采用粒子群算法策略PID直流电机控制调谐参数设置.docVIP

采用粒子群算法策略的PID直流电机控制调谐参数的设置 作者：Boumediène ALLAOUA*, Brahim GASBAOUI and Brahim MEBARKI 贝沙尔学院，技术与科学学院，电气工程科 B.P 417 BECHAR (08000) Algeria 摘要 在本文中，直流电机驱动的智能控制设计，使用粒子群算法（PSO）的方法实现PID最优控制的参数调整。提出的方法有优越特点，包括容易实施，稳定收敛特性和非常高的计算执行效率。在MATLAB环境下，时序PID-PSO控制器下的直流电机可以被仿真。比较模糊逻辑控制器，使用PSO智能算法，这种预期的方法更能快速地改善稳定响应速度，稳态误差也会减小，上升时间更短，在不过载的情况下，驱动电机的执行效率也不受到干扰。 关键字 控制调谐参数；粒子群算法（PSO）策略；时序PID-PSO控制器；直流电机转速控制；最优控制。 介绍 随着电力电子资源的发展，直流机器将变得越来越用，在他们找到了广泛应用的范围之内，即汽车工业（电动汽车），使用弱势能的电池系统（电动玩具），应用电力拖动的万能机器系统等等。 直流电机的转速能适应比较大的裕度，以便提供容易的控制和高效的执行力[1,2]。这里有几种常规的数字控制器类型，在执行各种各样的任务时被用于控制直流电机： PID控制器，模糊逻辑控制器；或前两者的混合控制：使用在不同领域的PID-粒子群算法（PID-PSO），PID-神经网络，PID-遗传算法，PID-蚁群优化和最优模糊逻辑控制器。 PID控制器被广泛地应用于工业装置中，是因为它的简便和稳定性。工业生产方法常受到参数和参数扰动的约束而改变，而这时则意味着会使系统变得不稳定。因此，控制工程师将会寻找自动调谐程序。 从控制法来说，直流电机呈现出优越的控制参数，由于这个领域的解耦埃伯哈特??????????????????????? (1) ??????????????????????? (2) ??????????????????????? (3) 图1.他励直流电机的等效电路 表格1.常用符号表 符号 名称 Units and 激励电流和感应电流 [A] 直流电机的旋转速度 [Rad/Sec] ?and? 激励电压和感应电压 [Volt] and 激励电阻和感应电阻 [?] , ?and 激励系数，感应系数，和互感系数 [mH] 惯性力矩 [Kg.m2] 稳定电偶 [N.m] 摩擦系数 [N.m.Sec/Rad] 从先前状态方程式（1），（2），（3），能用MATLAB7.4（R2007a）环境下的Simulik6.6版本建立模型。Simulik下的直流电机模型如图2。直流电机的各种参数如表2 图2. Simulink下的直流电机模型 表2.直流电机的参数 ?= 240 [V] ?= 0.012 [mH] ?= 240 [V] = 1.8 [mH] ?= 240 [?] ?= 1 [Kg.m2] ?= 0.6 [?] ?= 29.2 [N.m] ?= 120 [mH] ?= 0.0005 [N.m.Sec/Rad] ? 综述粒子群算法 PSO作为一个以群为基础的最优算法，第一次被埃伯哈特 Xk : 电流方位, ?Xk+1 : 修改方位, Vk : 流速, Vk+1 : 修正流速, VPbest : 基于Pbest的速率, VGbest : 基于Gbest的速率. 图3. PSO的搜索指向修改的概念 PSO技术一种进化计算技术，但是它又不同于其他有名的进化计算算法，例如遗传算法。尽管群被用于搜寻要探索的空间，但是它们没有操作者，而是受人类DNA程序的启发。反而，在PSO中，群动态仿真是一个“鸟群”的行为，发生群居的信息共享，并个体能把所有成员在寻找食物发现、及先前发现的经验得到利用。因此，每个同伴，被称为粒子，在群里则叫着粒子群，而假定“飞”过的搜寻领域，为了找到期望的好的区域。例如，在减到最小限度的情况下，这样的区域比其他的拥有较低的运行价值，在先前的访问中。在这样环境下，每一个粒子都被认为是ab维空间的一个点，根据它的飞行经验调整它自己的“飞行”与其他所有粒子飞行的经验保持一致。对于每一个粒子，在当前时间的步伐下，记录目前为止在搜寻空间中找到的最佳位置的速率被保存起来。 这种设想是基于PSO概念的[9]。在PSO算法中，为了操作算法，代替使用进化操作器，获得d-易变的最优化问题，粒子群带着它们目前所知的最佳值和d-维空间的最佳位置，任意性地选择速度和位置，进入d-维搜寻空间里，如突变和篡改。每一个粒子的速度，根据它和其他粒子自身的飞行经验进行调整。例如，i-th粒子