基于改进的PSO算法,研究超平面携带机器人的系统
Jinghao Zhu1, Jun Wu2,3, Zhongxiang Chen2
1State Key Laboratory of Advanced Design and Manufacturing Technology for Vehicle, Hunan University, Changsha, China.
这项研究引入了一种精细的粒子群优化 (PSO) 算法 (IWCNS-PSO),以增强超平面载荷机器人 (UCR) 的运动控制. 新的算法改进了系统识别和PI控制器调整,以获得更好的道路测试性能.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 控制系统工程 控制系统工程
- 人工智能的人工智能
背景情况:
- 超平面承载机器人 (UCR) 对于智能驾驶车辆的功能安全道路测试至关重要,需要高控制性能.
- 现有的UCR运动控制系统需要进行分析和升级,以满足严格的性能要求.
- 标准优化算法在复杂的系统参数识别中面临着局部最佳和缓慢融合等挑战.
研究的目的:
- 使用测试数据和系统识别,开发UCR运动控制系统的数学模型.
- 提出一种新的,精细的粒子群优化 (PSO) 算法,称为IWCNS-PSO,以克服标准PSO的局限性.
- 应用IWCNS-PSO算法用于准确的传输函数识别和比例整合 (PI) 控制器参数优化.
主要方法:
- 系统识别技术被用来构建UCR运动控制系统的数学模型.
- 开发了一种精细的PSO算法 (IWCNS-PSO),结合了惯性重量和自然选择原理.
- 使用MATLAB/Simulink构建一个交互式模拟模型,通过临界比例法和IWCNS-PSO调整PI控制器参数.
主要成果:
- 与标准PSO和LDIW-PSO相比,IWCNS-PSO算法在测试功能和系统识别方面表现出卓越的性能,在95次代中与0.117.7的适应性值趋同.
- 由IWCNS-PSO优化的PI控制器参数显著提高了系统性能,将调整时间缩短到7.99秒,超速到13.41%.
- 优化的控制系统满足了智能驾驶车辆道路测试的基本速度,稳定性和准确性要求.
结论:
- IWCNS-PSO算法是用于识别UCR等复杂控制系统的系统识别的有效方法.
- IWCNS-PSO提供了一种有效的方法来优化控制系统参数,从而提高性能.
- 开发的方法提供了一个强大的解决方案,用于提高安全关键应用中的超平面载荷机器人的控制能力.
更多相关视频
07:40Manufacturing, Control, and Performance Evaluation of a Gecko-Inspired Soft Robot
Published on: June 10, 2020
08:13SwarmSight: Real-time Tracking of Insect Antenna Movements and Proboscis Extension Reflex Using a Common Preparation and Conventional Hardware
Published on: December 25, 2017
相关概念视频
Two-Dimensional Force System: Problem Solving
The first step to solving a two-dimensional force system problem is to draw a free-body diagram of the object under consideration. This diagram helps identify all the external forces acting on the object, including their...
Three-Dimensional Force System:Problem Solving
To solve a three-dimensional force system, first resolve each force into its respective scalar components. Do this using...
Flat Belts: Problem Solving
Distributed Loads: Problem Solving
Two-Dimensional Force System
Three-Dimensional Force System
