机械臂自抗扰控制的自适应-重构粒子群优化
作者机构:重庆水利电力职业技术学院大数据学院 重庆工商大学人工智能学院
出 版 物:《机械设计与制造》 (Machinery Design & Manufacture)
年 卷 期:2024年
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080202[工学-机械电子工程] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:重庆市教委科学技术研究项目(KJQN201805405)
主 题:机械臂 自抗扰控制 自适应学习因子 粒子重构策略 粒子群算法
摘 要:为了减小机械臂在扰动作用下的控制误差,提出了基于自适应-重构粒子群算法的机械臂自抗扰控制优化方法。介绍了自抗扰控制器的组成和工作原理,依据ITAE指标建立了自抗扰控制参数的优化模型。对粒子群算法的粒子进化能力和算法进化能力进行了定义,基于两种进化能力构造了自适应学习因子,使粒子能够自适应选择高效率学习对象;引入了粒子随机重构策略,使算法具备跳出局部最优的能力,将新型算法命名为自适应-重构粒子群算法。经过仿真测试和验证,自适应-重构粒子群算法的优化能力强于标准算法;在时变扰动和恒值扰动作用下,自适应-重构粒子群算法优化的机械臂控制误差远小于标准粒子群算法。仿真结果验证了自适应-重构粒子群算法在机械臂自抗扰控制优化中的优越性。