基于ＳＡＰＳＯ算法的潜器Ｓ面控制

2012年03月22日11:37:52 本网站我要评论(2)字号：T | T | T

关键字：应用

刘　胜，任　冬，李　冰
哈尔滨工程大学自动化学院，黑龙江哈尔滨

摘　　　要：潜器是一个多变量、高度非线性系统，对于这种特殊的控制对象，Ｓ面控制是一种简单实用的控制方法，但由于其不具备自学习能力，所以控制器参数需要人工调整。粒子群（ＰＳＯ）算法可以用来处理Ｓ面控制器参数整定的问题，但ＰＳＯ算法目前还存在着早熟收敛、易陷入局部极值等不足。针对此问题，引入模拟退火（ＳＡ）算法对ＰＳＯ算法进行优化，提出模拟退火粒子群优化（ＳＡＰＳＯ）算法，此方法不仅实现了Ｓ面控制器参数的自调整，还提高了Ｓ面控制器参数整定的优化能力。较后，通过潜器的运动控制仿真试验，证实了该方法的可行性和优越性。

关　键　词：潜器；Ｓ面控制；ＳＡＰＳＯ算法；智能优化

１　引　言
在海洋开发和海洋工程中，由于潜器要执行各种复杂的任务，因而它应具备良好的操纵性能。潜器是一个多变量、高度非线性系统，各个自由度的运动相互耦合，其耦合情况既难以定性地描述，更难以定量地表达。同时，由于其本身独有的、动力学特性、水下环境的不确定性和任务的复杂性建立精确的潜器运动模型是十分困难的，所以水下潜器的控制器设计必须考虑非线性问题［１２］。文献［３］提出了一种Ｓ面控制方法，该方法将模糊控制的思想与ＰＩＤ控制的结构相结合，既简化了控制器的设计，又能保证控制效果。文献［４］在文献［３］的基础上借鉴神经网络的误差反学习算法，提出一种改进的Ｓ面控制自学习算法。文献［５］选择不同类型的Ｓ型非线性函数替代Ｓｉｇｍｏｉｄ型Ｓ面控制中的Ｓｉｇｍｏｉｄ函数，通过对比不同类型的Ｓ面控制器，提出广义Ｓ面控制器。以上文献中的Ｓ面控制方法都经过了大量的试验，取得了较好的控制效果［３５］。但是，以上方法都是从模糊控制思想出发，不具备自学习能力，控制器参数需要人工调整，这些调整都是全局区域范围内的调整，没有局部调整功能，不易达到较佳匹配。因此，这里的参数调整只是对系统的一种近似，控制对象的复杂性和不确定性使得任何一种近似方式都有很大的余地。针对Ｓ面控制参数整定的鲁棒性问题，已有一些优化算法来进行Ｓ面控制器参数的寻优，如预测分析方法、神经网络方法［６］、遗传算法［７］以及粒子群优化（ＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）算法［８］等。ＰＳＯ算法较初用来处理连续优化问题，目前其应用已经扩展到组合优化问题。由于其对所优化目标的先验知识要求很少、简单、有效等特点，短短几年时间里ＰＳＯ算法便获得了很大的发展，但ＰＳＯ算法目前还存在着早熟收敛、易陷入局部极值等不足。模拟退火法（ＳｉｍｕｌａｔｅｄＡｎｎｅａｌｉｎｇ，ＳＡ）采用温度Ｔ来控制粒子遗传到下一代的概率，粒子进化后期，温度下降得足够慢，粒子不会轻易跳出有“希望”的搜索区域，从而增强了粒子的局部搜索能力，可以避免ＰＳＯ算法的“早熟”收敛。本文在对Ｓ面控制算法进行分析的基础上，采用模拟退火粒子群优化（ＳＡＰＳＯ）算法对其进行控制参数的优化整定，更好地协调全局和局部搜索能力，有利于快速找到全局较优点，使得Ｓ面控制器的寻优能力大大增强。将本法用于潜器运动控制系统的设计中，通过仿真实验证实了其有效性。

登录网站后可下载文件

基于ＳＡＰＳＯ算法的潜器Ｓ面控制

相关阅读: