跳到主要內容

臺灣博碩士論文加值系統

(44.197.230.180) 您好!臺灣時間:2022/08/20 14:29
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:黃明德
論文名稱:基因演算法與PID控制法於非線性雙旋轉翼多輸入多輸出系統之應用
論文名稱(外文):Genetic Algorithm Based PID Control for a Nonlinear Twin Rotor Multi-Input Multi-Output System
指導教授:莊季高
學位類別:碩士
校院名稱:國立海洋大學
系所名稱:航運技術研究所
學門:運輸服務學門
學類:運輸管理學類
論文種類:學術論文
論文出版年:2002
畢業學年度:90
語文別:中文
論文頁數:100
中文關鍵詞:基因演算法PID控制非線性雙旋轉翼系統
外文關鍵詞:GAPIDTRMS
相關次數:
  • 被引用被引用:25
  • 點閱點閱:496
  • 評分評分:
  • 下載下載:115
  • 收藏至我的研究室書目清單書目收藏:1
本文是針對一實驗用的雙旋轉翼多輸入多輸出系統(TRMS),針對其定位控制的問題,設計一控制器使得TRMS能夠快速且準確的到達指定的位置。在現有的PID控制器架構下,利用基因演算法來求得PID控制器的參數值。PID控制器是目前產業界應用最多的控制器,傳統的PID控制器參數都是透過操作者的經驗或是利用試誤法、實驗法等來調整,耗費精力與時間在參數調整上,相當的不方便。本論文利用基因演算法中複製、交配與突變的機制,期望能跳出區域最佳解而找到全域最佳解。應用基因演算法的原理與運算方式,經過基因揀選複製、交配與突變等程序,搜尋最佳控制器參數,以改善原PID控制器對TRMS系統的性能表現。由電腦模擬與實驗結果顯示,經由基因演算法所設計的控制器,能有效改善TRMS的性能響應。但是,搜尋範圍的設定會影響基因演算法搜尋的結果,因此加入了非線性控制設計(NCD)。NCD尋優是利用數學中的尋優法去找結果,結果可以是區域最佳,也可以是全域最佳。先將可能的PID控制器參數範圍切割後,利用NCD做預搜尋的動作,再經由基因演算法搜尋最適合的PID控制器參數值,如此可以提高找到最佳值的機會。由電腦模擬與實際飛行模擬量測結果發現,依據此方法所找的最佳PID控制器參數值,不但在電腦模擬上有很好的表現,實際運用於TRMS中,亦能漸進穩定的追蹤到所預設的參考位置,而且比Feedback公司原廠的控制器性能響應還要好。這個結果對於複雜的非線性飛行器的控制器設計,是很重要的。
In this thesis, we investigate a control problem involving an experimental propeller setup that called the twin rotor multi-input multi-output system (TRMS). The control objective is to make the beam of the TRMS move quickly and accurately to the specified positions, both the pitch angle and the azimuth angle . The purpose of this research is to apply Genetic Algorithms (GA) to finding the PID controller parameters. The GA is based on emulating the natural evolution process. It follows Darwin’s principal of “Survival of the fittest”, which always searches for the global optimum under the system constraints. Computer simulations and experimental results show that a controller designed using a GA can improve the TRMS response. However, the search area for the PID parameters will influence the GA search result. A nonlinear control design (NCD) is utilized for the pre-search process. The NCD blockset provides a Graphical User Interface to assist in time domain base control design. With this blockset, one can tune the parameters within the nonlinear SIMULINK model to meet time domain performance requirements by graphically placing the constraints within a time domain window. The NCD blockset automatically converts the bounded constraint data and tunable variable information into a constrained optimization problem. The search results could be local optimum or global optimal. We use the NCD blockset to search the PID parameter area first, and then use the GA to find the fittest PID parameters. This could increase the chance for finding the global optimum. The structure used for searching for the PID control parameters is a combination of the NCD and GA. The experimental results have shown that the proposed method is practically successful in tracking the reference position not only in computer simulations but also in the real TRMS.
摘要(中文) i
摘要(英文) ii
致謝 iii
目錄 iv
圖目錄 vii
表目錄 xii
第一章 導論 1
1.1 研究動機 1
1.2 文獻回顧 2
1.3 論文貢獻 3
1.4 論文大綱 3
第二章 TRMS基本架構及其PID控制 4
2.1 系統描述 4
2.2 數學模式推導及狀態方程式之描述 5
2.3 解耦合的TRMS之數學模式 11
2.4 系統參數特性 13
2.5 PID控制理論 13
2.5.1 PID控制的特色 13
2.5.2 PD控制器 15
2.5.3 PI控制器 16
2.5.4 PID控制器參數的調整 17
2.5.5 積分終結 18
2.6 自由度控制系統的定義 19
2.7 TRMS之1-DOF及2-DOF的PID控制器 20
2.8 TRMS之系統模擬架構 23
2.8.1 TRMS之1-DOF水平部分系統模擬架構 23
2.8.2 TRMS之1-DOF垂直部分系統模擬架構 25
2.8.3 TRMS之2-DOF系統模擬架構 27
2.9 結合PID控制器與TRMS之系統之系統模擬架構 28
2.9.1 1-DOF水平方向PID控制控制系統 28
2.9.2 1-DOF垂直方向PID控制控制系統 29
2.10 系統模擬結果 29
第三章 結合基因演算法之PID控制器 32
3.1 基因演算法的興起其應用 32
3.2 基本概念 32
3.3 基因演算法則之特點 33
3.4 編碼型基因演算法則 34
3.4.1 物種形式 34
3.4.2 二進位型基因演算法則基本運算步驟 37
3.5 實數型基因演算法則 40
3.5.1 物種形式 40
3.5.2 實數型基因演算法則基本運算步驟 40
3.6 以基因演算法進行PID控制器參數搜尋的結果 41
3.7 TRMS響應圖形 48
3.8 結果分析 64
第四章 NCD之預搜尋對基因演算法之影響與結果 65
4.1 NCD之介紹 65
4.2 NCD之數學模式 66
4.2.1 非約束最佳化 66
4.2.1.1 Quasi-Newton Methods 67
4.2.1.2 Quasi-Newton Implementation 68
4.2.2 約束最佳化 71
4.2.2.1 Sequential Quadratic Programming 73
4.2.2.2 SQP Implementation 74
4.3 系統模擬架構圖 78
4.4 NCD尋優程序之步驟 79
4.5 NCD之預搜尋與基因演算法尋找最佳值的關係 82
4.6 NCD之預搜尋與基因演算法細部搜尋的結果 82
4.7 TRMS響應圖形 86
4.8 結果分析 94
第五章 結論與未來展望 99
5.1 結論 99
5.2 未來展望 100
參考文獻 101
[1] Feedback公司,Twin Rotor MIMO System 33-220使用說明書33-000M5, 1998.
[2] N. Minorsky, “Directional Stability of Automatically Steered Bodies,” J. Amer. Soc. Naval Engineers, pp. 280-309, 1922.
[3] A. Callender, D. R. Hartree and A. Porter, “Time-Lag in a Control System,” Phil. Trans. Roy. Soc. London, pp. 415-444, 1936
[4] J. G. Ziegler and N. B. Nichols, “Optimum Settings for Automatic Controllers,” Trans. ASME, pp. 759-768, 1942.
[5] R. A. Krohling, H. Jaschek, and J. P. Rey, “Designing PI/PID Controllers for a Motion Control System Based on Genetic Algorithms,” Proceedings of the 12th IEEE International Symposium on Intelligent Control, pp. 125-130, 1997.
[6] R. A. Krohling and J. P. Rey, “Design of Optimal Disturbance Rejection PID Controllers Using Genetic Algorithms,” IEEE Transactions on Evolutionary Computation, vol. 5, no. 1, pp. 78-82. 2001.
[7] Y. Mitsukura, T. Yamamoto, and M. Kaneda, “A Design of Self-Tuning PID Controllers Using a Genetic Algorithm,” Proceeding of the American Control Conference, vol. 2, pp. 1361-1365. 1999.
[8] Y. Mitsukura, T. Yamamoto, and M. Kaneda, “A Genetic Tuning Algorithm of PID Parameters,” IEEE International Conference on Computational Cybernetics and Simulation, vol. 1, pp. 923-928. 1997.
[9] J. H. Holland, Adaption in Natural and Artificial System, University of Michigan Press, 1975.
[10] L. S. Pontryagin, V. G. Boltyanskii, R. V. Gamkrelidze, and E. F. Mishchenko, The Mathematical Theory of Optimal Process, John Wiley, New York, 1962.
[11] R. Bellman, Mathematical Optimization Techniques, University of California Press, Berkeley, 1963.
[12] H. Kwakernnak and R. Sivan, Linear Optimal Control System, Wiley-Intersection, 1972.
[13] B. D. O. Anderson and J. B. Moore, Linear Optimal Control, Englewood Cliffs NJ: Prentice-Hall.
[14] H. J. Kelly, “Gradient Theory of Optimal Flight Paths,” J. ARS, 30, 1960.
[15] H. J. Kelley, Method of Gradient, Academic Press, New York, 1962.
[16] T. Ota, S. Omatu, “Tuning of the PID Control Gains By GA,” Proc. IEEE Conference on Emerging Technologies and Factory Automation, vol. 1, pp. 272-274. 1996.
[17] P. J. Rensburg, I. S. Shaw, J. D. Wyk, “Adaptive PID-control using a Genetic Algorithm,” Proc. IEEE Second International Conference on Knowledge-Based Intelligent Electronic System, vol. 2, pp. 133-138. 1998.
[18] A. H Jones, N. Ajlouni, and M. Uzam, “On-Line Frequency Domain Identification and Genetic Tuning of PID Control,” IEEE Conference on Emerging Technology and Factory Automation, vol. 1, pp. 261-266. 1996.
[19] P. Wang, and D. P. Kwok, “Auto-Tuning of Classical PID Controllers using an Advanced Genetic Algorithm,” Proc. IEEE International Conference on Electronics and Motion Control, vol. 3, pp. 1224-1229. 1992.
[20] A. Sakaguchi, T. Yamamoto, and M. Kaneda, “A Design of Generalized Minimum Variance Controllers Using a GMDH-type Neural Network for Nonlinear Systems,” Proc. IEEE International Conference on Systems, Man, and Cybernetics, vol. 4, pp. 1090-1095. 1999.
[21] S. M. Ahmad, A. J. Chipperfield and M. O. Tokhi, “Dynamic Modeling and Optimal Control of a Twin Rotor MIMO System,” Proc. IEEE Conference on National Aerospace and Electronics, pp. 391-398. 2000.
[22] S. M. Ahmad, A. J. Chipperfield and M. O. Tokhi, “Modeling and Control of a Twin Rotor Multi-Input Multi-Output System,” Proc. American Control Conference, vol. 3, pp. 1720-1724. 2000.
[23] S. M. Ahmad, A. J. Chipperfield, and M. O. Tokhi “Dynamic Modeling and Control of a 2 DOF Twin Rotor Multi-Input Multi-Output System,” Proc. IEEE Annual Conference on Industrial Electronics Society, vol. 2, pp. 1451-1456. 2000.
[24] S. M. Ahmad, A. J. Chipperfield, and M. O. Tokhi “Nonlinear Modeling of a Twin Rotor MIMO System Using Radial Basis Function Networks,” IEEE Proceedings on National Aerospace and Electronics Conference, pp. 313-320. 2000.
[25] M. Saeki, J. -I. Imura, and Y. Wada, “Flight Control Design and Experiment of a Twin Rotor Helicopter Model via 2 Step Exact Linearization,” Proc. IEEE International Conference on Control Applications, vol. 1, pp. 146-151. 1999.
[26] Math Works Inc., NCD Blockset User’s Guide, 1997.
[27] Math Works Inc., Optimization Toolbox User’s Guide, 1997
[28] 王俊傑, 模糊增益調製積分控制於非線性雙旋轉翼多輸入/輸出系統之應用, 國立雲林科技大學電機工程系碩士論文, 1999.
[29] 徐伯熊, 基因演算法於飛行軌跡重建之應用, 國立成功大學航太工程系碩士論文, 1999.
[30] 張名輝, 遺傳算則在控制系統設計上之應用, 國立成功大學航太工程系碩士論文, 1993.
[31] 許安仁, 自調式類神經PID控制於超音波馬達之應用, 國立中央大學機械工程系碩士論文, 2000.
[32] 周鵬程, 線性與非線性控制設計-活用Matlab, 全華科技圖書有限公司, 2000.
[33] 蘇木春, 張孝徳, 機器學習:類神經網路、模糊系統以及基因演算法則, 全華科技圖書有限公司, 1997.
[34] 張道弘, PID控制理論與實務, 全華科技圖書有限公司, 1997.
[35] 沈金鐘, PID控制器理論、調整與實現, 滄海書局, 2001.
[36] 黃俊銘, 數值方法-使用MATLAB程式語言, 全華科技圖書有限公司, 1997.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊