论文研究-基于DE-EDA多目标优化的受电弓模糊控制.pdf

所需积分/C币:15 2019-09-12 05:45:48 529KB .PDF
收藏 收藏
举报

针对传统控制器参数整定算法不能兼顾多个性能指标的问题,就受电弓-接触网的接触力控制问题设计了基于差分进化-分布估计算法(DE-EDA)的模糊控制器。以接触力的方差、误差的积分和控制器输出能量为优化目标,以模糊控制器量化因子和比例因子为优化变量,建立多目标优化模型。与LQR受电弓最优控制进行对比,仿真结果表明了所提出的基于DE-EDA多目标优化的模糊控制器的有效性与优越性。
时光,刘健辰,陈忠华,等:基于DF-FDA多目标优化的受电弓模糊控制 2016,52(1)231 其次,弓网存在最优接触力并以此作为参考输入,相同,均为1,期望的搜索空间内样本的密度和精度 弓网实际接触力与参考输入的误差ε越小越好,故设定都得到了提高。 e的积分型优化目标如下: 步骤4设0≤P≤1,当mand<P时,采川分布估计 (5)算法产生新样本,即对概率模型随机采样生成新个体, 而弓网系统为快速时变系统,接触力不易控制为定首先选择一个子区间h,8=1,2,…,H,随后按均匀分 值,为此,设定误差的方差为另一优化目标: 布从该子区问取一值,多次重复该过程即可得到新的种 群;当rand≥P时,按DE的变异、交叉生成新样本, (a.-2 /2 (6) DE算法对第G代的每一个参数向量x,按下式得到 其中,e为误差,e为误差均值,n为样本个数。 扰动参数向量: FOx (11) 最后,实际控制器往往具有饱和特性,控制器输出 能量也是需要考虑的优化H标 其中,rk∈[,NP](k=1,2,3),是随机整数,且彼此不相 等,F∈[0,2]是变异因子,川于控制差分的放大程度,当 f3=|l‖ F较小时,算法的收敛速度较快,较大时收敛速度较 综上,建立多目标优化模型如下 慢。DE的交义操作根据下式产生一新的向量 minf(x)=[()f2()f(X)I f,-lo left 其中,UG是新产生的向量。a、c由下式计算: ∑(en (8) Wi.G, randb(i)CR ori=mbr(j) (13) f2 x, randb()> CR and if mbr( ,=Hulc 其中,CR∈[0,1交叉概率, ranch(是[0,1之间的均 匀分布概率,mb(是[,D之间生成的随机数 l=g(xn,x2,x3),i=1,2 使用模拟退火算法在线调整尺度因子 x1m≤x;1≤x (9) (14) ≤x2≤ P:+B(P 其中,X=[x12x2x12x1x2x21为决策变量,x和其中,Pm“、P分别为设定尺度的上、下限,0≤B≤1 x,m(=1,2,3)为搜索空间的下界和上界 为退火因子 步骤5当新生成的个体中有超越实际问题的取值 4 DE-EDA多目标优化算法 范闱的染色体或者基因位时,用下式修正 多目标优化模型各指标之间存在矛盾,采用DE-EDA x+rand x(high;; ),x;>high (15 算法进行优化。DE-EDA算法的具体步骤如下 hii-rund x(ci-low:), x < lo 步骤1种样初始化 步骤6为了保存凵得到的优化信息,将父代个体、 2,…,NP。NP是决策变量的个数,D是决策变量的DE和EDA算法生成的新个体构成个规模为2xMP 维数,G=1,2,…,Gm3是进化代数;染色体采用实数编的种群。 码的方法,每个染色体出下式生成: 步骤7按照文献[17进行非劣排序和适应度等级 ilow+rand (highi -low;i) (10)选择,产生子种群和非劣解集。 其中,nnd为0,1内的随机数,lown、hgh分别为每个 步骤8满足终止条件,停止迭代;否则,转步骤3。 染色体段的下限值和上限值。 仿真分析 常用的概模理有尚斯分布和柱状图分布选用固定高1005,数优化的受电号模糊控制进行伤 步骤2个体的适应度计算。按照文献[6]进行‖ 利用 Matlab对多目 劣排序和适应度等级选择。 步骤3对非劣解集进行统计学习,建立慨率模型。真研究,引 m1:=11.2kg,m,=6.0kg c2=30N(ms),k=1500N/m,k0= 度柱状图分布,具有计算量小和易于编程的优点,其模2000Nm,6=0.5,系统所受十扰d=ramd+ rand sin() 型将决策变量x的搜索空间分为高度相同的H份,每参考输入yn=70N: DE-EDA算法参数选取F=0.35 个子区间的样本个数相同,然后根据落在每个子区间的CR=04,P=0.9,P=02,B=0.95,H=20,决策 样本计算它的取值范围,于是,每个子区问的选择概率变量优化范围选取[0.01,1001。7=20s,为了对比分析 232 016,52(1) Computer Engineering and Applications计算机工程与应用 模糊控制器性能,仅选择∫作为优化目标,其倒数为适 l20 应度,进化代数为50代,得到进化曲线如图2所示,与文 LQR控制—本文方法 100 献「12|中LQR控制算法的性能对比曲线如图3所示。 二在的奶值的变化 22 16 时间/s 14 图5控制响应对比曲线 40 由图5可知,在所选非劣解下,本文基于 DE-EDA 进化代数 多目标优化算法所设计的模糊二维控制器较LQR控制 图2进化曲线 器依然具有更小的波动和误差,可为实际应用提供参考。 l20 本文方法—LQR控制 100 6结论 本文研究了基于 DE-EDA多目标优化的受电弓模 糊控制器综合,DE-EDA算法优化模糊控制器的量化因 子和比例因子,得到多日标性能的 Pareto前端;并通过 40 与LQR控制的对比仿真研究表明了该方法的有效性。 参考文献 20 [I Pombo J, Ambrosio J.Influence of pantograph suspension 时间/s characteristics on the contact quality with the catenary for high 图3跟踪性能对比曲线 speed trains[J]. Computers and Structures, 2012(10):32-42 由图3可知,模糊控制器的性能优于LQR控制器,[2 Midya S, Bormann d, Schutte t, et al. Pantograph- arcin 这是由于模糊控制器是非线性控制器,经过模糊化和解 in electrified railway-mechanism and influence of variou 模糊的过程,对干扰不敏感,且模糊规则具有一定的适 parameters--Part I: with DC traction power supply[JJ.IEEE 应能力,可以根据误差和误差变化率调整输出:而文献 Transactions on Power Delivery, 2009, 24(4): 1931-1939 12]中tQR控制采用常数反馈矩阵,属于静态反馈,无31 im, us NDesign variable optimization for 自适应能力,故性能十分有限,若采用基于增益规划的 tograph system of high-speed train using robust design LQR跟踪控制可以提高其性能。 tcchniquc[I]. International Journal of Precision Enginccring 以式(8)、(9)作为性能指标进行优化,得到各指标 & Manufacturing,2013,14(2):267-273 4] Facchinetti A, Bruni S Hardware-in-the-loop hybrid simu- 的非劣解如图4所示。 J]Journal of Sound and Vibration,2012,331(12):2783-2797 800 5 Collina A, Facchinetti A, Fossati F, et al.An application of active control to the collector of high-speed pantograph Simulation and laboratory tests[C]/ Proceedings of the 44th IEEE Conference on Decision and Control, and the european 0 Control Conference, Seville, Spain, 2005: 4602-4609 0 dynamics simulation [J]. Vehicle System Dynamics, 2006 220 80 44(S1):551-559 [7 Balcstrino A, Bruno O, Landi A, ct al.Innovative solutions 图4非劣解分布 for overhcad catcnary-pantograph systcm: Wire actuated 选择折中性能指标其中的一个非劣解(f=81.3, control and observed contact force[J]. Vehicle System f2=160.2,f3=190.0)进行仿真,其响应曲线与文献[2] ynamIc s,2000,33(2):69-89 中的IOR控制对比曲线,如图5所示。 (下转253页)

...展开详情
试读 4P 论文研究-基于DE-EDA多目标优化的受电弓模糊控制.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    img
    • 至尊王者

      成功上传501个资源即可获取

    关注 私信 TA的资源

    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于DE-EDA多目标优化的受电弓模糊控制.pdf 15积分/C币 立即下载
    1/4
    论文研究-基于DE-EDA多目标优化的受电弓模糊控制.pdf第1页
    论文研究-基于DE-EDA多目标优化的受电弓模糊控制.pdf第2页

    试读已结束,剩余2页未读...

    15积分/C币 立即下载 >