积分商城

最新搜索： iar STM32F103 rfe150 Sm470 cserialport SPWM
您现在的位置是：首页 > 技术资料 > 基于QPSO算法优化跳汰机排料系统的分数阶PID控制
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于QPSO算法优化跳汰机排料系统的分数阶PID控制

更新时间：2019-12-30 14:24:45 大小：1M 上传用户：xiaohei1810查看TA发布的资源 标签：QPSO算法pid控制料系统 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对传统PID控制在复杂跳汰机排料系统中控制精度不高、响应速度慢、参数调整不够精确等问题,提出了一种基于QPSO算法优化的分数阶PIλDμ 控制器(QPSO-FOPID).该控制器利用分数阶微积分理论,将传统PID控制由整数阶次推广到复数阶次,并增加了两个参数的自由度.同时利用量子粒子群算法对分数阶PIλDμ 控制器参数进行寻优,解决参数调整不精确的问题.以某矿井跳汰机排料系统为例,建立跳汰机排料系统控制的Simulink仿真模型.仿真结果表明,该方法不仅能够实现分数阶PIλDμ 控制参数的在线优化,收敛速度快,具有较强的鲁棒性,还具有良好的动、静态性能,无超调现象,控制精度高.

部分文件列表

文件名 大小
基于QPSO算法优化跳汰机排料系统的分数阶PID控制.pdf 1M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
第40卷 第5期  
第 5 期  
沈ꢀ 阳ꢀ 工ꢀ 业ꢀ 大ꢀ 学ꢀ 学ꢀ 报  
ꢀ ꢀ ꢀ 吴清怡,等: 炮弹发射弹道目标精度校正估计仿真  
Vol. 40 No. 5  
Sep. 2 0 1 8  
2 0 1 8 年 9 月  
Journal of Shenyang University of Technology  
doi：10. 7688 / j. issn. 1000 - 1646. 2018. 05. 17  
基于 QPSO 算法优化跳汰机排料系统的  
分数阶 PID 控制*  
马玥珺, 张湘玉  
（河北工程大学 机械与装备工程学院， 河北 邯郸 056038)  
摘ꢀ 要: 针对传统 PID 控制在复杂跳汰机排料系统中控制精度不高、响应速度慢、参数调整不够精  
确等问题，提出了一种基于 QPSO 算法优化的分数阶 PIλ Dμ 控制器（QPSO-FOPID). 该控制器利用  
分数阶微积分理论，将传统 PID 控制由整数阶次推广到复数阶次，并增加了两个参数的自由度. 同  
时利用量子粒子群算法对分数阶 PIλ Dμ 控制器参数进行寻优，解决参数调整不精确的问题. 以某  
矿井跳汰机排料系统为例，建立跳汰机排料系统控制的 Simulink 仿真模型. 仿真结果表明，该方法  
不仅能够实现分数阶 PIλ Dμ 控制参数的在线优化，收敛速度快，具有较强的鲁棒性，还具有良好的  
动、静态性能，无超调现象，控制精度高.  
关ꢀ 键ꢀ 词: 跳汰机; 排料系统; 分数阶微积分理论; 量子粒子群算法; PID 控制器; 分数阶  
PIλ Dμ 控制器; 在线优化  
中图分类号: TD 445. 7ꢀ ꢀ ꢀ 文献标志码: Aꢀ ꢀ ꢀ 文章编号: 1000 - 1646（2018)05 - 0577 - 05  
Fractional order PID control of discharge system of jigger based  
on QPSO algorithm optimization  
MA Yue-jun， ZHANG Xiang-yu  
（College of Mechanical and Equipment Engineering， Hebei University of Engineering， Handan 056038， China)  
Abstract： Aiming at the fact that the traditional PID control in the complex discharge system of jigger has  
such problems as low control precision， slow response speed and inaccurate parameter adjustment， a  
fractional order PIλ Dμ controller based on the QPSO algorithm optimization （QPSO-FOPID) was proposed.  
With the fractional order calculus theory， the traditional PID control was generalized from the integer order  
to the plural order with the proposed controller， and the degrees of freedom of two parameters were  
increased. At the same time， the parameters for the fractional order PIλ Dμ controller were optimized with the  
quantum-behaved particle swarm optimization （ QPSO) to solve the problem of imprecise parameter  
adjustment. With taking the discharge system of jigger for a certain mine as an example， the Simulink  
simulation model for the discharge system of jigger was established. The simulation results show that the  
proposed method can not only realize the online optimization of fractional order PIλ Dμ control parameters，  
but also has the advantages such as the fast convergence， strong robustness， good dynamic and static  
performance， no overshoot and high control accuracy.  
Key words： jigger; discharge system; fractional order calculus theory; quantum-behaved particle swarm  
optimization; PID controller; fractional order PIλ Dμ controller; online optimization.  
收稿日期： 2017 - 04 - 13.  
基金项目： 河北省教育厅基金资助项目（QN2017034).  
作者简介： 马玥珺（1977 - )，女，河北邯郸人，讲师，硕士，主要从事机械制造和机电一体化技术等方面的研究.  
* 本文已于 2018 - 04 - 18 14 ∶ 21 在中国知网优先数字出版. 网络出版地址： http： ∥ kns. cnki. net/ kcms/ detail/ 21. 1189. T.  
万方数据  
20180418. 1050. 006. html  
578  
沈ꢀ 阳ꢀ 工ꢀ 业ꢀ 大ꢀ 学ꢀ 学ꢀ 报ꢀ ꢀ  
第 40 卷  
ꢀ ꢀ 跳汰机是煤炭分选的关键设备之一，其主要  
作用是利用矿料间密度和比重的差异进行产品的  
分选，同时将床层厚度维持在一个稳定、合适的位  
置，使跳汰机具有良好的分选状态，从而保证精煤  
质量[1] . 因此，精确控制跳汰机自动排料系统对  
整个矿厂的运营至关重要. 跳汰机排料系统的运  
行过程，决定了整个系统是一个典型的大滞后、非  
线性、随机干扰多等的复杂系统，很难用精确的模  
型来描述. 对跳汰机排料系统的控制，目前主要采  
用常规 PID 控制、模糊神经网络控制、遗传算法  
优化 PID 控制和模糊预测控制等. 其中，由于 PID  
自身的一些局限性，例如参数整定和对模型的依  
赖等问题，使得控制性能不太理想，但是原理简  
单，使用方便，结构简单[2] ;神经网络算法需要大  
样本训练，且容易出现数值病态和陷入局部最优  
问题，控制效果有时难以达到理想值;遗传算法对  
新空间探索能力较差，容易早熟陷入局部最优且  
优化维度较低，计算量较大.  
图 1ꢀ 跳汰机排料系统原理图  
Fig． 1ꢀ Principle diagram of discharge system of jigger  
比较器中形成厚度误差信号，送给控制器（ 如传  
统的 PID 控制). 根据控制器算法的计算发出控  
制信号到执行机构（闸门)，通过控制阀门开度的  
大小来改变床层的厚度. 若厚度太大，闸门开度增  
加，反之将减小闸门开度，从而使床层厚度稳定在  
设定值上. 同时，系统要控制好排料的速度，排料  
速度太快或太慢都会给分拣系统造成不良结果.  
太快将会造成床层厚度太薄，太慢又会造成床层  
厚度太厚. 为了解决上述问题，本文提出了采用  
QPSO算法优化的分数阶 PIλ Dμ 控制器来实现排  
为此，研究人员在分数阶理论研究的基础上，  
提出了分数阶 PIλ Dμ 控制器，它比传统 PID 控制  
器多了积分阶次 λ 和微分阶次 μ，增加了控制器  
的灵活度，实现 PID 由点到面的控制. 相比于传  
统 PID 控制，分数阶 PIλ Dμ 控制器继承了传统  
PID 控制的优点并具有更灵活的结构和更强的鲁  
棒性，其控制律的变化也更加精确，能够获得更优  
的动态性能和鲁棒性能. 在此基础上，本文将量子  
粒子群算法（ QPSO) 与分数阶 PIλ Dμ 相结合，其  
中，QPSO 算法模型是从量子力学角度出发提出的  
一种新的 PSO 算法，改变了传统 PSO 算法的收敛  
方式，即轨道形式和粒子速度的限制，在 QPSO 算  
法中，其运动状态可以用波动函数 ψ（ x，t) 来描  
述. 通过量子粒子群算法来优化分数阶 PIλ Dμ 的  
参数，使得分数阶参数达到最优，从而能够获得期  
望的优越控制品质，能更好地稳定跳汰机室内床  
层厚度，保证选煤的质量.  
料的方法[3]  
.
2ꢀ 量子粒子群算法  
2． 1ꢀ 算法简介  
2004 年 Clerc 等人从量子力学角度出发，修改  
PSO 算法中的粒子“进化”历程，即按照新的路径  
更新粒子位置，形成 QPSO 算法. 一般的 PSO 算法  
不能保证概率 1 收敛到全局最优解，这也是该算法  
的不足之处. 但是，量子粒子群算法能够解决上述问  
题，保证粒子能够在全局范围内寻找到最优值[4]  
.
在 QPSO 中，粒子群对各个粒子位置进行更  
新，其表达式为  
M
1
M
mbest（t + 1) =  
P （t) =  
∑
i
i =1  
1ꢀ 跳汰机排料系统  
M
M
1
M
1
M
P （t)，  
P （t)，…，  
i2  
∑
∑
(
1
i1  
i =1  
i =1  
跳汰机排料系统原理图如图 1 所示. 该系统  
由筛板、空气室、浮标、浮标传感器和闸板等构成.  
对于跳汰机排料系统，其筛板上床层的厚度对整  
个系统的良好运行和分拣效果起到至关重要的作  
用. 因此，该控制系统的控制目标是通过控制阀门  
开度的大小，来稳定床层给料的厚度，其控制原理  
为当系统给料在经过上方的浮标时，浮标传感器  
M
P （t)  
（1)  
（2)  
∑
)
iD  
M
i =1  
PPij （t) = fij （t + 1)Pij （t) + ꢀ ꢀ ꢀ  
（1 - fij （t + 1))Pgj （t)  
Xij （t + 1) = PPij （t) + Rand（t + 1)a（t + 1) ꢀ  
mbestj （t + 1) - Xij （t) ·  
1
ln  
（3)  
万方数据  
uij （t + 1)  
将给定系统实际厚度的信号与系统设定的厚度在  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号