基于粒子群算法的导弹PID控制参数选择

PID控制在导弹控制系统的设计中得到了较多的应用,但PID控制器的性能依赖于其参数的整定和优化。利用粒子群算法对控制器的参数进行优化,并对俯仰通道控制系统进行了仿真研究,结果表明,攻角和俯仰角速度都取得了较好的效果,当气动参数具有不确定性时,效果依然较好,验证了方法的有效性。     

基于simulink参数寻优的静不稳定导弹三回路过载控制系统设计

针对某静不稳定导弹,建立了导弹纵向运动模型,运用最优控制理论设计了俯仰通道三回路过载控制系统,然后采用了simulink参数寻优的方法对回路参数进行优化,对设计出的控制器进行了特征点仿真。结果表明,三回路过载控制方法能较好的控制静不稳定导弹,优化后的控制系统能使导弹具有更快的跟踪性能、更好的机动能力,并且舵机没有产生严重的饱和现象。     

量子遗传算法在航空发动机PID控制中的应用

分析研究了量子遗传算法(Quantum Genetic A lgorithm-QGA)的原理及其优势,将有指导的群体灾变及多宇宙并行演化策略引入量子遗传算法,改善其收敛性。以理想二阶系统为参考模型,实际系统响应曲线与参考模型响应曲线误差积分为目标函数,使用量子遗传算法进行发动机PID控制器参数优化并进行了数字仿真。仿真结果表明,量子遗传算法具有较好的全局收敛能力,应用于PID控制器控制参数优化后,控制器的控制效果良好,其在发动机控制系统中有较高的应用价值。     

基于遗传算法的航空发动机多目标优化PID控制

提出采用多目标遗传算法,对航空发动机PID控制器参数进行优化设计.使用先进多目标遗传算法NSGA-Ⅱ对航空发动机PID控制器进行参数整定.针对某型航空发动机在飞行包线内的飞行状态进行控制器参数的优化选取,仿真结果表明,与传统手动试凑调节PID控制器参数进行比较,转速阶跃响应过程的性能指标得到了很好的优化,获得了令人满意的优化效果.      

基于细菌觅食优化算法的永磁同步电机位置伺服系统模糊控制策略

针对PID控制器参数固定而引起永磁同步电机(PMSM)位置伺服系统控制效果不佳问题,设计了基于细菌觅食优化算法的模糊控制器。该位置控制系统是以空间矢量控制为理论基础,由位置环、速度环、电流环构成的PMSM三闭环控制系统。在MATLAB/Simulink环境中将模糊控制器应用在系统位置环上。对比仿真结果发现,参数优化后的模糊控制器在系统位置环的作用更加优越,完全克服了传统PID控制器的缺点,能有效提高电机位置控制的快速性和准确性。     

电动舵机模糊自整定PID控制仿真研究

针对传统PID控制器参数不易整定的缺点,将模糊控制和PID控制结合在一起,构造了模糊自整定PID控制器,并将其应用于电动舵机伺服控制系统,仿真和实验结果表明:此方法稳态精度高,动静态性能好,提高了系统的控制性能,具有较好的控制效果。     

导弹航路规划的控制实现

针对巡航导弹的航路规划问题,讨论了制导与控制系统的指令生成方法,设计了俯仰通道、偏航通道的复合变结构控制器和滚转通道的 PID 控制器,最后给出的仿真算例显示了方法的有效性。     

基于人工蜂群算法的航空发动机参数自整定PID控制

针对航空发动机PID控制器的参数寻优问题,提出基于人工蜂群算法(ABC)的航空发动机PID控制器参数自整定的方法。利用人工蜂群算法实现容易、计算简洁、寻优性能好、鲁棒性强的优点,优化PID控制器参数,以改善控制系统性能。考虑到可能存在的执行机构输出量的极大超调,融入执行机构输出的超调量惩罚机制,改进目标性能函数,有效避免了可能存在的发动机供油量极大超调现象。对涡扇发动机在地面和高空稳态工作点的增量形式的线性化数学模型进行了仿真验证,结果表明优化效果良好,转速阶跃响应反应迅速且超调量小,同时供油量也没有出现大的超调,验证了所提方法的有效性和实用性。     

基于人工蜂群算法优化的燃气发生器压强自适应模糊免疫PID控制

固冲发动机燃气流量控制系统因具有较强的非线性和时变性,导致其控制问题较难解决。为了实现对燃气压强的精确闭环控制,设计了基于人工蜂群算法优化的自适应模糊免疫PID (ABC-AFI-PID)控制器。控制器的比例系数由模糊免疫控制器在线修正,积分和微分系数由自适应模糊控制器实时调整,并应用人工蜂群算法对控制器的设计参数进行鲁棒优化。采用ABC-AFI-PID控制器、自适应模糊PID (AF-PID)控制器和传统PID控制器分别对某滑盘阀式流量控制系统的线性和非线性模型进行仿真,来验证控制器在设计工作点(7.24MPa)附近以及全压强调节范围内的动态性能和稳态性能。结果表明:在不同的工况下,ABC-AFI-PID控制器体现出良好的品质。相比于AF-PID控制器可将压强响应速度提高约1.8～2.5倍,相比于传统的PID控制器可将压强响应速度提高约4.6～5.1倍,并且其超调量也被控制在7.14%以内。该控制器在快速性、稳定性和鲁棒性上均展现出了巨大优势,显著地提高了燃气流量控制系统的性能。     

冲压发动机连续可调喷管模糊控制研究

为了提高几何可调冲压发动机尾喷管控制性能,针对具有静差与动态不对称特性的连续可调喷管作动系统,采用模糊控制算法进行控制器设计,并利用自适应遗传算法进行控制器参数优化,最后将模糊控制系统与PID控制系统进行性能对比。结果表明,相较于常规模糊控制系统,优化后的模糊控制系统消除了稳态误差,减小了大小喉径在调节时间上的差异,鲁棒性较强。相较于优化后的PID控制系统,优化后的模糊控制系统在保证无稳态误差的基础上,具有更短的调节时间与更小的超调量,跟踪信号时具有更小的误差包络,优化后的模糊比PID控制系统性能提高2.6倍。总之,基于自适应遗传算法优化的连续可调喷管模糊控制系统比PID控制系统性能更高,能够满足高动态几何可调冲压发动机提出的响应快、调节精准、超调小的要求。     

教与学优化算法在风力机变桨自抗扰控制中的应用

随着风力机的发展越来越智能化,除了要求风力机的运行可靠性,还要求其有稳定的输出功率。为了使风力机变桨控制器在运行过程中具有优良的动态品质,提出了一种自抗扰控制(ADRC)的变桨距控制方案,但ADRC也存在参数多、整定难度大这一明显缺点。为此,将教与学算法应用到ADRC的整定过程中,实现了参数的自动整定。仿真结果验证了通过教与学算法自动整定ADRC参数的可行性,与传统PID控制器相比,整定后的ADRC能较好地满足风力机变桨距控制要求,有效维持了风力机输出功率的稳定性。     

基于改进遗传算法的飞行控制律参数设计

在进行大包线飞行控制律设计中,需将飞行包线分为几个区域,针对各个区域设计线性控制律,采用多个线性控制律来近似替代所需的非线性控制律,本文中线性控制律采用PID控制结构,若用传统PID控制律参数整定方法,工作烦琐、设计时间长,而且控制效果不是很好,提出运用遗传算法优化控制律参数,并针对遗传算法局部寻优能力差、收敛速度差、易早熟等缺点,对其进行了几点改进,为提高鲁棒性,对其适应函数进行了设计,针对某机型某个区域的俯仰控制进行了PID控制律设计仿真,利用改进的遗传算法对其参数进行优化,结果表明,该方法在23代就能得到最优控制参数,而且使系统动态性能有了较明显的提高。     

PID Controller Optimization by GA and Its Performances on the Electro-hydraulic Servo Control System

A proportional integral derivative （PID） controller is designed and attached to electro-hydraulic servo actuator system （EHSAS） to control the angular position of the rotary actuator which control the movable surface of space vehicles. The PID gain parameters are optimized by the genetic algorithm （GA）. The controller is verified on the new state-space model of servo-valves attached to the physical rotary actuator by SIMULINK program. The controller and the state-space model are verified experimentally. Simulation and experimental results verify the effectiveness of the PID controller adaptive by GA to control the angular position of the rotary actuator as compared with the classical PID controller and the compensator controller.     

基于改进PSO算法的PID控制器参数优化

针对PID控制器参数设计问题,提出了一种基于改进PSO算法的优化方法。该方法将初始的粒子群分成两组搜索方向相反、相互协同的主、辅子群,在保持种群小规模情况下,增强算法全局探索能力,实现高精度的优化结果。仿真结果表明,该方法相比于传统算法,所得到的控制器参数使控制系统获得了更好的动态响应特性和满意的控制效果。     

Transition control of a tail-sitter unmanned aerial vehicle with L1 neural network adaptive control

The main task of this work is to design a control system for a small tail-sitter Unmanned Aerial Vehicle(UAV) during the transition process. Although reasonable control performance can be obtained through a well-tuned single PID or cascade PID control architecture under nominal conditions, large or fast time-varying disturbances and a wide range of changes in the equilibrium point bring nonlinear characteristics to the transition control during the transition process, which leads to control prec...     

风速前馈与变论域模糊结合的变桨距控制

针对传统PID变桨距控制难以在大惯性、强耦合的风力发电机组中取得较好的控制效果,提出了一种风速前馈的变论域模糊变桨距控制方法。根据功率误差及其变化率,通过模糊推理得到输入与输出论域的伸缩因子,避免了确定伸缩因子函数模型及其参数的困难;又采用风速前馈的方式实现桨距角的动态补偿,提高了系统的响应速度。仿真结果表明:当风速超过额定风速时,所提方法能使风力发电机组的转速更加稳定、输出功率更加平稳。     

基于相似理论的航空发动机转速自适应PID控制

根据航空发动机在相似坐标系中特性不变的特点，提出一种基于相似理论的航空发动机转速自适应PID控制。该方案采用衰减曲线法进行换算PID参数整定，获得自适应调节律。仿真结果表明控制器具有良好的动静态性能，自适应性和鲁俸性。所得参数变化规律对数控系统全包线内PID控制器的参数选择具有一定的指导意义。     

航空发动机自适应神经网络PID控制

本文提出了一种航空发动机多变量自适应神经网络 PID控制方法, 采用基于共轭梯度的神经网络学习算法在线整定控制器参数。该控制器的设计无需知道发动机精确模型, 具有响应速度快、抗干扰能力强和鲁棒性好等优点。控制器不仅算法简单, 实现容易, 而且适用范围广。      

航空发动机神经网络自学习PID控制

将神经网络与传统的PID控制相结合,构成神经网络自学习PID控制,用神经网络在线整定PID控制器的比例、积分及微分三个参数,使被控对象跟踪理想参考模型的输出。该系统具有自学习能力,能适用于非线性、时变的被控对象。将神经网络自学习PID控制方法用于航空发动机全包线控制以及蜕化发动机的控制,进行了数字仿真,验证了该方法的有效性。     

角伺服系统模糊自适应PID控制研究

将模糊控制和PID控制相结合,提出了一种智能复合控制策略,并将其应用于某型导弹系统角伺服系统的控制。利用模糊控制在线自适应调整PID控制器的参数,从而使系统的静态和动态性能指标较为理想。在Simulink中的仿真结果表明,这种模糊PID控制器的控制效果优于单纯的PID控制,超调量小,抗干扰性能强,对变参数系统的鲁棒性强,满足在线实时自适应控制的要求。