基于粒子群优化的直流伺服系统PID控制.docVIP

基于粒子群优化的直流伺服系统PID控制 基于粒子群优化的直流伺服 系统的PID控制 前言 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。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本质。最近，许多先进的控制方法论，例如非线性控制，最优控制，可变结构控制，和自适应控制，在直流电机上，都被广泛的利用着。然而，这些方法的理论基础，既复杂，又难以实现。在瞬时变化和稳态响应下，PID控制的功能能对其进行处理，提供最简便和最有效的方法，在处理真实环境下的太多的控制问题下。尽管这种方法的结构简单，鲁棒性好，获得最优的PID控制器协调增益是相当困难的。 PSO方法已经在应用中解决了复杂问题的最优化。PSO作为先进的启发式算法，第一次被肯尼迪和埃伯哈特所引进；具有生物体的行为的激发主动性，比如鱼群和鸟群。一般情况下，PSO被认为是一个简单的概念，容易实现，容易 实现其效率。不像其他的启发性技术，PSO灵活，并有良好的均衡机构提高其总体和局部的探究能力。 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。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。 一、直流伺服PID控制原理 （一）直流电机模型 直流电机具有多功能的性的特点。依靠各种有分流器、串联和隔离刺激组合的激磁绕组，它们被设计成能显示大范围变化的伏特表，或对于动态和稳定性能的运算，速度转矩特性能显示大范围的变化。由于它们能受到直流电机系统的控制，这种灵活的装置经常被用于许多要求电机转速宽量程和电机控制输出精确的复杂问题上。 这篇论文，他励直流电机模型的选择，取决于它的电力和机械性能要比其他的直流电机模型的要好。这种直流电机由外加电压驱动。 Simulik下的直流电机模型如图1。直流电机的各种参数如表1。 图1. Simulink下的直流电机模型 表1.直流电机的参数 （二）PID控制原理 1.PID控制原理的背景知识 很多工业控制都采用PID的控制策略，容易设计实现。在过程控制、运动控制、速度伺服控制、位置伺服控制中，广泛采用PID控制算法以及在其基础上的一些新型衍生算法，如积分分离PID控制算法、微分先行PID控制算法、带死区(dead-zone)的PID算法、智能PID算法等。在控制理论不断智能化进程的不断深化，模糊控制、鲁棒控制、自适应控制、神经网络、最优控制以及滑模控制等很多现代控制方法在大范围都得到应用推广的今天，PID控制仍然是一种稳定的、可靠的、实现简单的、使用广泛的控制方法。然而作为基本类型的控制方法，PID控制对线性定常的系统控制较为适宜，尤为适于参数固定，没有明显非线性环节的被控对象。对于参数变更，干扰无常、负荷复杂多变的系统，PID这种控制的基本单元需要借助各种先进控制策略实现更好的效果。 2.PID控制基本原理 PID控制是较早发展起来的一种基于经典控制理论的控制策略。模拟控制系统中，控制器最常用的控制规律就是PID控制。PID控制按照偏差的比例(P)、积分(I)、和微分(D)进行，由于其具有算法简单、鲁棒性好和可靠性高等特点，一直被广泛应用于工业过程中。 PID控制系统的原理框图如下，该控制系统由模拟PID控制器和被控对象组成： 图2.PID控制系统原理框图 经典的PID控制器是一种线性控制器，其调节原理为：根据给定值与实际输出值构成控制偏差e(t)将偏差的比例(P)、