版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、計算機(jī)應(yīng)用技術(shù)專業(yè)畢業(yè)論文 精品論文 基于免疫遺傳算法的自抗擾控制器優(yōu)化設(shè)計及其應(yīng)用關(guān)鍵詞:自抗擾控制器 免疫遺傳算法 參數(shù)整定 優(yōu)化設(shè)計 倒立擺摘要:自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與
2、遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器
3、對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。正文內(nèi)容 自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種
4、工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF
5、各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得
6、了比較理想的控制效果。自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待
7、調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研
8、究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自
9、抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了
10、一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟
11、蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整
12、定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)
13、過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部
14、搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗
15、證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和
16、抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾
17、控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。自抗擾控制器(ADRC)由P
18、ID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制
19、器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫
20、遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾
21、多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)
22、行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均
23、有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀
24、測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控制器的調(diào)節(jié)規(guī)律;分析了遺傳算法和免疫遺傳算法的優(yōu)缺點,將免疫算法和遺傳算法相結(jié)合,設(shè)計了一種免疫遺傳算法優(yōu)化設(shè)計模型,并使用免疫遺傳算法進(jìn)行自抗擾控制器參數(shù)的優(yōu)化整定;使用優(yōu)化自抗擾控制器對典型的時變和非線性系統(tǒng)進(jìn)行仿真研究,驗證算法的有效性和實用性;同時對直線一級倒立擺控制對象與pH中和過程控制對象進(jìn)行仿真和應(yīng)用研究,進(jìn)一步驗證了算法的有效性。 本文提出了使用免疫遺傳算法進(jìn)行自抗擾控制器的優(yōu)化設(shè)計方法,并將免疫遺傳算法應(yīng)用于自抗擾控制器的參數(shù)整定、尋優(yōu)過程,同時對優(yōu)化后的自抗擾控制器進(jìn)行了仿真研究,以
25、及將該控制器應(yīng)用于實際對象的控制中,取得了比較理想的控制效果。自抗擾控制器(ADRC)由PID思想發(fā)展而來,同時又突破了PID技術(shù)的局限性。ADRC通過對模型不確定因素和外擾進(jìn)行跟蹤并給予實時補(bǔ)償,使得控制系統(tǒng)對外擾和不確定因素均有較好的適應(yīng)能力,從而能夠有效地控制多種工業(yè)上較為難以控制的對象,同時表現(xiàn)出極強(qiáng)的魯棒性和抗干擾性。但是自抗擾控制器因追求卓越的控制品質(zhì)而滋生了眾多參數(shù),卻又難以調(diào)節(jié),從而限制了自抗擾控制器的工程應(yīng)用。目前優(yōu)化整定自抗擾控制器的眾多參數(shù)是一個研究的熱點,因此本文主要是將免疫算法與遺傳算法相結(jié)合,以解決遺傳算法存在的局部搜索能力弱、個體多樣性減少快等不足,并使用免疫遺傳算法有力的并行搜索能力對自抗擾控制器的待調(diào)參數(shù)進(jìn)行全局尋優(yōu),從而構(gòu)造了適宜于工程應(yīng)用的控制器。 本文主要系統(tǒng)介紹了自抗擾控制的基本原理及其組成結(jié)構(gòu),分析了自抗擾控制的特點及其參數(shù)整定的一些定性規(guī)律,得到了跟蹤微分器TD、擴(kuò)張狀態(tài)觀測器ESO和非線性狀態(tài)誤差反饋NLSEF各自參數(shù)選擇方法的一些規(guī)律性結(jié)論,總體給出了自抗擾控
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 高血壓腎病的臨床觀察
- 《傳感器的結(jié)》課件
- 勞務(wù)雇傭臨時工合同范例
- 代加工蔬菜包裝合同范例
- 商標(biāo)授權(quán)轉(zhuǎn)讓合同范例
- 店鋪道具租賃合同范例
- 商業(yè)用房租賃合同模板
- 中標(biāo)廢鐵合同模板
- 保潔公司簡易合同范例
- 農(nóng)村居民住房修建合同模板
- GB/T 7715-2014工業(yè)用乙烯
- 企鵝排隊課件
- GB/T 14480.2-2015無損檢測儀器渦流檢測設(shè)備第2部分:探頭性能和檢驗
- GB/T 1094.11-2007電力變壓器第11部分:干式變壓器
- GB/T 10001.9-2021公共信息圖形符號第9部分:無障礙設(shè)施符號
- 城市綠地系統(tǒng)規(guī)劃 第8章 城市道路交通綠地規(guī)劃
- 初中數(shù)學(xué)規(guī)律探索公開課完整教學(xué)課件
- 中英文戰(zhàn)略合作協(xié)議
- 2022-2023學(xué)年天津市河西區(qū)高一年級上冊學(xué)期期中數(shù)學(xué)試題【含答案】
- 工密閉空間施工方案
- 備用金申請單(完美版)
評論
0/150
提交評論