液压位置伺服系统
PID 参数在线优化
摘要:将粒子群算法与传统的
PID 控制器相结合,并采用平方误差矩积分函数作为适应度
判据,构成了
PSO-PID 控制器,该控制器能够在线优化 PID 控制器参数。仿真结果表明,
在系统工况发生变化时,新型控制器能够取得满意的控制效果。
1 前言
阀控缸是液压位置伺服控制系统常采用的一种形式,被广泛应用在对控制精度要求较
高的大功率场合。活塞位置的偏差信号经
PID 控制器线性组合后,作为伺服阀控制信号,调
节通过伺服阀的流量,达到控制液压缸活塞位置的目的。在硬件条件一定的情况下,控制系
统的性能主要取决于控制器性能,而控制器的参数又直接决定着系统的最终控制效果。在钢
铁生产中,液压位置伺服系统多运行在恶劣的环境下,系统的控制特性会随着设备老化以
及现场扰动发生较大变化,这要求
PID 控制器参数能够根据现场情况适时调整,维持系统
良好的控制性能。
粒子群优化算法(
PSO)是一种基于群智能的启发式算法,起源于对简单社会系统的
模拟。粒子群算法中,每个优化问题的潜在解都是搜索空间中的一个
“粒子”。每个粒子由粒
子速度决定运动方向和距离,每个粒子都包含一个适应值,空间中的所有粒子通过跟踪当
前最优粒子完成解空间中的搜索任务。
将粒子群算法的启发式搜索功能与
PID 控制器结合起来,构成 PSO-PID 控制器,并将
优化后的
PID 控制器应用到液压位置伺服系统当中,结果表明采用 PSO 方法优化后的液压
伺服系统在系统特性发生变化后仍能取得较好的控制效果。
2 粒子群优化原理
粒子群算法对生物种群行为进行模拟,采用群智能的方式进行寻优。每个粒子的状态根
据自身最优解
Pb,和全局最优解 Gb 进行更新。下式为粒子的速度表达式
v(k+1)=W1v(k)+C1r1(k)(Pb-x(k))+C2r2(k)(Gb-x(k)) (1)
x(k+1)=x(k)+v(k) (2)
式中:
v(k)-第 k 代粒子运动速度;
W1-粒子运动速度权重系数;
Pb-当前粒子的自身最优解;
Gb-粒子群的最优解;
x(k)-第 k 代粒子运动位置;
C1,C2-学习常数;
r1(k)-属于 0~1 间的随机变量。