飞机地面空调车温度控制的仿真研究
飞机地面空调车温度控制的仿真研究 第29卷第4期计算机仿真2012年4月
文章编号:1006—9348(2012)04—0068—04
飞机地面空调车温度控制的仿真研究
潘琢金,王丽伟,杨华,张大伟
(沈阳航空航天大学计算机学院,辽宁沈阳110136)
摘要:研究优化飞机地面空调车温控制问题,由于飞机地面空调车温度控制是非线性,时变性强的系统,工作环境不确定性,
面对复杂系统温控模型不准确,传统的PID控制存在超调量大,响应速度慢,抗干扰能力弱等缺点.为提高温度控制精度,
提出了一种新的稳定性好,精度高,抗干扰能力强的遗传一粒子群PID控制方法.结合传统的PID方法,遗传算法和粒子群
算法的各自优点,实现了PID参数的在线整定.通过在matlab上进行仿真,实验结果证明算法具有超调量小,响应速度快,
精度高,抗干扰能力强等优点,PID控制性能有显着提高,为飞机地面空调车的温度控制
提供了依据.
关键词:遗传算法;粒子群算法;稳定性;飞机地面空调车
中图分类号:TP273文献标识码:A
SimulationResearchofTemperatureControl inAircraftGroundAirConditioningCarts PANZhuo—jin,WANGLi—wei,YANGHua,ZHANGDa—wei
(SchoolofComputerScience,ShenyangAerospaceUniversity,ShenyangLiaoning,11013
6,China)
ABSTRACT:Thetemperaturecontrolsystemofaircraftgroundairconditioningcartsisaco
mplexsystemwithmodel
imprecise,nonlinear,time—varyingandunce~ainworkenvironment.ThetraditionalPIDcontrolhashighover-
shoot,slowresponse,poorabilityofanti—
interferenceandSOon.Thereis"degenerate"phenomenonbasedonthe geneticalgorithmPIDparameterstuning,SOstabilityispoor,anditiseasytofallintolocalopti
mumbasedonthe
particleswarmoptimization,SOaccuracyisnothigh.Thispaperproposedagenetic—
particleSwarnloptimizationPID
controlmethodwithg00dstability,highaccuracy,stronganti—
interference.ItutilizedtraditionalPIDmethod,com—
binedwiththeirrespectiveadvantagesofthegeneticalgorithmandtheparticleswarnloptimizationalgorithm,anda—
chievedthePIDparametersonlinetuning.IthasbeenprovedbytheMatlabsimulationexperimentalresultsthatthis
algorithmhassmallovershoot,fastresponse,hishprecision,stronganti—
interferenceability,andotheradvantages.
Meanwhile,ithasgreatlyimprovedtheperformanceofthePIDcontro1.Anditisverysuitablefortheaircraftaircon—
ditioningtemperaturecontro1.
KEYWORDS:Geneticalgorithm;Particleswarmoptimizationalgorithm;Stability;Aircraftgroundair
conditioningcarts
1引言
飞机地面空调车是近些年来发展起来的一种新型车辆,
是在飞机发动机停机状态下,在地面通电检查和维修飞机电
子仪器时,给飞机设备舱提供干燥而洁净的空气,用来控制
飞机电子仪器工作环境的设备.
基金项目:辽宁省科学技术基金项目(20091059);航空科学基金项目
(2008ZC54007);沈阳市人才资源开发专项基金项目(SYRC201001)
收稿日期:2011—06—18修回日期:2011一o7—01
—
68一
飞机地面空调车的核心系统是温度控制系统.温度控 制系统一般采用PID控制,这是因为PID控制器具有结构简 单,易实现,鲁棒性强等诸多优点.但是PID控制器对使用 环境有严格的限制,对一些时变,非线性,数学模型不精确等 工作环境不稳定的场合,不能达到理想的控制效果.PID参 数的整定决定了PID控制器性能的好坏,因此近几十年来, 各种PID参数整定算法不断涌现.文献[3]对z—N方法进 行了详细的说明,并进行了仿真研究,得出Z—N整定在模型 不确定的情况下容易产生较强的振荡,超调量大;文献[4]提 出了模糊相关性自适应解耦控制的思想,模糊控制对系统的 数学模型不敏感,但对规则库和专家知识准确性依赖较强;文献 [5]针对基本遗传算法进行了改进,提出了自适应遗传算法,虽 然搜索性能有了提高,但是仍然无法解决算法存在的"退化"现 象;文献[6—8]提出了对粒子群算法的几种改进方法,虽然搜索 精度有所提高,但仍无法解决局部最优的问题. 本文根据某型号飞机地面空调车的温度控制要求,在精 度和稳定性等方面对遗传算法和粒子群算法做了改进,提出 了一种基于进化思想的温度控制策略——遗传一粒子群算 法.利用matlab分别对传统PID,遗传算法PID,粒子群算法 PID进行了仿真,仿真结果证明遗传一粒子群算法具有搜索 能力强,响应快,精度高等优点,克服了早熟,局部最优,精度 不高等缺点.将该算法与PID控制器相结合,应用于飞机地 面空调车温度控制中,能达到比较好的控制性能. 2飞机地面空调车温度控制器模型
传统的PID调节器kp,k,k三个参数主要依靠经验和 大量的反复调试得到,但是对于大延迟,非线性,模型不精确 等工作环境比较复杂的场合,传统的PID无法满足控制 要求.
本文以某型号空气制冷式飞机地面空调车温度控制器 为实验背景.该型号飞机地面空调车温度控制系统的工作 原理是:通过温度传感器监测出口供风温度的大小,控制器 根据设定值与监测值的偏差进行比例,积分,微分运算,输出 信号送给步进电机来调节热风阀门或冷风阀门开度的大小, 从而实现出口供风温度的调整.飞机地面空调车温度一般 根据区域位置,季节,气候,环境条件等的不同,需要满足 10~C冷风,50?热风以及一些其他的通风指标要求. 飞机地面空调车的温度控制模型为:
G(s)=(1)』十1
其中:K=2,T=80,r=20;采样周期To=4,上述参数值均由 反复调试得出.即:
,.一20s
G(s)百(2)
3遗传算法
遗传算法(GeneticAlgorithms,GA)基本原理是将一群 个体看成一个种群,种群代表一组问题的解,每个个体都代 表求解问题一个潜在的解,通过计算每个个体的适应度或代 价函数来决定下一代个体.主要包括三部分:种群生成,适 应度计算和遗传操作.
3.1种群生成
目前GA编码主要采用实数编码和二进制编码.实数 编码能很好地反应问题的结构,因此本文使用实数编码进行 种群的初始化.
3.2适应度计算
适应度的大小决定参数寻优的方向,为了获得较好的过 渡过程动态性能,一般采用误差绝对值时间积分性能指标作 为参数选择的最小目标函数.为了防止控制能量过大,在目 标函数中加入输入的平方项.代价函数值J参数选取的最
优指标如下:
^?
J=l(1le(t)l+W2U(t))dt+w3t(3) 其中:e(t)一系统误差,u(t)一控制器输出,t一上升时间, Wl,W2
.W3一权值.
为了避免超调,采用了惩罚功能,即一旦产生超调,将超 调量作为最优指标的一项,此时最优指标如下: ifey(t)<0
J=l(鲫lle(,)l+102"(t)+4Iey(t)1)dt+3f(4)
其中:W4一权值,并且W4>>W1,ey(t)=Y(t)一Y(t一1),Y (t)一被控对象输出.
因此适应度函数为:
,一3一(5)
3.3遗传操作
GA包括三个基本操作算子,即复制,交叉和变异.复制 是将旧种群中适应度比较高的个体复制到下一代中;交叉操 作在GA中起着核心作用,交叉概率P的大小决定了GA搜 索性能的好坏;变异操作保证了种群的多样性. 3.4基于GA的PID参数寻优仿真
图1和图2分别是无干扰产生时,l0?冷风,50~E热风 传统的PID和GA—PID仿真对比图.由图1和图2可以看 出传统PID仿真时产生较大的超调,并且系统调节时间长, 稳定性较差,而GA—PID仿真时系统调节时间短,稳定性 好,但仍有超调产生.
量
量
{挝
赠
图110~C冷风无干扰Pill}和GA—Pil1)仿真图
4粒子群优化算法
4.1粒子群优化算法基本原理
粒子群优化算法(ParticleSwarmOptimization,PSO)是模 拟鸟类捕食的一种搜索技术,通过种群中个体之间的协作和 信息的共享来寻找最优解.假设在一个D维的搜索空间中, 将每只鸟抽象为一个粒子,粒子群的大小为,粒子i在D 一
69—
图250?热风无干扰PID和GA—PID仿真图
维空间中的位置为:置:(,,…,),速度为l=(
,…,m).
每个粒子都有一个由目标函数决定的适应度值,并且知 道自己目前找到的最好位置pbest和整个种群目前找到的最 好位置gbest,gbest是pbest中最优值,粒子就是靠自己的经 验和同伴中最好的经验决定下一步的运动方向,通过不断迭 代找到最优解.
在每次的迭代中粒子速度和位置的更新公式如下: .
=埘乞+c1×rand()×(pbest一k)+c2×rand()×
(gbestd—k)(6)
譬=+眩.(7)
其中:Wmax一—Wmax~一Wminxk为惯性因子,k为当前的迭代/'bmax
次数,J}为最大迭代次数;一,分别为最大惯性因子和 最小惯性因子,C,C为学习因子,rand()为0,1之间的随 机数.
4.2基于PSO的PID参数寻优仿真
图3和图4分别是无干扰产生时,10~C冷风,50?热风 传统的PID和PSO—PID仿真对比图,可以看出基于PSO的
PID仿真效果明显优于传统PID,基于PSO—PID没有产生超 调,稳定性好,但是调节时间长.
图3lO?冷风无干扰PID和PSO—PID仿真图
一
70一
言咚
量
赠
图450?热风无干扰PID和PSO—PID仿真图
5遗传一粒子群算法
GA具有全局的搜索能力,在迭代的过程中,种群很快地 收敛到一个稳定区域内,但种群中个体之间的信息无法共 享,这也就说明了GA算法在迭代的过程中没有方向性.GA 种群的生成由遗传操作决定,这使得产生下代种群的适应度 可能出现"退化"现象.这个问题在算法搜索的早期,可以忽 视,但是在寻优的后期,这是非常致命的问题.因此GA算 法的稳定性比较差,在PID参数寻优时,产生了超调.PSO 种群中的个体之间可以协作且信息共享,因此粒子群的更新 具有方向性,但是不能保证种群的多样性.算法虽然简单易 实现,但很容易陷入局部最优,PID参数整定时响应时问长. 本文在传统的GA和PSO算法的基础上,利用达尔文的 生物进化规律"优胜劣汰,适者生存"的进化思想,解决了 PID参数在后期寻优时GA的"退化"现象和PSO容易陷入 局部最优的问题,提出了遗传一粒子群算法.
5.1遗传一粒子群算法的基本思想
遗传一粒子群算法(GA—PSO)在初始粒子群时,并不是 在定义域内随机的初始种群,而是首先利用GA对定义域进 行快速地搜索,找到一个稳定区域,然后利用PSO算法在稳 定区域内进行局部搜索.基于GA—PSO的PID温度控制器
原理框图如图5所示.
图5基于GA—PSOPID温度控制器原理框图
5.2GA—PSO算法
图6是基于GA—PSO算法的流程图,其中根据本课题 复杂情况种群大小取30为宜,迭代次数K为100,惯性权系 数分别取经验值0.9和O.4,学习因子c=c=2.
在定义域内采用实数编码?褒耋磊鐾箨篓篓随机初始化种群NI因子,惯性权系数
卜——I
计算每个个体的代价函数薹盖警蟊蔫篓
或适应度函数的大小I和gbe
诵
复制l更新粒子的位置和速度
,交叉l~:pbest:~st变异
寺?
图6基于GA—PSO算法流程图
图710?冷风无千扰三种智能算法仿真图
5.3基于GA—PSO的PID参数寻优仿真
图7和图8分别是无干扰时,lO?冷风和50?热风GA, PSO和GA—PSO仿真对比图.可以看出在无干扰产生时, 基于GA—PSO—PID方法的参数整定性能明显优于GA— PID和PSO—PID.GA—PSO—PID仿真时没有产生超调,并 且响应快,精度高,稳定性好.
图85O?热风无干扰三种智能算法仿真图
图9和图l0分别是有干扰时,10~C冷风和50?热风 GA,PSO和GA—PSO仿真对比图.在系统稳定后,分别在时 间为t=400s和t=600s时添加了一个干扰脉冲,可以看出, 本文所提出的算法在抗干扰方面的性能也优于基本GA 和PSO.
图9l0?冷风有干扰三种智能算法仿真图
圈lO50?热风有干扰三种智能算法仿真图
6结论
本文首先介绍了某空气制冷式型号的飞机地面空调车 的温度控制模型,其次详细介绍了GA和PSO算法.在这两 种算法的基础上,提出了GA—PSO算法,并利用matlab对传 统PID,GA—PID,PSO—PID和GA—PSO—PID进行了仿真 对比分析.仿真结果表明,在飞机地面空调车温度控制系统 中,本文所提出的GA—PSO算法在响应时间,精度,稳定性 和抗干扰等方面都要优于其他三种方法.将该算法应用于 飞机地面空调车温度控制系统中能达到较好的控制性能. 参考文献:
[1]中华人民共和国国家军用
.GJB2643—96(飞机空调车航 空通用
》[S].北京:国防科工委军标出版社,1996 [2]唐华杰,吴兆林,周志刚.飞机地面空调车和军用飞机地面液 体冷却车的应用和发展[J].流体机械,2006,34(2):72—75. [3]刘战国.智能控制在建筑空调控制系统及电梯群控系统中的 应用研究[D].重庆大学,2008.
[4]黄友锐,曲立国.PID控制器参数整定与实现[M].北京:科学 出版社,2010—2.(下转第87页)
一
71一
一?0oIS赠
移和侧滑角最终为零.
0?
?
0
-
0?
.
01
-
015
c
图6阶跃侧风作用下的响应曲线
图6为抑制侧风干扰的仿真,其中实线为TECS/H着舰
系统,虚线为采用经典控制方法的TECS着舰系统.通过对
,卢,,咖受侧风的影响进行比较可以看出,采用鲁棒控制器
的侧向着舰系统在抗干扰能力上要比采用经典控制方法的
着舰系统要优的多.
6结论
总能量的设计方法使得自动飞行控制系统更像实际飞
行员操控飞机的方式,而H控制问题是目前解决鲁棒控制
问题比较成功且比较完善的理论体系,运用二者结合设计的
侧向自动着舰系统,无人机在保持良好的对准回收网中心线
的同时,具有抗侧风干扰能力,提高了着舰精度.
参考文献:
[1]ANicholas.Denison.Designofautomatedcarrierlandingofan
umannedcombataerialvehicleusingdynamicinversion[D].De-
partmentofTheAirForceAirUniversity.2007:2—4.
WDavis,RNoury.SimulatorResultofanF一14AirplaneUtili- zinganAileron—-RudderInt——erconectDuringCarrierApproaches andLand—ings[J].NASATM一8183,1980.
SYaghoob,Ebrahimi,EEdward.DesignofLocalizerCaptureand
TrackUsingClassicalControlTechnique[J].IEEEControlSys—
ternsMagazine,1990,24(8):5—12.
袁锁中.基于H控制的侧向着舰导引系统设计[J].兵工自
动化,2002,21(6)
MichaelAugustBruzzini.DevelopmentofaTECSControlLawfor
theLateralDiretionalAxisoftheMcDonnellDouglasF,15Eagle
[D].MasterofScienceinAeronauticsandAstronauticsUniversity
ofWashington,1994.
ChenSheng—Wen.TotalEnergyControlSystemforHelicopter Flight/PropulsionIntegratedControllerDesign[J].journalof
guidance,controlanddynamics,July—August2007,30(4): 1030—1039.
杨一栋.飞行综合控制[M].南京:南京航空航天大学,2007:
124—139.
GeorgeMathai.Robustnessanalysisandrobustoptimizationofan
advancedflightcontrollerbasedondynamicinversion[D].Lulea
Universityoftechnology,2009:16—19.
刘燕斌,陆宇平,何真.高超音速飞机总能量控制系统的设计
和应用[J].应用基础与
科,2008,16(1):135—238.
[作者简介】
刘强(1985一),男(汉族),安徽宿州人,工程师,
主要研究领域为导航,制导与控制.
刘晓川(1976一),男(汉族),四川万县人,高级工
程师,主要研究领域为无人机精确引导,计算机
仿真.
刘玉宝(1984一),男(汉族),江西宜春人,工程师,主要研究领域为
导航,制导与控制.
(上接第71页)
[5]唐德翠.改进遗传算法PID参数整定及在漂白温度控制中的
应用[J].计算技术与自动化,2009,28(4):17—19.
[6]张家骏.基于粒子群算法的PID控制器参数优化研究[J].计
算机仿真,2010,27(10):191—193.
[7]罗春松,张英杰,王锦锟.改进粒子群算法整定PID参数研究
[J].计算机工程与应用,2009,45(17):225—227.
[8]郑小霞,钱锋.一种改进的微粒群优化算法[J].计算机工程, 2006,32(15):25—27.
[作者简介]
潘琢金(1962一)男(汉族),吉林省通化市人,硕
士,教授,硕士研究生导师,主要研究领域为嵌入式 系统,计算机检测与控制.
王丽伟(1985一)女(汉族),河南省新乡市人,硕士
研究生,主要研究领域为嵌入式系统.
杨华(1974一)男(汉族),辽宁省沈阳市人,博士,副教授,硕士研 究生导师,主要研究领域为计算机系统结构,可信/容错计算,机载计 算和智能控制.
张大伟(1978一),男(汉族),辽宁省丹东市人,硕士研究生,主要研 究领域为嵌入式系统.
一
87一