基于改进PSO算法的横动伺服控制系统PID参数优化

doi:1004-7018-46-1-49-51

微特电机 ›› 2018, Vol. 46 ›› Issue (1): 49-51.doi: 1004-7018-46-1-49-51

基于改进PSO算法的横动伺服控制系统PID参数优化

曹薇¹,谢天驰²

⁽¹⁾广东水利电力职业技术学院,广州 510925
⁽²⁾海南大学,海口 570228

收稿日期:2016-10-25 出版日期:2018-01-28 发布日期:2018-02-26
作者简介:曹薇(1973-),女,副教授,研究方向为自动化及智能算法应用及优化。
基金资助:
国家重点研发计划项目(2016YFC0104901);广东水利电力职业技术学院创新强校工程自主创新能力提升类项目(050117)

PID Parameter Optimization of Transverse Servo Control System Based on Improved PSO Algorithm

Wei CAO¹,Tian-chi XIE²

⁽¹⁾ Guangdong Technical College of Water Resource and Electric Engineering,Guangzhou 510925,China
⁽²⁾ Hainan University,Haikou 570228,China

Received:2016-10-25 Online:2018-01-28 Published:2018-02-26

摘要/Abstract

摘要：

针对横动伺服控制系统的位置控制器PID参数优化问题,设计了改进粒子群算法,成功实现了参数优化。设计了改进粒子群算法及其PID参数优化原理;在已知系统传递函数的基础上,利用Z-N法进行参数初求解;利用改进粒子群算法对初解进行参数寻优,并将优化前后的系统进行动态性能对比,结果表明:优化后的高阶非线性系统动态性能更好,响应速度更快,调节时间更短。

关键词: 横动系统, 高阶系统, 非线性系统, PID, 位置控制器, 粒子群算法

Abstract:

In order to solve the problem of PID parameter optimization of position controller in transverse servo control system, an improved particle swarm optimization (PSO) algorithm was designed, and the parameter optimization was realized successfully. The first design of improved particle swarm optimization algorithm and PID parameter optimization principle.Based on the known transfer function of system, the parameters of initial solution by Z-N method, and then used the improved particle swarm optimization algorithm for the initial solution for parameter optimization, and the system dynamic performance comparison before and after optimization, the results show that the better dynamic performance order nonlinear system after optimization, faster response speed, shorter regulating time.

Key words: transverse motion system, higher order system, nonlinear system, proportional-integral-derivetive(PID), position controller, particle swarm optimization (PSO) algorithm

中图分类号:

TM301.2

曹薇,谢天驰. 基于改进PSO算法的横动伺服控制系统PID参数优化[J]. 微特电机, 2018, 46(1): 49-51.

Wei CAO,Tian-chi XIE. PID Parameter Optimization of Transverse Servo Control System Based on Improved PSO Algorithm[J]. Small & Special Electrical Machines, 2018, 46(1): 49-51.

[1]	陶涛, 林荣文. 基于小生境粒子群算法的永磁同步电机参数辨识[J]. 微特电机, 2021, 49(2): 29-33.
[2]	张磊, 鲁凯, 田伟, 丁浩. 永磁同步电机伺服系统的变增益自抗扰控制器设计[J]. 微特电机, 2020, 48(8): 35-38.
[3]	黄锐, 郑东. 基于Kriging模型和粒子群算法的不等厚永磁电机优化设计[J]. 微特电机, 2020, 48(7): 19-40.
[4]	田雨, 康尔良. 永磁同步电机神经网络速度控制器设计[J]. 微特电机, 2020, 48(6): 49-52.
[5]	王严伟, 高毅军, 宋启波. 基于PID的多电发动机磁轴承控制系统设计与验证[J]. 微特电机, 2020, 48(6): 53-55.
[6]	张轩, 徐苗, 郑德聪, 李志伟. 基于变论域模糊PID控制的BLDCM仿真分析[J]. 微特电机, 2020, 48(3): 54-57.
[7]	张娟, 孙彦超, 高杨, 吴桂峰. 基于花授粉算法的无刷直流电动机速度控制研究[J]. 微特电机, 2020, 48(3): 58-60.
[8]	姚叶明,徐礼林. 航空无刷直流电动机四象限PWM驱动PI控制方法研究[J]. 微特电机, 2020, 48(2): 51-54.
[9]	娄鹏, 宋剑桥, 殷佩舞, 孙耀程. 基于自抗扰反步法的高空飞行器动力电机控制率设计[J]. 微特电机, 2020, 48(10): 51-53.
[10]	曾佑轩, 马立, 钟博文, 孙立宁, 汪文峰. 压电驱动平台的自适应PID控制[J]. 微特电机, 2019, 47(8): 54-57.
[11]	王一奇, 余红英. 粒子群优化的四旋翼PID控制系统[J]. 微特电机, 2019, 47(6): 80-82.
[12]	郭志强,余红英,刘琛. 基于模糊PID的高速振镜电机控制[J]. 微特电机, 2019, 47(4): 61-65.
[13]	. 永磁同步电机伺服系统的自抗扰控制[J]. 微特电机, 2019, 47(12): 56-59.
[14]	杨冲,杨青. 基于前馈补偿PID的电机动态测试控制策略研究[J]. 微特电机, 2018, 46(9): 83-86.
[15]	杜晓彬,黄开胜,谭耿锐,黄信. 基于GPR-PSO模型的PMSM齿槽转矩抑制[J]. 微特电机, 2018, 46(6): 58-61.

基于改进PSO算法的横动伺服控制系统PID参数优化

PID Parameter Optimization of Transverse Servo Control System Based on Improved PSO Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

联系我们