双控制面二维机翼颤振系统的最优PID控制方法技术方案

本发明专利技术公开了一种双控制面二维机翼颤振系统的最优PID控制方法，首先建立双控制面二维机翼颤振系统的非线性动力学模型；根据非线性动力学模型，基于双控制面设计双回路PID控制器；通过改进灰色粒子群算法并结合NLJ算法，设计新型复合灰色粒子群(GNPSO)算法，对双回路PID控制器的参数进行优化设计，得到最终的PID控制器。本发明专利技术能够实现双控制面二维翼型颤振系统的高效优化PID控制，本发明专利技术优化后的控制器可以更有效的操控机翼多控制面、获得更好的颤振抑制效果并缩短优化计算时间。

【技术实现步骤摘要】
双控制面二维机翼颤振系统的最优PID控制方法
本专利技术二维机翼颤振系统的控制技术，具体为一种双控制面二维机翼颤振系统的最优PID控制方法。
技术介绍
机翼颤振是指在气动力、弹性力和惯性力耦合下产生的机翼多自由度振动。机翼颤振在达到颤振速度时会产生震荡极限环(limitcycleoscillation),而从严重危害机翼的结构安全并威胁飞机的安全飞行。颤振主动抑制方法较多，包括PID控制、线性二次型控制、自适应控制和滑模控制等，其中PID控制器由于结构简单、应用性强和鲁棒性高等优点，是最具有实际应用价值的颤振抑制方法。双控制面二维机翼是通过调节前缘和尾缘两个控制面，实现二维翼型的颤振抑制。针对该系统非线性、多控制面等特性，实现多抑制目标的PID参数整定成为难点。传统方法主要依赖于人为的多次调试，费时且难以获取全局最佳参数。近来，基于粒子群(PSO)算法的PID优化方法，依靠PSO全局搜索能力可实现多目标下PID参数寻优，提高了单控制面二维机翼的控制性能；同时，为了进一步提高控制优化性能，基于灰色粒子群算法(greybasedPSO，GPSO)的PID优化方法被用于一阶线性系统，在改善PSO-PID控制效果的同时还降低了计算成本。然而，粒子群优化算法效果因不同优化应用问题而异，以往方法并非针对本专利技术中双控制面二维机翼颤振抑制的复杂优化问题而设计，因此容易导致无序寻优、陷入局部最优值，从而难以获得最佳颤振抑制效果。
技术实现思路
本专利技术的目的在于提出了一种双控制面二维机翼颤振系统的最优PID控制方法。实现本专利技术目的的技术方案为：一种双控制面二维机翼颤振系统的最优PID控制方法，包括以下步骤：步骤1、建立多控制面二维机翼颤振系统的非线性动力学模型；步骤2、根据非线性动力学模型，基于双控制面设计双回路PID控制器；步骤3、通过改进灰色粒子群算法并结合NLJ算法，设计GNPSO算法，对双回路PID控制器的参数进行优化设计，得到最终的PID控制器。优选地，步骤1建立双控制面二维机翼颤振系统的非线性动力学模型为：式中，四个自由度h,θ,β,γ分别代表挥舞位移、扭转角、尾缘襟翼角和前缘襟翼角，L,M分别为二维机翼的准稳态气动升力和力矩，m为翼段质量，Iθ为关于弹性轴的惯性力矩，Sθ为围绕弹性轴的静矩，ch,cθ分别为h,θ自由度的阻尼系统，kh为h自由度的刚度，kθ(θ)为为θ自由度的非线性刚度。优选地，步骤2根据非线性动力学模型，基于双控制面设计双回路PID控制器的具体方法为：针对二维机翼的双控制面设计2个独立的控制通道，针对每个控制通道，分别设计PID控制器，得到双回路PID控制器，具体为：其中，u1(t),u2(t)为双回路PID控制器的控制变量，kp1,ki1,kd1,kp2,ki2,kd2分别表示双回路PID控制器的六个控制参数，e1(t),e2(t)为分别为两个回路的系统输出误差，t为运行时间。优选地，步骤3通过改进灰色粒子群算法并结合NLJ算法，设计GNPSO算法，对双回路PID控制器的参数进行优化设计的具体步骤为：步骤3.1、设置双回路PID控制参数[kp1,ki1,kd1,kp2,ki2,kd2]为粒子xi；步骤3.2、设置GNPSO算法的种群规模s、迭代次数G1,G2,初始化粒子种群；步骤3.3、以机翼振动量最小化为原则，根据目标函数J进行优化计算，确定种群的个体最优Pbest和全局最优Sbest；步骤3.4、设计GNPSO算法的灰色分析律计算灰色关联度步骤3.5、设计GNPSO算法的学习因子自适应更新律，利用步骤3.4的灰色关联度更新学习因子步骤3.6、利用步骤3.5的学习因子更新粒子位置和速度；步骤3.7、利用步骤3.3的目标函数J，更新个体最优Pbest和全局最优Sbest，没有达到迭次次数G1则返回步骤3.4，否则输出优化结果步骤3.8、将设置为NLJ算法寻优的初始值a(0)，设置搜索范围初始值r(0)，利用步骤3.3的目标函数J为性能指标，利用NLJ算法进一步寻优计算；步骤3.9、当达到迭代次数G2，输出全局最优结果即双回路PID控制器参数的最优值优选地，目标函数J具体为机翼振动量的绝对误差积分：其中，|h|,|θ|分别为机翼挥舞位移绝对值和扭转角绝对值，|h|max,|θ|max分别为挥舞位移绝对值的最大值和扭转角绝对值的最大值，tfinal为响应时间。优选地，设计GNPSO算法的灰色分析律，计算灰色关联度具体公式为：式中，|Sbest,0|和分别为GNPSO算法的全局最优Sbest和粒子xi的初始像零化向量绝对值，为的绝对值。优选地，设计GNPSO算法的学习因子自适应更新律更新学习因子具体为：式中，为GNPSO算法的学习因子，c1m,c1n,c2m,c2n是常量，用来调节学习因子变化范围，为GNPSO算法的灰色关联度。优选地，利用NLJ算法进行k次迭代寻优计算的具体公式为：a(k)(i)＝a(k-1)(i)+randir(k)(i)其中，a(k)(i)为第i个控制参数的第k次迭代结果，randi为随机数，r(k)(i)为第i个控制参数在第k次迭代的搜索范围，为常数。本专利技术与现有技术相比，其显著优点为：1)本专利技术能够通过新型灰色分析律和新型学习因子自适应更新律，进一步提高标准灰色粒子群(GPSO)算法的全局搜索能力和搜索效率，避免无序搜索，同时结合NLJ算法的局部搜索能力，避免陷入局部最优并加快收敛速度；2)本专利技术能够实现双控制面二维翼型颤振系统的高效优化PID控制，使优化后的控制器可以获得更好的颤振抑制效果并缩短优化计算时间。下面结合附图对本专利技术做进一步详细的描述。附图说明图1为本专利技术中双控制面二维机翼颤振系统的双回路PID控制框图。图2为通过改进GPSO算法并结合NLJ算法，设计新型复合灰色粒子群算法(GNPSO)的流程图。图3为不采用PID控制时，二维机翼颤振系统的时间响应图，其中，(a)为挥舞位移的响应曲线，(b)为扭转角的响应曲线；图4为基于传统PSO算法、标准GPSO算法和本专利技术GNPSO算法的二维机翼颤振系统PID优化控制结果图，其中，(a)挥舞位移的响应示意图，(b)扭转角的响应示意图，(c)尾缘襟翼角的驱动响应示意图，(d)前缘襟翼角的驱动响应示意图。具体实施方式一种双控制面二维机翼颤振系统的最优PID控制方法，包括以下步骤：步骤1、建立双控制面二维机翼颤振系统的非线性动力学模型，具体为：式中，四个自由度h,θ,β,γ分别代表挥舞位移、扭转角、尾缘襟翼角和前缘襟翼角，L,M分别为二维机翼的准稳态气动升力和力矩，m为翼段质量，Iθ为关于弹性轴的惯性力矩，Sθ为围绕弹性轴的静矩，ch,cθ分别为h,θ自由度的阻尼系统，kh为h自由度的刚度，kθ(θ)为为θ自由度的非线性刚度。步骤2、根据非线性动力学模型，基于双控制面设计双回路PID控制器，具体控制框图如图1所示。图1显示针对双控制面二维机翼颤振系统分别设计了2个独立的控制通道，针对每个控制通道，分别设计PID控制器，得到双回路PID控制器，具体为：其中，u1(t),u2(t)为控制器的控制变量，kp1,ki1,kd1,kp2,ki2,kd2分别表示双回路PID控制器的六个控制参数，e1(t),e2(t)为分别为两个本文档来自技高网...

【技术保护点】
1.一种双控制面二维机翼颤振系统的最优PID控制方法，其特征在于，包括以下步骤：步骤1、建立多控制面二维机翼颤振系统的非线性动力学模型；步骤2、根据非线性动力学模型，基于双控制面设计双回路PID控制器；步骤3、通过改进灰色粒子群算法并结合NLJ算法，设计GNPSO算法，对双回路PID控制器的参数进行优化设计，得到最终的PID控制器。

【技术特征摘要】
1.一种双控制面二维机翼颤振系统的最优PID控制方法，其特征在于，包括以下步骤：步骤1、建立多控制面二维机翼颤振系统的非线性动力学模型；步骤2、根据非线性动力学模型，基于双控制面设计双回路PID控制器；步骤3、通过改进灰色粒子群算法并结合NLJ算法，设计GNPSO算法，对双回路PID控制器的参数进行优化设计，得到最终的PID控制器。2.根据权利要求1所述的双控制面二维机翼颤振系统的最优PID控制方法，其特征在于，步骤1建立双控制面二维机翼颤振系统的非线性动力学模型为：式中，四个自由度h，θ，β，γ分别代表挥舞位移、扭转角、尾缘襟翼角和前缘襟翼角，L，M分别为二维机翼的准稳态气动升力和力矩，m为翼段质量，Iθ为关于弹性轴的惯性力矩，Sθ为围绕弹性轴的静矩，ch，cθ分别为h，θ自由度的阻尼系统，kh为h自由度的刚度，kθ(θ)为为θ自由度的非线性刚度。3.根据权利要求1所述的双控制面二维机翼颤振系统的最优PID控制方法，其特征在于，步骤2根据非线性动力学模型，基于双控制面设计双回路PID控制器的具体方法为：针对二维机翼的双控制面设计2个独立的控制通道，针对每个控制通道，分别设计PID控制器，得到双回路PID控制器，具体为：其中，u1(t)，u2(t)为双回路PID控制器的控制变量，kp1，ki1，kd1，kp2，ki2，kd2分别表示双回路PID控制器的六个控制参数，e1(t)，e2(t)为分别为两个回路的系统输出误差，t为运行时间。4.根据权利要求1所述的双控制面二维机翼颤振系统的最优PID控制方法，其特征在于，步骤3通过改进灰色粒子群算法并结合NLJ算法，设计GNPSO算法，对双回路PID控制器的参数进行优化设计的具体步骤为：步骤3.1、设置双回路PID控制参数[kp1，ki1，kd1，kp2，ki2，kd2]为粒子xi；步骤3.2、设置GNPSO算法的种群规模s、迭代次数G1，G2，初始化粒子种群；步骤3.3、以机翼振动量最小化为原则，根据目标函数J进行优化计算，确定种群的个体最优Pbes...

【专利技术属性】
技术研发人员：李迺璐，杨华，朱卫军，陈东阳，
申请(专利权)人：扬州大学，
类型：发明
国别省市：江苏,32