开题报告电气工程与自动化直流电动机双闭环控制系统设计与分析一、选题的背景与意义随着现代工业的快速发展，在调速领域中，双闭环的控制理念已经得到了越来越广泛的认同。
由于其动态响应快,静态性能良好,抗干扰能力强,因而在工程设计中被广泛地采用[1]。
现在直流调速理论发展得比较成熟,但要真正设计好一个双闭环调速系统并应用于工程设计却有一定的难度[2]。
PID（即：比例-积分-微分）控制器是最早发展起来的控制理论之一，由于它具有算法结构简单、鲁棒性好、可靠性高等优点，在工业控制中90％是采用PID控制系统 [3]。
然而，在越来越复杂的工业过程中，常常难以确定其精确数学模型，无法从理论上准确设计PID 控制器的相应参数。
此外，在实际的生产现场过程中，由于受到现场环境及运行工况的变化等因素的困扰，常规的PID设计方法往往整定欠佳，性能不良，对运行工况的适应性较差，很难满足对生产过程的控制性能和产品质量的要求。
群体智能算法(Swarm Intelligence Algorithm) [4]是近十几年发展起来的智能仿生算法，其基本思想是模拟自然界生物的群体行为来构造随机优化算法。
其中由美国学者Kennedy 和Eberha提出的粒子群优化算法(particle swarill optimization，PSO)计算快速收敛，不易陷入局部最优，而且所需参数少且易于实现。
因此，粒子群及改进的粒子群优化算法在PID参数整定中的应用近几年也得到了极大关注和重视。
二、研究的基本内容与拟解决的主要问题：1、基本内容本课题主要研究直流电动机双闭环控制系统设计与分析，并通过粒子群优化算法（PSO）用于双闭环PID调节控制的方法对系统进行设计和仿真。
双闭环PID控制系统设置了转速调节器(ASR)和电流调节器(ACR), 分别调节转速和电流, 两者实行串级连接, 且都带有输出限幅电路。
由于调速系统的主要被控量是转速, 故把转速环作为外环, 以抑制电网电压扰动对于转速的影响, 把由电流环作为内环, 以实现在最大电流约束下的转速过渡过程最快最优控制。
直流电动机双闭环控制系统原理见图1所示。
图1 直流电动机双闭环控制系统原理其中：ASR —转速调节器 ACR —电流调节器 TG —测速发电机 TA —电流互感器 UPE —电力电子变化器*nU —转速给定电压 n U —转速反馈电压 *i U —电流给定电压 i U —电流反馈电压 标准PSO 算法的基本思想是模拟自然界生物的群体行为来构造的随机优化算法。
设在D 维空间中，有m 个粒子组成一个群落，其中12(,,)i i i id X x x x =…,表示第i 个粒子在D 维空间的当前位置，第i 粒子的当前速度用12(,,)i i i id V v v v =…,表示；粒子i 所经历的最好位置称为best P ，记作12(,,)i i i id P p p p =…,，即个体最好位置；全局极值best g ，记为12(,,)g g g gd P p p p =…,，则PSO 算法的进化方程描述为：11122()()()(),n n n n n n id id id id gd id v wv c rand p x c rand p x +=+-+- （1） 11,n n n id id id x x v ++=+ （2） 其中1()rand 和2()rand 表示为[0,1]范围内变化的随机数；1c 和2c 为加速度常数，用来调节每次迭代的步长，一般设置为2；n 为迭代次数；w 为惯性权重，起着调整算法局部和全局的搜索能力的作用；此外为了减少在进化过程中，粒子离开搜索空间的可能性，粒子的速度id v 被一个最大的速度max v 限制，即当前对粒子的加速导致其在某维的速度超过最大的速度max v ，则速度就被限制在max v 。
其中最大速度取决于当前位置与最好位置之间区域的分辨率，如果最大速度太大，可能会飞过最优解，如果最大速度太小，又不能在局部好区间之外进行搜索。
惯性权重参数w 具有维护全局和局部搜索能力的平衡作用。
在解决实际问题时，往往需要先采用全局搜索，以使搜索空间快速收敛到一个较小的区域，然后再采用局部搜索，从而在提高算法优化时间的同时避免了算法较早陷入局部最优，提高了搜索结果的精确度。
通常设定为0.9到0.4的范围内线性减少，即：max min max max,w w w w iter iter -=-⨯ （3） 其中max iter 是最大的进化代数，iter 是当前的进化代数，max w ，min w 分别代表w 的变化范围的上界和下界。
2、拟解决问题要求在不同信噪比下比较控制的结果：（1）、控制精度，过度过程时间，鲁棒性等性能差异。
（2）、讨论各个参数的选择的要求及其对控制结果的影响。
（3）、给出算法的具体步骤和流程图，提供MATLAB 或Simulink 源程序及说明。
三、研究的方法与技术路线：PID 控制器的设计就是对i k ，p k 和d k ，即比例、积分、微分三个参数的调整来达到控制器性能的要求。
PSO 算法优化PID 控制器参数的基本思路为：首先确定算法的维数，进化常数，并根据控制性能的要求，确定优化评价指标，再将PID 参数编码成如下粒子编码串：[,,]i p d k k k ，粒子中每个变量都用实数表示，取值范围根据要求确定，通过粒子群优化算法在该范围内寻求比例、积分微分三个参数的最优解。
图2 PID 控制系统框图 控制规律为：0()()()()t p i d de t u t k e t k e t dt k dt=++⎰其中：()e t =()r t -()y t ，/i p i k k T =，d p d k k T =⨯具体流程如下：第1步：确定种群维数、种群规模、进化常数和控制器参数i k ，p k 和d k 变量取值范围的上下界。
随机初始化粒子群，即粒子的初始位置、速度，粒子的个体最优值best p 和种群的群体最优值best g ；第2步：根据关于i k ，p k 和d k 的适应度评价函数计算粒子群中每一个粒子的适应度； 第3步：将每个粒子的当前适应度与个体最优值best p 比较，如果当前适应度值更优，则用当前的值更新；第4步：将每个粒子的当前适应度与群体最优值best g 比较，如果当前适应度值更优，则用当前的值更新；第5步：根据式（1）和（2）更新每个粒子速度和位置，惯性权重参数按式（3）或者其它优化设置变化；当寻优过程中粒子跑出限定寻优范围，则将其放回边界继续参与寻优； 第6步：迭代次数t=t+1，如果达到最大迭代次数或者优化的终止条件，循环终止，否则返回第2步继续执行。
寻优完成后，输出的best g 中保存的参数，即为控制器参数的最优结果。
在MATLAB 软件中，用Simulink 建双闭环直流电动机调速系统模型。
对于电流内环设计，希望电流无静差，在突加控制时，电流不能有太大的超调，可以选择典型Ⅰ型系统，采用PI 调节。
对于转速环的设计，可以选择典型II 型系统，在实现转速无静差的同时又能满足动态抗干扰性能的要求，采用抗饱和调节器（PID ）。
在软件仿真中建立PSO 优化的系统模型，然后进行系统性能分析，记录数据，然后对PSO 优化后的系统和传统工程设计得到的性能进行对比。
四、研究的总体安排与进度：第1-3周（2010.11.27-2010.12.19）：在广泛查阅中外文献与资料的基础上，完善课题研究方案，完成文献综述2000字以上和翻译外文文献2篇以上，（每篇外文文献翻译的中文字数一般要求2000字以上）。
第4周（2010.12.20-2010.12.26）：在文献查阅的基础上，完成课题综述，完成开题报告，完成开题报告答辩。
第5-8周（2010.12.27-2011.1.16）：毕业设计（论文）的设计主要实施阶段，按本课题的技术路线与总体方案具体实施。
第9-12周（2011.02.17-2011.03.13）：2010学年上学期第1-4周毕业实习。
第13-18周（2011.03.14-2011.04.24）：继续设计阶段、实验、设计、编程、调试、结果分析、撰写论文。
期间还将组织毕业设计的中期检查，执行“毕业设计（论文）中期黄牌警告制度”。
第19-21周（2011.04.25-2011.05.15）：毕业设计资料整理，提交完整的毕业设计（论文）资料。
22-23周（2011.05.16-2011.05.27）：毕业设计（论文）答辩准备、答辩、毕业设计成绩评定。
五、主要参考文献：1. 祁佳，罗琦，王德强，基于改进粒子群算法的PID控制器参数整定[J].计算机与现代化,2009年第1期（总第161期）.2.Chao ou,Weixing Lin,Comparison between PSO and GA for Parameters,Proceedings of the 2006 IEEE international Conference on Mechatronics and Automation June25-28[C],2006,Luoyang,China.3.王伟，张晶涛，柴天佑．PID 参数先进整定方法综述[J]．自动化学报，2000年第26卷第3期．4.Kennedy J，Eberhart R．C，Shi Y．Swarm Intelligence [M].San Francisco：Morgan Kaufm an Publishers，20015.韩璐，直流电动机双闭环调速系统及其SIMULINK的仿真[J].船海工程，2008年第2期(总第153期).6.陈贵敏，贾建援，韩琪．粒子群优化算法的惯性权值递减策略研究[J]．西安交通大学学报，2006年第40卷第1期.7.李立礼，王强，王晓霄．改进粒子群优化算法在PID参数整定中的研究[J]．计算机工程与应用，2009年第45卷第25期.8.陈伯时，电力拖动自动控制系统(第3版)[M].机械工业出版社，2004.9.陈俊强俊，基于粒子群算法的PID控制研究[J].自动化与仪器仪表,2009年第3期（总第143期）.10.刘金琨，先进PID控制MATLAB仿真(第2版)[M].北京：电子工业出版社，2004.11.张兴华，李纬，周刘喜．一种PID 参数整定的粒子群优化算法[J]．计算机工程与应用，2007年第43卷第33期.12.孔敦卫，张勇，张建化．新型粒子群优化算法[J]．控制理论与应用,2008年第25卷第1期.13.邵文，左信，张志新．改进粒子群优化算法及其在PID参数整定中的应用研究[J]．石油化丁自动化，2008年第44卷第5期．毕业设计文献综述电气工程与自动化直流电动机双闭环控制系统设计与分析摘要：针对传统PID控制器参数的整定的缺陷，提出利用PSO算法对PID参数进行整定。
