基于蚁群算法的汽车牵引pid控制参数整定.docxVIP

基于蚁群算法的汽车牵引pid控制参数整定 模仿的出现和发展促进了新型智能优化算法的发展。通过模拟生物进化的遗传、变异及优胜劣汰机制、蚁群觅食最佳路径寻找机理、免疫细胞产生抗体的原理等提出了诸如遗传算法(Genetic Algorithm, GA)、蚁群算法(Ant Colony Algorithm, ACA)、免疫算法(Immune Algorithm,IA)以及粒子群优化算法(Particle Swarm Optimization,PSO),上述算法因其学习性强且收敛性好得到实际应用,缺点在于收敛速度慢,控制实时性差。作者基于ACA设计了牵引控制油门和制动PID控制器参数优化算法,采用离线仿真标定控制器参数;以此为基础,设计出满足实时性要求的基于查询方式的参数自调整PID控制器,进行了硬件在环试验。 1 设计条件和优化过程 图1为牵引力蚁群PI控制器原理图,图中:s0为目标滑转率,s为驱动车轮滑转率,e和Δe为误差及其增量,kp和ki分别为PI控制器的比例因子和积分因子,U为控制量。 蚁群增量PI控制器参数优化算法原理如下: (1)初始条件设定及参数初始化 a.设蚂蚁数目为n,最大迭代次数为Nmax。 b.根据优化变量kp和ki的取值范围确定如图2所示的可爬行结点(指虚线区域内),交点(i, yi)为蚂蚁可到达的结点,其中:i取1～8中的整数,yi取0～9中的整数,a～h为平行