基于粒子群优化的升降机驱动装置控制策略.pdf

投稿网址:2023 年 第23 卷 第26 期2023,23(26):11202-08科 学 技 术 与 工 程Science Technology and EngineeringISSN 16711815CN 114688/T收稿日期:2022-11-21修订日期:2023-06-20基金项目:国家自然科学基金(51775031)第一作者:卢宁(1976),男,汉族,河北定州人,博士后,副教授。研究方向:机电控制及液压伺服系统。E-mail:luning 。引用格式:卢宁,刘雪岩.基于粒子群优化的升降机驱动装置控制策略J.科学技术与工程,2023,23(26):11202-11209.Lu Ning,Liu Xueyan.Control strategy of elevator driving device based on particle swarm optimization J.Science Technology andEngineering,2023,23(26):11202-11209.机械、仪表工业基于粒子群优化的升降机驱动装置控制策略卢宁,刘雪岩(北京建筑大学机电与车辆工程学院,北京 100044)摘 要 针对由于施工升降机驱动装置存在非线性因素,导致吊笼驱动装置运动精度低和响应慢的问题,提出了一种基于粒子群优化的比例、积分和微分(proportional integral derivative,PID)控制策略。首先,建立异步电机的矢量变频控制模型,基于MATLAB/Simulink 通过偏差耦合控制策略实现三电机同步控制模型搭建,并设计了粒子群 PID 控制器以及模糊 PID 控制器;然后在 ADAMS 软件中建立驱动装置的虚拟样机,通过 ADAMS 的 Controls 接口模块与 MATLAB 实现机电联合仿真;最后根据施工升降机实际运行工况进行联合仿真验证并分析控制策略可行性。研究结果表明:粒子群 PID 控制器提升了吊笼位置控制精度与响应速度,粒子群优化 PID 系统响应时间相较于 PID 控制系统提升38%,相比模糊 PID 提升6%,系统稳态误差分别提升 62%、98%,满足实际运行需求。关键词 施工升降机;机电联合仿真;粒子群优化;驱动装置中图法分类号 TH211 TH132;文献标志码 AControl Strategy of Elevator Driving Device Based onParticle Swarm OptimizationLU Ning,LIU Xue-yan(School of Mechanical-Electronic and Vehicle Engineering,Beijing University of Civil Engineering and Architecture,Beijing 100044,China)Abstract To solve the problem of low motion accuracy and slow response of the cage driving device due to the nonlinear factors ofthe elevator driving device,a proportional integral derivative(PID)control strategy based on particle swarm optimization was proposed.Firstly,the vector frequency conversion control model of asynchronous motor was established.Based on MATLAB/Simulink,the syn-chronous control model of three motors was built by deviation coupling control strategy.Particle swarm PID controller and fuzzy PIDcontroller were designed.Then,the virtual prototype of the driving device was established in ADAMS,and the electromechanical jointsimulation was realized through ADAMSs controls interface module and MATLAB.Finally,according to the actual operating conditionsof the construction elevator,the joint simulation was carried out to verify and analyze the feasibility of the control strategy.The researchresults show that the particle swarm optimization PID controller improves the control accuracy and response speed of the cage position.The response time of the particle swarm optimization PID system is 38%higher than that of the PID control system,6%higher thanthat of the fuzzy PID control system,and the steady-state error of the system is 20%and 73%higher respectively,meeting the actualoperation requirements.Keywords construction elevator;electromechanical joint simulation;particle swarm optimization;driving device 施工升降机1作为高层建筑施工的基础设备,其运行过程的稳定性和快速性大大影响施工工作的生产效率与安全性,因此,改进施工升降机控制系统对施工生产具有巨大的实用意义。施工升降机驱动装置是由 3 台三相异步电机驱动,通过传动装置实现吊笼升降动作。在其传动过程中,齿轮、齿条、蜗轮、蜗杆存在齿侧间隙和啮合误差以及摩擦等非线性因素,影响了传动的平稳性和精度2。在工业控制领域中常采用常规比例、积分和微分(proportional integral derivative,PID)控制方法对联动装置进行控制,而由于靠人工经验调节参数,很难在非线性系统控制方面得到很好的控制效果3-4。为实现对系统精确控制,设计一种合理控制策略十分必要。投稿网址:目前,对于非线性系统难以建立准确数学模型的问题,吴炜等5建立基于 ADAMS 与 Simulink的虚拟仿真平台,对一种重心调节装置控制系统进行联合仿真。莫程凯等6通过联合仿真平台对模糊自抗扰的双电机同步驱动电动缸起竖的控制策略进行了研究。同时,神经网络控制7、滑模控制8算法相比传统 PID 算法,针对非线性控制系统大大提高了精确度,可以实现精确控制,但由于运算量过大很难在短时间做出灵敏的反应,难以满足施工升降机驱动装置的实际控制需求。因此,现设计一种基于粒子群优化的 PID 控制器9,利用机电联合仿真平台进行仿真分析,使得PID 参数进行实时动态调整,与传统 PID 控制策略以及模糊 PID 控制10策略进行对比,验证控制方案的合理性。1 升降机传动系统分析1.1 机械构成分析驱动装置包括异步电机、蜗轮蜗杆减速器、圆柱直齿轮、齿条、吊笼、机架等部分。装置由 3 台三相异步电机输出动力,通过 3 台减速器将力矩传递给末端驱动齿轮,齿条固定于标准节上,通过齿轮齿条间的啮合实现升降机吊笼完成升降动作11。驱动装置传动示意图如图 1 所示。图 1 驱动装置传动示意图Fig.1 Schematic diagram of drive device1.2 控制系统分析根据升降机驱动系统分析,确定可编程逻辑控制器(programmable logic controller,PLC)、变频器、编码器为控制系统主要硬件。系统控制流程如图2 所示。控制系统控制对象为升降机吊笼,采用 PLC 为系统控制器。编码器固定于吊笼背板,通过齿轮与齿条啮合,当吊笼运动时带动编码器转动可测得吊笼运行位移。图 2 控制系统流程图Fig.2 Flow chart of control system2 驱动装置系统建模2.1 矢量控制系统建模由于三相异步电机的动态数学模型具有高阶、非线性、强耦合的多变量系统的特性,在对其建模中不可简单等效或简化。矢量控制理论发展成熟,在实际工程中通过变频器对异步电机进行矢量控制应用广泛。因此,采用矢量控制的方式在 Simu-link 中对升降机异步电机建立变频调速控制模型,在建立中需忽略空间谐波、磁路饱和、绕组电阻以及铁芯损耗的影响12。三相异步电机按转子磁链定向方式的同步旋转正交坐标系状态方程如下。电压方程为usMusT00=Rs+Lsp-1LsLmp-1Lm1LsRs+Lsp1LmLmpLmp0Rr+Lrp0sLm0sLrRrisMisTirMirT(1)磁链方程为sMsTrMrT=Ls0Lm00Ls0LmLm0Lr00Lm0LrisMisTirMirT(2)转矩方程为Te=npLm(isMirT-isTirM)(3)运动方程为Te=TL+Jdnpdt(4)式中:usM、usT为定子等效绕组电压;urM、urT为转子等效绕组电压;s、r为定、转子相对角速度;Rs、Rr为定、转子绕组电阻;1为同步旋转角速度;sM、sT为定子磁链;rM、rT为转子磁链;Lm为定、转子等效绕组互感;Ls、Lr为定、转子等效绕组自感;isM、isT为定子等效绕组电流;irM、irT为转子等效绕组电流;p 为微分算子;Te为电磁转矩;np为极对数;TL为负载转矩;J 为等效转动惯量;为转子转速。在建模过程中,转子磁链环节为稳定的惯性环节,采用闭环控制的方式。同时为实现控制系统动态响应更快,采取电流跟随脉冲宽度调制(pulse width modulation,PWM)方式进行电流闭环302112023,23(26)卢宁,等:基于粒子群优化的升降机驱动装置控制策略投稿网址:控制。转速、转矩、以及磁链控制器采用比例积分(proportional integral,PI)控制器。电机参数如表 1所示。在 MATLAB/Simulink 模块中建立的电机仿真模型如图 3 所示。表 1 电机参数表Table 1 Motor parameters参数名称数值额定电压 U/V380额定转速 n/(r min-1)1 440额定频率 f/Hz50极对数 n2转动惯量 J/(kg m2)0.19定子电阻 Rs/0.435转子电阻 Rr/0.002定子电感 Ls/H0.816转子电感 Lr/H0.002互感 Lm/H0.0692.2 系统动力学建模电机输出力矩与减速器减速后输出力矩关系为Te1=(Jm1+Jr)1+Bm11+M1iTe2=(Jm2+Jr)2+Bm22+M2iTe3=(Jm3+Jr)3+Bm33+M3i(5)式(5)中:Jm1、Jm2、Jm3为电机的转动惯量;Jr1、Jr2、Jr3为减速器的转动惯量;1、2、3为电机的转动角度;Bm1、Bm2、Bm3为动摩擦因数;M1、M2、M3为减速器的输出力矩;i 为减速器的传动比。减速器输出力矩与经过小齿轮输出力矩关系式为M1=Jg1g1+Bg1g1+TL1M2=Jg2g2+Bg2g2+TL2M3=Jg3g3+Bg3g3+TL3(6)式(6)中:Jg1、Jg2、Jg3为齿轮的转动惯量;g1、g2、g3Continuous 为连续函数模块;n为输出转速;Te为电磁转矩;Te为电磁转矩;ist为定子电流转矩分量;fcn 为函数模块;Phir、phir 为转子磁链;ist 为电流分量;theta 为转角;w 为输入转速;d、q 为电流分量;a、b、c 为电流分量;A为输出转速;Tr为电磁时间常数;Iabc 为实际电流;Iabc为电流给定值;pulse 为 PWM 信号;is_abc为输出三相电流;-K-为比例系数;g 为 PWM 信号;A、B、C 为电机模块相线图 3 矢量控制系统模型Fig.3 Vector control system model40211科 学 技 术 与 工 程Science Technology and Engineering2023,23(26)投稿网址:为齿轮的转动角度;Bg1、Bg2、Bg3为动摩擦因数;TL1、TL2、TL3为负载力矩。在实际运动过程中,蜗轮蜗杆减速器、齿轮齿条由于存在齿隙或外界因素等特点易导致啮合不平稳,使得传动不均匀,使得齿轮转动速度呈非线性变化。因此,本文研究采用在 ADAMS 中建立传动机构虚拟样机,使得啮合接触过程更加准确13。首先在 SolidWorks 软件中建立蜗轮蜗杆减速器、圆柱直齿轮、齿条、吊笼、机架等传动机构的三维模型,保存为 parasolid 格式后并将其导入 ADAMS中,添加齿轮间的接触力以及各部件之间的约束及运动副。约束/运动副设置如表 2 所示。在 ADAMS 中,驱动装置动力学模型以及传动机构局部放大图如图 4 和图 5 所示。图 4 驱动装置动力学模型Fig.4 Dynamic model of driving device图 5 传动机构局部放大图Fig.5 Partial enlarged view of transmission mechanism表 2 约束/运动副设置Table 2 Constraint/motion pair settings部件约束/运动副部件约束/运动副机架与大地固定副减速器底座与蜗轮旋转副齿条与机架固定副蜗轮与齿轮轴固定副齿轮与齿条接触力蜗轮与蜗杆接触力齿轮与齿轮轴转动副蜗杆与减速器底座固定副齿轮轴与齿条移动副2.3 仿真平台搭建通过粒子群 PID 控制算法对吊笼进行位置控制,控制器获取吊笼位移的误差信号进行调节,设置限幅用以模拟 PLC 模拟量输出信号,驱动器驱动变频电机输出转速 作为 ADAMS 中输入状态变量,吊笼运行位移 S、负载转矩 M 为输出接口变量。利用 ADAMS/Contols 接口导出为 MATLAB 接口文件,在 MATLAB 中运行指令调出 ADAMS 的Simulink 系统模块,将其拖入 Simulink 中与控制算法连接,设置仿真步长及系统仿真时间后运行联合仿真。联合仿真控制系统如图 6 所示。3 系统控制器以及同步驱动设计3.1 粒子群 PID 控制器设计粒子群算法14是一种基于飞鸟集群活动规律性启发的全局优化算法。算法每个粒子代表一个可能的解向量,从随机解出发,通过迭代寻优寻找个体最优解与全局最优解,同时更新速度和位置来实现全局优化。粒子在搜索空间中的速度和位置为vi+1=vt+c1r1(Pt-xt)+c2r2(Gt-xt)(7)xt+1=xt+vt+1(8)式中:xt+1、xt为粒子的位置;vi+1、vt为粒子的速度;为惯性因子;c1、c2为加速常数;Pt为第 t个微粒的最好位置;Gt为群体的最好位置;r1、r2为0,1的随机数;Pt为粒子迄今为止搜索到的最优位置。粒子群算法通过将 Simulink 控制系统模型中粒子(即 Kp、Ki、Kd)与该粒子对应的适应度值建立联系。优化过程首先产生初始化粒子群或更新后粒子群赋值给 PID 控制器,并运行 Simulink 系统模型得到粒子对应的性能指标,然后将指标作为粒子群中粒子的适应度值,通过判断最终结束算法。优化过程示意图如图 7 所示。PID 控制器的参数整定问题实际上为多维函数优化问题,粒子群算法优化过程中适应度作为最优值的反映,其关键在于使优化后控制系统偏差 e(t)趋于 0,同时具有较快的响应速度与较小的超调量。由于时间乘误差绝对值积分(integral of timed abso-luted error,ITAE)性能指标可反映控制系统速度与精度,因此选用其作为控制器整定适应度函数,可表示为JITAE=0te(t)dt(9)502112023,23(26)卢宁,等:基于粒子群优化的升降机驱动装置控制策略投稿网址:|u|为取绝对值;PID(z)为离散 PID 模块;-K-为比例系数;1s为积分环节;w1、w2、w3为输出转速;e1、e2、e3输出误差;w 输入转速;TL 为负载转矩;A为输出转速;TL为负载转矩图 6 联合仿真控制系统Fig.6 Joint simulation control system图 7 优化过程示意图Fig.7 Schematic diagram of optimization process式(9)中:JITAE为适应度值;t 为时间;e 为系统控制误差。3.2 模糊 PID 控制器设计模糊控制器 PID 控制性能以及控制复杂性相对较好,因此得到广泛应用15。在 MATLAB 中建立模糊控制器,将吊笼的位移的误差量 e 和误差变化率 ec作为输入,乘以一定比率 Ke、Kec,通过输出变化量Kp、Ki、Kd实现对传统PID 控制器参数进行整定。模糊 PID 控制结构图如图8 所示。Xi(t)为输入位移;Xf(t)为反馈位移;Xo(t)为输出位移图 8 模糊 PID 控制结构图Fig.8 Fuzzy PID control structure设定输入和输出变量模糊子集均为NB(负大),NM(负中),NS(负小),ZO(零),PS(正小),PM(正中),PB(正大)。e 和 ec 的基本论域为(-10,10),Kp、Ki、Kd的基本论域分别为(-1,1)。根据隶属度函数特性及其系统特性要求,采用工程上常用的三角形隶属度函数来建立定义好的模糊论域与模糊语言变量之间的关系,根据 PID 控制调节经验规律,建立模糊控制规则。模糊规则表如表3 所示。3.3 同步驱动控制设计由于升降机驱动装置由多台电机驱动运行,工程实际中常采用变频器一拖三的形式,同步精度低、机械结构易磨损16,影响升降机运行稳定性。因此基于偏差耦合同步控制结构设计了偏差耦合控制器,将被控电机的实际速度与其他各个电机的60211科 学 技 术 与 工 程Science Technology and Engineering2023,23(26)投稿网址:表 3 模糊规则表Table 3 Fuzzy rule tableeecNBNMNSZOPSPMPBNBPB/PM/PSPB/PB/PSPM/PB/ZOPM/PB/ZOPM/PB/ZOZO/PB/PSZO/PM/PSNMPB/PB/NBPB/PS/NBPM/PS/NMPS/PS/NSPS/PS/NSZO/PS/NMZO/PS/NMNSPB/ZO/NBPB/ZO/NBPM/ZO/NMZO/ZO/NSZO/ZO/NMNS/NS/NMNS/NS/NMZOPB/NS/NSPM/NS/NSPS/NS/NSNS/NS/NSNM/NS/NSNM/NS/ZONM/ZO/NMPSPM/ZO/NBPS/ZO/NBZO/ZO/NMNM/ZO/NSNM/ZO/NMNM/NS/ZONM/ZO/NMPMZO/PB/NBZO/PS/NBNS/PB/ZONM/PS/NSNB/PS/NMNM/ZO/ZONM/PS/NBPBZO/PM/PSZO/PM/PSNS/PB/ZONM/PB/ZONM/PB/ZONM/PS/PSNM/PS/NB实际速度分别作差经过 PI 控制器,作为各个被控电机的输入补偿,从而驱动 3 个电机转速一致,达到转速同步。PI 速度补偿器结构如图 9 所示。1、2、3为电机输入转速;e1为输出误差值图 9 速度补偿器结构Fig.9 Structure of speed compensator4 控制系统仿真仿真实验设置传统 PID、粒子群优化 PID 和模糊 PID 3 种方案,对不同方案的系统响应能力进行对比17。仿真中工程试凑法整定得到 PID 参数 Kp=0.004、Ki=0.000 5、Kd=0.000 1,偏差耦合控制器参数为 Kp=2;负载转动惯量 Jm=22.776 kg/m-2;摩擦系数 Bm=0.01(N m s)/rad;减速器减速比 i=16;惯性权重 w=0.7;学习因子 c1=2,c2=2;维数D=3;粒子群规模为 SwarmSize=30;最大迭代次数MaxIter=30,最小适应度值为 MinFit=0.1。粒子群适应度值优化结果和 Kp、Ki、Kd优化曲线如图 10 和图 11 所示。粒子群优化后得到的 PID 参数为 Kp=0.009 5、Ki=0、Kd=0.001,迭代次数到达 28 次时,适应度值趋于稳定,取得最优适应度值为 551.8。设定吊笼运行位移为 3 m,在 0 s 以 0.55 m/s速度匀速运行。图 12 所示为 PID、粒子群优化 PID和模糊 PID 对应吊笼位置响应曲线。根据表4 所示,在 PID 系统下增加模糊算法,吊笼到达位置响应时间提升 33%;粒子群优化 PID 系统响应时间相较于 PID 控制系统提升 38%,相比模图 10 适应度值优化结果Fig.10 Optimization results of fitness values图 11 Kp、Ki、Kd优化曲线Fig.11 Kp、Ki、KdOptimization curve糊 PID 提 升 6%,系 统 稳 态 误 差 分 别 提 升62%、98%。通过仿真结果可看出:粒子群 PID 控制器相较于传统 PID 以及模糊 PID,控制精度更高,到达稳定状态速度更快,控制效果更加优异,具有良好的调节能力与稳态性能。相比于手动调节 PID 参数的方式,粒子群优化算法可以自动地搜索最优参数组合,从而避免了人工调参时产生的误差和不确定性,同时也可以提高参数整定的效率和精度。702112023,23(26)卢宁,等:基于粒子群优化的升降机驱动装置控制策略投稿网址:图 12 位置响应曲线Fig.12 Position response curve表 4 稳态误差Table 4 Steady state error控制方法稳态误差/mm到达稳态时间/sPID0.239.3模糊 PID0.66.2粒子群 PID0.0055.85 结论对施工升降机驱动装置进行分析,建立了控制系统模型与系统动力学模型,设计了基于粒子群优化的 PID 控制器,利用 MATLAB/Simulink 与 AD-AMS 联合仿真的方法,对升降机驱动装置的控制系统进行了仿真分析,得出如下结论。(1)相较于传统 PID 和模糊 PID 控制器,通过不断优化 PID 控制器的参数来提高系统的跟随性能和响应速度。它可以在不需要太多人工干预的情况下,自适应地调整 PID 参数,粒子群优化控制系统跟随性能更好,响应速度更快。(2)在升降机控制中,PID 控制器可以通过调整参数来控制升降机的速度和位置,从而实现精准的升降控制。通过采用粒子群算法在线整定PID 参数,可以优化控制器的性能,使升降机能够更加平稳、准确地响应控制信号,提高安全性和使用效率。(3)通过优化算法避免人工整定 PID,大大降低劳动强度。在今后,将建立物理样机对控制算法进行进一步研究,综合分析验证对升降机驱动装置控制性能。参考文献1 赵秉鑫,卢宁,鹿开旭,等.基于模糊 PID 的升降机层门联动装置建 模 与 仿 真 研 究 J.机 电 工 程,2021,38(8):1038-1044.Zhao Bingxin,Lu Ning,Lu Kaixu,et al.Modeling and simulationof elevator landing door linkage based on fuzzy PID J.Electrome-chanical Engineering,2021,38(8):1038-1044.2 范政,赵虹.基于非线性 PID 的连续搅拌反应釜控制方法J.科学技术与工程,2021,21(7):2754-2759.Fan Zheng,Zhao Hong.Control method for continuous stirred reac-tor based on nonlinear PID J.Science and Technology and Engi-neering,2021,21(7):2754-2759.3 盛贤君,路赛利,刘宁.多轴伺服系统的非线性 PID 交叉耦合轮廓控制 J.组合机床与自动化加工技术,2021(12):67-70.Sheng Xianjun,Lu Saili,Liu Ning.Nonlinear PID cross couplingcontour control of multi axis servo system J.Modular MachineTool and Automatic Machining Technology,2021(12):67-70.4 陈俊侨,汪晓军,崔臣君,等.模糊自抗扰的双电机同步驱动电动缸起竖策略J.现代防御技术,2022,50(3):119-126.Chen Junqiao,Wang Xiaojun,Cui Chenjun,et al.Fuzzy auto dis-turbance rejection dual motor synchronous drive electric cylindererection strategy J.Modern Defense Technology,2022,50(3):119-126.5 吴炜,杨昊霖,魏明辉,等.基于 Simulink 与 ADAMS 联合仿真的飞艇重心调节装置设计J.合肥工业大学学报(自然科学版),2021,44(7):865-868.Wu Wei,Yang Haolin,Wei Minghui,et al.Design of airshipgravity center adjustment device based on Simulink and ADAMSjoint simulation J.Journal of Hefei University of Technology(Natural Science Edition),2021,44(7):865-868.6 莫程凯,邰可欣,邓深元,等.基于智能算法的 PID 控制参数优化策略J.信息技术与信息化,2021(9):222-223,227.Mo Chengkai,Tai Kexin,Deng Shenyuan,et al.PID control pa-rameter optimization strategy based on intelligent algorithm J.In-formationTechnologyandInformatization,2021(9):222-223,227.7 段向军,朱方园,刘晓强.基于 PSO 的塔式起重机模糊神经网络滑模防摆控制J.机床与液压,2016,44(22):155-159.Duan Xiangjun,Zhu Fangyuan,Liu Xiaoqiang.PSO based fuzzyneural network sliding mode anti sway control for tower cranes J.Machine Tool and Hydraulic,2016,44(22):155-159.8 王祥,陈志梅,邵雪卷,等.基于滑模自抗扰控制的变绳长塔机防摆控制J.机电工程,2023,40(3):444-451.Wang Xiang,Chen Zhimei,Shao Xuejuan,et al.Anti sway controlof variable rope tower crane based on sliding mode Active disturb-ance rejection control J.Electromechanical Engineering,2023,40(3):444-451.9 詹长书,苏立庆.基于粒子群优化的主动悬架 PID 控制策略J.科学技术与工程,2022,22(10):4180-4186.Zhan Changshu,Su Liqing.PID control strategy of active suspen-sion based on particle swarm optimization J.Science Technologyand Engineering,2022,22(10):4180-4186.10 Hossein N,Masoud M.Hybrid fuzzy-PID control development fora truck air suspension systemJ.SAE International Journal ofCommercial Vehicles,2020,13(1):55-69.11 丁承君,李庆,高少彬,等.基于改进差分进化算法优化的塔机防摆控制研究J.机电工程,2021,38(3):350-355.Ding Chengjun,Li Qing,Gao Shaobin,et al.Research on antisway control of tower crane based on improved differential evolution80211科 学 技 术 与 工 程Science Technology and Engineering2023,23(26)投稿网址:algorithm optimization J.ElectromechanicalEngineering,2021,38(3):350-355.12 雷道仲.基于数字信号处理器的船用异步电机矢量控制方法J.舰船科学技术,2022,44(18):147-150.Lei Daozhong.Vector control method of marine asynchronous mo-tor based on digital signal processor J.Naval Science and Tech-nology,2022,44(18):147-150.13 赵飞虎.基于 CAE 的某型号发射车起落机构设计与优化D.贵阳:贵州大学,2020.Zhao Feihu.The design and optimization of the take-off andlanding mechanism of a certain type of launch vehicle based onCAE D.Guiyang:Guizhou University,2020.14 曹志强,王英志,胡俊,等.粒子群模糊 PID 交叉耦合电机同步控制J.组合机床与自动化加工技术,2022(8):57-61.Cao Zhiqiang,Wang Yingzhi,Hu Jun,et al.Particle swarm fuzzyPID cross coupling motor synchronization control J.ModularMachine Tool and Automatic Machining Technology,2022(8):57-61.15 Vassilyev S N,Kudinov Y I,Pashchenko F F,et al.Intelligentcontrol systems and fuzzy controllers.II.trained fuzzy controllers,fuzzy PID controllersJ.Automationand Remote Control,2020,81(3):922-934.16 葛育晓.多电机协同控制策略及应用研究D.兰州:兰州理工大学,2020.Ge Yuxiao.Research on multi motor cooperative control strategyand application D.Lanzhou:Lanzhou University of Technolo-gy,2020.17 庞振华,刘放,吴涛,等.吊重摆长对起重机 PID 防摇控制的影响J.科学技术与工程,2021,21(14):5828-5832.Pang Zhenhua,Liu Fang,Wu Tao,et al.Influence of swinginglength of hoisting load on PID anti sway control of crane J.Sci-ence Technology and Engineering,2021,21(14):5828-5832.902112023,23(26)卢宁,等:基于粒子群优化的升降机驱动装置控制策略