基于改进教与学算法的滑模控制研究

发布时间：2020-11-20 17:58

　　 随着科学技术的不断进步,优化理论在工程技术领域有着越来越多的应用。智能优化方法由于应用性广,扩展性强,对初始解要求低等特点,被广泛应用在高维复杂优化问题上,并形成了一个越来越热门的研究方向。教与学算法(TLBO)就是其中一种新兴的智能算法,目前对该算法的研究还尚显不足,仍需要对其理论进行深化研究并拓展其应用领域。针对教与学算法容易陷入早熟收敛和局部收敛的特点,本文提出了几种有效地改进算法性能的方法:引入混沌搜索和协同进化的原理形成了协同混沌教与学算法(CCTLBO);引入量子计算的相关理论形成量子教与学算法(QTLBO);实现分组教学并对教学策略进行相应改进,形成了教学策略改进的教与学算法(SMTLBO)。通过一系列的仿真实验,对比论证了这些改进方法的有效性。将智能优化算法与控制理论相结合实现对控制方法的优化一直以来都是智能优化算法很重要的一个应用领域,这不仅是对智能方法有效性的论证与应用的拓展,同时也是对控制理论的丰富。本文主要将改进后的教与学算法应用到滑模控制的研究中,实现了滑模控制律的优化,拓宽了教与学算法的应用领域。针对冲压发动机燃油系统控制方法,应用其线性不确定性模型,采用滑模控制方法进行有效地控制。本文将CCTLBO应用到滑模控制的设计中,将滑模面参数和切换控制参数作为优化目标,计算得出了一个更优的滑模控制项,从而有效地减弱了抖振现象。这种方法,利用了滑模控制对系统不确定性保持不变的优点,同时有效减弱了抖振,实现了对冲压发动机燃油系统的稳定控制。为了进一步提升滑模控制的品质,实现切换控制项的动态调整从而完全消除抖振现象,本文设计了模糊滑模控制器,利用模糊逻辑动态调整切换控制项。本文将QTLBO应用到模糊逻辑的设计中,对模糊逻辑的隶属度函数引入量化因子以柔化输入输出,将量化因子作为优化目标予以优化,得到一个最优的模糊集。应用该模糊逻辑构建的模糊滑模控制可实现针对滑模量的动态调整,进一步减弱甚至完全消除了抖振的影响,提升了对冲压发动机燃油系统的控制性能。为了对智能算法在滑模控制中的应用有更全面的研究,同时也为了将这种滑模控制与智能算法相结合的方法应用到更为复杂的系统中,本文针对充液航天器的姿态控制进行了相关研究。充液航天器系统是一类典型的欠驱动系统,其内部具有高度的非线性和高耦合性。对于充液航天器这类欠驱动系统,引入中间变量使得模型间的耦合得到消除,通过构建合适的滑模面使得状态变量能自稳定。本文将状态变量作为算法输入,利用SMTLBO动态的计算得到当前时刻的滑模面参数,构建了时变的滑模面,实现了系统状态变量到达滑模面后的自稳定。仿真结果证明了这种方法的有效性,实现了对充液航天器系统大范围内动态特性的有效控制。
【学位单位】：南京航空航天大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP18;TP273
【部分图文】：

每个学员的成绩，从而提高班级平均值。需要注意的是，学员所能获取的知识教师和班级平均值的差值，还取决于教师的教学因子和学生的学习能力，因此提升空间是有限的。学员的学科成绩服从正态分布，则“教”阶段可用图 1 表示：在最初，班级平 30Aean ，平均成绩低且分布较广。经过教师多次的“教”过程，班级平均成 80BMean ，成绩提高且分布集中。具体的教学方法如式(2.2)和(2.3)。X X differenceioldinewdifference ( X Mean)iteacherir TFioldX 和inewX 分别表示第i个学员学习前和学习后的值， NPiiNP11Mean X表 的 平 均 值 。 此 外 ， 式 中 还 有 两 个 重 要 的 参 数 ： 教 师 的 教 学 ound1 rand(0,1) 和学生的学习步长 rrand(0,1)i 。前者表征了教师的教表征了学生的学习能力。

图 2.2 基本 TLBO 算法流程图教与学算法作为一种新兴的算法，其应用研究是必不可少的。本文主要将教与学算法到滑模控制中，研究教与学算法对滑模控制方法的优化。2.2 节主要介绍了滑模控制的概念。.2 滑模变结构控制的基本概念滑模变结构控制由于其滑动模态是可以进行设计的且与对参数的摄动和外干扰具有性，因而可以适用于各种复杂的不确定线性和非线性系统、连续和离散系统，在实际工得到了广泛应用。滑模控制通过控制量的切换使系统沿着滑模面运动，其控制系统的特参数仅取决于设计的滑模面，对于系统的参数摄动和外界干扰不灵敏，具有很强的鲁棒

可以对模糊逻辑的灵敏度进行调节。r 的取值过大，则模糊逻辑在 0 附近反应迟钝；r 的取值太小，又会使模糊逻辑的灵敏度过高，无法达到柔化输入输出的目的。此外，考虑到切换控制项增益的变化量 是影响 的唯一因素，而 的选取不当会使得控制器的性能被破坏。而 在模糊化的过程中，其论域的划分是无迹可寻的，而依据经验的划分往往也需要经过多次试凑。即便这样，得到的变量区间也无法保证在模糊控制中全程适用。变量区间太小，则模糊逻辑的调节范围太小，未必能使控制器的性能得到改善。而变量区间过大，则调节不够精确，甚至会使模糊控制器的输出过大反而加重了抖振现象。为了得到合适的r 和 的论域，可以考虑应用量子教与学算法进行求解。将r 和 的论域作为求解目标，模糊滑模控制器的综合性能作为优化目标，采用量子教与学算法得出最优解使得模糊控制器具有最优的灵敏度和精确度，从而使模糊滑模控制器的性能最优。定义优化目标为 JsQsxRxd TtT()210 ( Q, R为自选正定矩阵)，目的是使求得的最优解能使模糊滑模控制器具有最优的控制性能和较好的滑动模态。设置算法种群规模为 NP 20，迭代次数 G 20，采用量子教与学算法进行计算，得到的最优解为： r 0.4527， 的论域为[-36.6627,36.6627]。模糊控制器的隶属度函数被柔化为如图 4.11 所示：
【相似文献】

相关期刊论文 前10条

1 牛超;郭超;;基于组合滑模面的起重机升降系统位置控制[J];机电一体化;2014年08期

2 张克勤,苏宏业,庄开宇,褚健;二阶不确定离散系统的时变滑模面变结构控制[J];浙江大学学报(工学版);2002年04期

3 徐翔;杨淑英;郭磊磊;张兴;;基于复合滑模面的异步电机速度观测器研究[J];电力电子技术;2016年04期

4 宋嘉赟;张武龙;吴云洁;;基于卡尔曼滤波的多滑模面电动舵机控制[J];系统仿真学报;2011年08期

5 袁裕鹏;王凯;严新平;毛小兵;;基于多段滑模面控制的船舶柴油机调速系统仿真研究[J];船舶工程;2015年04期

6 李鹏;孙未蒙;李文强;郑志强;;一种改进积分滑模面在飞控中的应用[J];控制工程;2010年03期

7 姚玉梅;牛超;;起重机起升系统的双滑模面互补负载跟踪控制[J];机电一体化;2019年05期

8 李光;艾志浩;林国英;;具有非线性时变滑模面的变结构控制系统设计[J];计算技术与自动化;2007年04期

9 侯晓丽;胥布工;;凸胞型不确定系统的变结构控制[J];控制理论与应用;2007年04期

10 曹玲芝;谢晓磊;任菊萍;;基于非线性滑模面的永磁同步电机变结构控制[J];微电机;2015年03期

相关博士学位论文 前7条

1 马海峰;基于滑模控制的车削颤振主动控制方法研究[D];上海交通大学;2017年

2 辛林杰;滑模控制理论研究及其在非线性系统中的应用[D];北京理工大学;2017年

3 肖玲斐;基于预测控制策略的离散滑模控制研究[D];浙江大学;2008年

4 韩耀振;不确定非线性系统高阶滑模控制及在电力系统中的应用[D];华北电力大学(北京);2017年

5 周慧波;基于有限时间和滑模理论的导引律及多导弹协同制导研究[D];哈尔滨工业大学;2015年

6 向伟;混沌系统控制与同步若干问题的研究[D];南京航空航天大学;2010年

7 庄开宇;变结构控制理论若干问题研究及其应用[D];浙江大学;2002年

相关硕士学位论文 前10条

1 何虹兴;基于改进教与学算法的滑模控制研究[D];南京航空航天大学;2018年

2 黄鹏;Buck变换器的滑模控制与性能改进研究[D];哈尔滨工业大学;2019年

3 张继;基于二阶滑模和预设性能约束的航天器编队轨道控制[D];哈尔滨工业大学;2019年

4 杨步充;基于滑模控制与一致性算法的动车组高性能制动方法研究[D];湖南工业大学;2019年

5 王国威;基于滑模控制的车辆巡航控制算法研究[D];北方工业大学;2019年

6 王辉航;基于滑模变结构的永磁同步电机矢量控制研究[D];上海电机学院;2019年

7 王坤锋;基于滑模控制的食品隧道炉温控系统的研究与应用[D];曲阜师范大学;2019年

8 卢旺;基于滑模变结构控制的DC/DC变换器的研究[D];杭州电子科技大学;2018年

9 陆梦羽;PMSM伺服系统复合滑模变结构控制方法研究[D];大连交通大学;2018年

10 倪媛媛;基于滑模方法的降压型DC-DC变换器控制研究[D];江苏大学;2018年

本文编号：2891789