基于粒子群优化算法的时滞滤波器系统设计

夏芳莉 朱小龙/安徽工商职业学院

基于粒子群优化算法的时滞滤波器系统设计

夏芳莉 朱小龙/安徽工商职业学院

时滞滤波器能够减少二阶系统的振荡。本文将粒子群优化算法运用到优化含时滞滤波器的二阶闭环系统参数中并进行了仿真。通过仿真得出，用粒子群优化算法寻优的闭环系统有更好动态性能。

粒子群优化算法；时滞滤波器；闭环系统；参数优化

1.引言

时滞滤波器作为一种典型的滤波器，其应用范围越来越广泛。近年来，对时滞滤波器的研究主要集中时滞滤波器设计、时滞滤波器抑制和消除系统振动、时滞滤波系统的参数进行优化等方面。本文运用粒子群优化算法优化含有时滞滤波器的二阶闭环系统，优化后系统有很好的动态性能。

2.带有时滞滤波器的二阶闭环系统模型

简化的时滞滤波器模型为

假设二阶系统为

根据（1）（2）得到负反馈系统的闭环传递函数为

e-t1s近似为

将式(4)代入式(3)中，得

由于

将式(6)代入式(5)中，得

3用粒子群优化算法进行优化设计

基本步骤：首先产生粒子群，其次将粒子赋于需要优化的参数，得到相应的性能指标，，如果满足要求，则终止，否则更新粒子群，重新计算，直到满足要求。在每次迭代过程中，粒子通过如下方程进行速度和位置的更新：

4仿真分析

设系统的输入为单位阶跃信号，子种群数s=50，N=200，学习因子c1=c2=2.5，惯性权重迭代80次后，控制器参数的粒子更新在的范围内，得到优化参数J1=2.2500，J2=0.2500，t1=1.4125。系统的单位阶跃响应曲线如图1所示。

图1 系统的单位阶跃响应

从上图的仿真结果知，粒子群优化算法寻优的系统的动态性能明显好于遗传算法。

[1]LiuKeping,ZengJianpeng,YangM in,etal.DesignofMultistageOptimalArbitraryT ime-delayF ilter[J].AppliedMechanicsandMaterials,2013,397:1510-1514.

[2]刘芬，杨继生.不确定性柔性系统的鲁棒EI时滞滤波器设计[J].计算机仿真，2012，29（10）：414-418.

[3]秦珍珍，李晓雷，董雅洁.一种基于时滞滤波器的动态补偿方法[J].伺服控制,2014,(6)：53-56.

[4]李红.时滞滤波系统参数优化研究[D].南京：南京信息工程大学，2012.

夏芳莉（1982-），女，讲师，硕士，现从事智能算法等方向研究；朱小龙（1976-），男，副教授，博士，研究方向：管理工程。

本文系安徽省高等学校自然科学研究重点项目（项目号：KJ2015A450）；安徽省高等学校自然科学研究重点项目（项目号：KJ2015A366）；安徽省质量工程项目（项目号：2015ckjh142）资助。

安徽省高等学校自然科学研究重点项目（项目号：KJ2015A450）；安徽省高等学校自然科学研究重点项目（项目号：KJ2015A366）；安徽省质量工程项目（项目号：2015ckjh142）