10.13272/j.issn.1671-251x.2022080058
基于改进BP-PID的带式输送机速度控制方法
针对传统BP-PID控制算法采用梯度下降法求解,存在收敛速度慢、易陷入局部极值且在低信噪比(LSNR)条件下性能下降等问题,提出了一种基于改进遗传模拟退火算法(ImGSAA)优化的BP-PID带式输送机速度控制方法(ImGSAA-BP-PID).首先将交叉、变异概率取值与迭代时间关联,并引入反余弦函数增加遗传模拟退火算法(GSAA)动态调整和非线性变化适应能力.然后通过对传统Metropolis准则进行加权处理,提出加权Metropolis准则,对新种群个体进行修正,提升GSAA的噪声稳健性.最后利用ImGSAA对BP-PID初始参数进行优化,自动确定BP-PID的最优参数组合,从而提升参数整定的实时性和控制精度及对LSNR环境的适应能力.试验结果表明:①ImGSAA仅需11次迭代即可收敛,表明利用改进的交叉、变异策略和加权Metropolis准则对GSAA进行优化,能够有效提升算法的收敛速度和实时性.②ImGSAA-BP-PID的控制误差为-0.4685~0.5723 m/s,与遗传算法(GA)-BP-PID、粒子群算法(PSO)-BP-PID、GSAA-BP-PID的控制方法相比,分别提升了224.88%,104.07%,38.33%.③ImGSAA性能受LSNR影响最小,迭代15次即收敛于全局最优解,具有较强的噪声稳健性.④ 在LSNR条件下,ImGSAA-BP-PID的控制误差均值下降了3.54%,控制性能明显优于GA-BP-PID,PSO-BP-PID,GSAA-BP-PID,更满足实际工程应用需求.
带式输送机、速度控制、遗传模拟退火算法、神经网络-PID、低信噪比、参数优化
49
TD528.1(矿山运输与设备)
广东省普通高校特色创新项目K01057037
2023-06-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
104-111