 陈刚.合肥工业大学 2019
[2]永磁同步电机的分数阶滑模变结构控制技术[D]. 倪禛霖.江苏大学 2019
[3]交流伺服电机分数阶辨识与控制研究[D]. 詹鑫泰.华南理工大学 2017
[4]分数阶状态空间系统稳定性分析及应用[D]. 何少杰.哈尔滨工程大学 2011
本文编号：3024811
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3024811.html
