Параметрическая оптимизация модального регулятора с ограничениями на основе метода роя частиц

Бесплатный доступ

Основным фактором повышения эффективности процесса функционирования систем автоматического управления техническими объектами и процессами в различных областях промышленности является оптимальная настройка параметров модального регуляторов так, чтобы, например, обеспечить протекание переходных процессов за минимальное время или достичь минимального значения интегральной оценки качества управления. Решение оптимизационной задачи выполняется для подынтегральной функции такого вида, чтобы интегральная оценка лучше выражала качество управления. При этом показатели качества управления зависят от настроечных параметров регулятора достаточно сложными соотношениями, что значительно усложняет процедуру аналитического синтеза. Алгоритмы численной оптимизации различаются между собой способом изменения подстраиваемых параметров, при этом наиболее эффективными считаются те, которые достигают результата при меньших затратах вычислительного времени. Цель исследования - получение оптимальных значений параметров модального регулятора с интегральной составляющей и ограничениями для непрерывных линейных стационарных систем на основе стохастического метаэвристического метода роя частиц. Материалы и методы. Используется современная теория автоматического управления, роевой интеллект в решении задачи оптимизации параметров модального регулятора и управлении техническими системами. Результаты. Представлен процесс параметрической оптимизации модального регулятора с ограничениями на основе метода роя частиц для одномерного объекта управления. Приведены результаты моделирования с помощью метода прямого перебора параметров регулятора и метода роя частиц, их сравнение. Заключение. Результаты численных исследований позволяют говорить о том, что разработанный алгоритм решения параметрической оптимизации модального регулятора с ограничениями на основе метода роя частиц обладает высокой точностью и большим быстродействием.

Еще

Параметрическая оптимизация, модальный регулятор, показатели качества управления, ограничения, метод роя частиц

Короткий адрес: https://sciup.org/147237456

IDR: 147237456

Список литературы Параметрическая оптимизация модального регулятора с ограничениями на основе метода роя частиц

  • Карпенко, А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Изд-во МГТУ им. Н.Э. Баумана, 2017. 446 с.
  • Матренин П.В., Секаев В.Г. Системное описание алгоритмов роевого интеллекта // Программная инженерия. 2013. № 12. С. 39-45.
  • Allaoua B. Intelligent PID DC Motor Speed Control Alteration Parameters Using Particle Swarm Optimization // Artificial Intelligence Resources in Control and Automation Engineering. 2012. No. 12. P. 3-14. DOI: 10.2174/978160805126711201010003
  • PID controller tuning parameters using meta-heuristics algorithms: comparative analysis / M. Issa, A.A. Elbaset, A.E. Hassanien, I. Ziedan // Machine Learning Paradigms: Theory and Application. 2018. Vol. 801. P. 413-30. DOI: 10.1007/978-3-030-02357-7_20
  • Самигулина Г.А., Самигулин Т.И. Обзор современных подходов искусственного интеллекта для систем управления сложными объектами // Проблемы информатики. 2018. № 3. С. 4-20.
  • Ростов Н.В. Параметрическая оптимизация цифровых модальных регуляторов // Информатика, телекоммуникации и управление. 2010. № 3 (101). С. 39-44.
  • Ozana S., Docekal T. PID controller design based on global optimization technique with additional constraints // Journal of Electrical Engineering. 2016. No. 67 (3). P. 160-168. DOI: 10.1515/jee-2016-0023
  • Solihin M.I., Akmeliawati R., Legowo A. Robust feedback control design using PSO-based optimisation: a case study in gantry crane control // Int. J. Mechatronics and Automation. 2011. No. 1 (2). P. 121-131.
  • Mahdizadeh A., Schmid R. Robust eigenvalue assignment via particle swarm optmization methods // 2015 5th Australian Control Conference (AUCC). 2015. P. 153-157.
  • Engelbrecht A.P. Computational intelligence: An introduction. Second edition. Chichester: Wiley, 2020. 640 p.
  • Kennedy J., Eberhart R.C., Shi Y. Swarm Intelligence. San Francisco: Morgan Kaufmann Publishers, 2001. 512 p.
  • Lu H., Chen W. Dynamic-objective particle swarm optimization for constrained optimization problems // Journal of Combinatorial Optimization. 2006. No. 12 (4). P. 409-19. DOI: 10.1007/s10878-006-9004-x
  • Kennedy J., Eberhart R. Particle swarm optimization // Proceedings of ICNN'95 - International Conference on Neural Networks. 1995. No. 4. P. 1942-1948. DOI: 10.1109/ICNN.1995.488968
  • Eberhart R.C., Shi Y. Particle swarm optimization: developments, applications and resources // Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. No. 01TH8546). 2001. No. 1. P. 81-86. DOI: 10.1109/CEC.2001.934374
  • Eberhart R.C., Shi Y. Comparing inertia weights and constriction factors in particle swarm optimization // Proceedings of the 2000 Congress on Evolutionary Computation CEC00 (Cat. No. 00TH8512). 2000. No. 1. P. 84-88. DOI: 10.1109/CEC.2000.870279
Еще
Статья научная