基于粒子群优化的滑模控制参数整定
更新日期:2018-09-19     浏览次数:234
核心提示:基于粒子群优化的滑模控制参数整定孙明(江南大学 物联网工程学院,无锡 214122)摘要:针对滑模控制参数较多难整定的问题,结合粒子群优化算法设计滑

基于粒子群优化的滑模控制参数整定

孙明

(江南大学 物联网工程学院,无锡 214122

摘要:针对滑模控制参数较多难整定的问题,结合粒子群优化算法设计滑模控制器。选取有关控制器输出和系统跟随误差的函数作为滑模参数优化目标,并以该目标函数为粒子群的适应度值,寻优处理后获得等效控制、切换项及指数趋近率系数,从而缩短到达滑模面时间,减小控制器输出抖振,有效改善滑动阶段动态特性。在MATLAB中仿真表明,该方法对被控对象参数波动具有较强鲁棒性,系统响应快,跟随性能好。

关键字:粒子群优化;滑模控制;参数整定;MATLAB

中图分类号:TP273                                  文献标识码:A                                                                                                             文章编号:

Sliding Mode Control Parameters Tuning based on Particle Swarm Optimization

Sun Ming

(School of Internet of Things Engineering, Jiangnan University, Wuxi 214122,China)

Abstract :In order to solve the problem of difficult parameters setting of sliding mode control which has more parameters, a sliding mode controller is designed based on particle swarm optimization algorithm. Selected the functions related to controller output and system following error as the sliding mode parameter optimization target, and use this objective function as the fitness value of the particle swarm to obtain the equivalent control, switching term, and exponent reaching rate coefficient after optimization processing. Therefore, the time for reaching the sliding mode surface is shortened, chattering of the controller output is reduced, and the dynamic characteristics of the sliding stage are effectively improved. The simulation in MATLAB shows that this method has strong robustness to the parameter fluctuations of the controlled object, the system response becomes faster, and the follow-up performance becomes better.

Key words: Particle swarm optimization; sliding mode control; parameter tuning; MATLAB

引言

干扰广泛存在于实际工程系统中,并给控制系统带来不利影响。滑模控制是一类特殊的非线性控制方法,其输出一般是不连续,控制器可以根据当前偏差及其各阶导数大小不断改变内部“结构”,故对外界干扰、匹配或未匹配的不确定性、参数波动、未建模的动态过程等具有强鲁棒性[1]。近年来,滑模控制已成为科研热点,在飞行器控制、机器人控制、航船行驶、电机等领域得到广泛应用[2]

滑模控制的切换项为开关控制,系统的状态会在滑模面上做小幅度、高频率的左右跳动,使得滑模控制产生抖振,大大影响系统控制效果。文献[3]提出一种新的动态滑模控制器设计方法,实现了在滑模面上的完全鲁棒性,使某类系统的抖振问题得到解决。文献[4]将模糊控制引入了趋近率中,使之能够根据系统当前状况智能地调整趋近率系数,从而改善抖振。文献[5]首次实现基于干扰观测器的滑模变结构控制算法,精确估计出干扰大小,并取得了较为理想的控制效果。文献[6]通过对切换函数进行微分改变原有切换项,使控制项中含有高阶导数,有效削弱抖振现象。

上述方法虽能取得较理想控制效果及动态过程,但其参数选定较盲目,切换控制及等效控制项系数对于模型不确定性等适应度不足。文献[7-10]采用差分进化和粒子群改进算法分别对滑模面、切换项和趋近率系数进行动态优化,有效提高系统收敛速度及控制品质,高频颤动现象得到抑制。但均未涉及等效控制部分参数整定,影响整个动态过程性能,因此,本文基于粒子群优化算法设计滑模控制器,将控制器设计过程中涉及的参数均作为被优化对象。仿真结果表明,该方法大大提高系统跟随性能,状态趋于滑模面速度加快,平衡了控制器输出抖振与动稳态品质间矛盾。