一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法技术

本发明专利技术提供了一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法，包括步骤：参照机械设计手册并根据经验为活塞设计多个不同尺寸的密封槽；搭建气缸运动轨迹跟踪PID控制试验平台；初步确定待优化PID控制器参数的取值范围以形成搜索空间；设置改进粒子群算法的初始参数及适应度函数；采用改进粒子群算法对密封圈位于不同密封槽时的气缸PID运动轨迹跟踪控制参数进行优化，选出跟踪精度最佳的密封槽。本发明专利技术所提出的新型改进粒子群算法可动态协调算法的局部搜索与全局搜索之间的关系，并在粒子陷入局部最优时能够有效跳出。此外，通过本发明专利技术所提出的方法，既保证了气缸活塞密封槽设计中的传统防漏要求，还实现了气缸更高精度的运动伺服控制。更高精度的运动伺服控制。更高精度的运动伺服控制。

【技术实现步骤摘要】
一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法


[0001]本专利技术涉及智能优化领域，特别涉及一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法。

技术介绍

[0002]气动系统由于其自身清洁无污染、安全可靠等优点被广泛应用于各种工业自动化场合。气缸作为气动系统的执行机构，其密封性能对系统正常运行起到至关重要的作用。众所周知，常见的气缸内部通常存在两种类型的密封，即静密封和动密封，目的都是为了防止泄漏。因此，在气缸的设计和制造过程中，制造商往往只会关注密封的两个方面：防漏和耐磨。由于气缸活塞上的密封圈与缸筒内壁之间形成的摩擦副会影响到气缸的运动伺服控制性能，因此，气缸中的动密封还需要承担起新的使命—运动尽可能平稳，控制精度尽可能高。就气缸的运动控制精度而言，主要受动密封产生的摩擦的影响。然而，由于摩擦力是一种受众多因素影响的非线性力，具有不确定性、时变性，且无法准确建模，所以目前还无法明确摩擦力与运动控制精度之间的直接关系。因此，考虑采用PID对凭经验设计的多个密封槽进行试验优选，以气缸运动控制精度为目标选出控制精度最佳的密封槽。
[0003]目前，对于PID控制参数的调整方法，通常是凭借经验手动调参。然而，这种方式得到的“最佳”控制参数存在很强的主观性。对此，通过群集智能优化算法优化PID参数具有突出的优势。
[0004]粒子群优化算法因其结构简单、调整参数少被广泛应用于函数优化、路径规划、目标跟踪、神经网络训练、控制器参数优化等。但是传统的粒子群算法存在寻优精度不高、局部搜索与全局搜索不能很好的平衡以及算法陷入局部最优时不能有效处理等问题。

技术实现思路

[0005]基于上述原因，本专利技术提供了一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法，旨在算法优化过程中能够动态协调局部搜索与全局搜索之间的平衡以及在粒子陷入局部最优时可后有效跳出，并能在短时间内客观、有效地得出各密封槽的最优运动控制精度。
[0006]为了达到上述目的，本专利技术采用如下技术方案：
[0007]一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法，包括以下步骤：
[0008]S1：参照机械设计手册并根据经验为气缸活塞设计多个不同尺寸的待测试密封槽；
[0009]S2：搭建气缸运动轨迹跟踪PID控制试验平台；
[0010]S3：大致确定待优化PID控制器参数的取值范围以形成搜索空间；
[0011]S4：设置新型改进粒子群算法的初始参数，并选用轨迹跟踪过程中系统最大误差作为该算法的适应度函数，同时确定该算法的收缩阈值及收缩系数；
[0012]S5：采用新型改进粒子群算法对密封圈位于不同密封槽时的气缸PID运动轨迹跟踪控制参数进行优化，选出PID轨迹跟踪控制精度最高的密封槽；
[0013]S6：以优选出的槽的设计尺寸作为高性能气缸最终的活塞密封槽尺寸。
[0014]所述地步骤S5具体包括以下步骤：
[0015]S51：在搜索空间中随机生成初始粒子，每个粒子的位置向量X
i
由PID的三个控制参数K
p
、K
i
和K
d
组成；
[0016]S52：对每个粒子进行一次PID位置控制，得到每个粒子的适应度值；
[0017]S53：统计每个粒子的适应度值，记录下经过t次迭代后第i个粒子的个体最佳位置和整个群体的全局最佳位置；
[0018]S54：判定全局最佳位置是否为第一次达到收缩阈值，如果满足则重新划分搜索空间并在新的搜索空间中随机生成粒子，然后执行步骤S52，否则执行步骤S55；
[0019]S55：对所有粒子进行迭代更新，具体步骤如下：
[0020]S551：计算第i个粒子在所有维度中的最大差异的权重λ
imax
(t)、自适应性系数μ、第i个粒子惯性权重w
i
以及加速系数c1与c2；
[0021]S552：使用速度更新公式以及改进的位置更新公式更新粒子；
[0022]S56：迭代次数t加1，若当前迭代次数已达到最大迭代次数，则算法运行结束并输出最优PID控制参数以及最优适应度值，否则执行步骤S52。
[0023]进一步地，步骤S551中所述惯性权重w
i
能够实现自适应动态调整，其计算公式为：
[0024][0025]式中，t为当前迭代次数，t
max
为最大迭代次数，和分别为经过t次迭代后第i个粒子的个体最优适应度和全局最优适应度，w
max
和w
min
分别为最大和最小惯性权重。
[0026]进一步地，步骤S552中所述改进的位置更新公式包括：标准位置更新公式、新型位置更新公式和新型跳出局部最优公式。所述改进的位置更新公式为：
[0027][0028]其中，新型位置更新公式为标准位置更新公式为新型跳出局部最优公式
为
[0029]式中，为经过t次迭代后第i个粒子的位置矢量，为经过t次迭代后整个群体的全局最佳位置矢量，为经过t次迭代后第i个粒子的速度矢量，u和v是服从高斯分布的随机数，α为变异因子，r3为[0，1]范围内的随机数，λ
imax
(t)为第i个粒子在所有维度中的最大差异的权重，可以描述为：
[0030][0031]式中，x
ik
(t)是经过t次迭代后第i个粒子的第k维值，x
gbk
(t)是经过t次迭代后全局最佳位置的第k维值，λ
ik
(t)是x
ik
(t)和x
gbk
(t)之间差异的权重。
[0032]进一步地，所述新型位置更新公式中引入的自适应调节高斯分布分散程度的随机数u的公式为：
[0033][0034]式中，σ
u
为服从高斯分布随机数u的标准差，μ为自适应性系数，其公式为：
[0035][0036]进一步地，所述新型跳出局部最优公式中引入的服从高斯分布的随机数v的公式为：
[0037][0038]式中，σ
v
为服从高斯分布随机数v的标准差，r4为[
‑
1.5，1.5]的随机数，r5为[0,1]的随机数。
[0039]进一步地，步骤S54中按如下公式重新划分搜索空间：
[0040][0041]式中，k1、k2为收缩系数，为经过t次迭代后整个群体的全局最佳位置矢量。
[0042]进一步地，对步骤S52过程设置限制一：给适应度设定一个阈值，通过监测每个粒子的适应度值，确定PID位置控制的周期。
[0043]进一步地，对步骤S52过程设置限制二：通过PID控制过程中误差的变化量判断是否发生振荡，并以此建立惩罚机制，即当误差变化超过一定范围时，该粒子将自动停止运行，并被赋予较差的适应度值。
[0044]本专利技术提出的一种基于新型改进粒子群算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法，其特征在于，包括以下步骤：S1：参照机械设计手册并根据经验为气缸活塞设计多个不同尺寸的待测试密封槽；S2：搭建气缸运动轨迹跟踪PID控制试验平台；S3：大致确定待优化PID控制器参数的取值范围以形成搜索空间；S4：设置新型改进粒子群算法的初始参数，并选用轨迹跟踪过程中系统最大误差作为该算法的适应度函数，同时确定该算法的收缩阈值及收缩系数；S5：采用新型改进粒子群算法对密封圈位于不同密封槽时的气缸PID运动轨迹跟踪控制参数进行优化，选出PID轨迹跟踪控制精度最高的密封槽；S6：以优选出的槽的设计尺寸作为高性能气缸最终的活塞密封槽尺寸；所述步骤S5具体包括以下步骤：S51：在搜索空间中随机生成初始粒子，每个粒子的位置矢量X
i
由PID的三个控制参数K
p
、K
i
和K
d
组成；S52：对每个粒子进行一次PID位置控制，得到每个粒子的适应度值；S53：统计每个粒子的适应度值，记录下经过t次迭代后第i个粒子的个体最佳位置和整个群体的全局最佳位置；S54：判定全局最佳位置是否为第一次达到收缩阈值，如果满足则重新划分搜索空间并在新的搜索空间中随机生成粒子，然后执行步骤S52，否则执行步骤S55；S55：对所有粒子进行迭代更新，具体步骤如下：S551：计算第i个粒子在所有维度中的最大差异的权重λ
imax
(t)、自适应性系数μ、第i个粒子惯性权重w
i
以及加速系数c1与c2；S552：使用速度更新公式以及改进的位置更新公式更新粒子；S56：迭代次数t加1，若当前迭代次数已达到最大迭代次数，则算法运行结束并输出最优PID控制参数以及最优适应度值，否则执行步骤S52。2.如权利要求1所述的一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法，其特征在于，步骤S551中所述惯性权重w
i
能够实现自适应动态调整，其计算公式为：式中，t为当前迭代次数，t
max
为最大迭代次数，和分别为经过t次迭代后第i个粒子的个体最优适应度和全局最优适应度，w
max
和w
min
分别为最大和最小惯性权重。3.如权利要求1所述的一种基于新型改进粒子群算法的气缸活塞密封槽智能优选方法，其特征在于，步骤S552...

【专利技术属性】
技术研发人员：钱鹏飞，浦晨玮，罗辉，刘磊，樊小峰，何阳超，姜博文，戴开宇，张兵，
申请(专利权)人：江苏大学，
类型：发明
国别省市：