SOA在音圈电机控制系统中应用仿真研究_王国龙.pdf

基金项目:吉林省发展和改革委员会项目(2020C023-1);吉林省发展和改革委员会项目(2018C035-3);长春理工大学青年基金项目(201915010011);收稿日期:2021-04-07 修回日期:2021-07-26 第 40 卷 第 4 期计 算 机 仿 真2023 年 4 月 文章编号:1006-9348(2023)04-0277-05SOA 在音圈电机控制系统中应用仿真研究王国龙,白端元,王 愚,刘云清(长春理工大学电子信息工程学院,吉林 长春 130022)摘要:针对传统的 PID 参数整定方法存在对音圈电机控制精度不足以及响应速度慢等问题,提出了基于人群搜索算法(SOA)快速寻找音圈电机最佳 PID 控制参数。选取音圈电机的数学模型作为被控对象,利用 SOA 算法随机生成初始搜寻者并将搜寻者个体的位置参数依次赋给 PID 控制参数,并计算音圈电机系统的性能指标,再通过循环迭代更新搜寻者的位置直到满足系统期望指标为止。仿真结果表明,相比于粒子群算法(PSO)、遗传算法(GA),SOA 算法能够有效减小系统的超调量并缩短调节时间,同时具有一定的抗干扰能力,在音圈电机控制系统中具有一定的应用价值。关键词:人群搜索算法;音圈电机;应用仿真中图分类号:TP391.9 文献标识码:BApplication Simulation of SOA in Voice Coil Motor Control SystemWANG Guo-long,BAI Duan-yuan,WANG Yu,LIU Yun-qing(School of Electronic Information Engineering,Changchun University of Science and Technology,Changchun Jilin 130022,China)ABSTRACT:Aiming at the problems of insufficient control accuracy and slow response speed of voice coil motor inthe traditional PID parameter tuning method,the seeker optimization algorithm(SOA)to quickly find the optimalPID control parameters of voice coil motor is proposed.The mathematical model of the voice coil motor is selected asthe controlled object,the initial searcher is randomly generated by SOA,and the position parameters of the searcherare assigned to PID control parameters to calculate the performance index of the voice coil motor system,and then theposition of the searcher is updated by cycle iteration until the expected index is met.The simulation results show thatcompared with particle swarm optimization(PSO)and genetic algorithms(GA),SOA can effectively reduce the over-shoot of the system and shorten the adjustment time,and has a certain anti-interference ability,which has a certainapplication value in the voice coil motor control system.KEYWORDS:Seeker optimization algorithm(SOA);Voice coil motor;Application simulation1 引言音圈电机(VCM)是一种体积小、结构简单的直驱型电动机。与其它直线电机一样不需中间环节就能获得直线运动,能够避免环节复杂引起的噪声以及维护困难等问题1,同时具有控制方便、高响应频率、高分辨率、高定位精度等良好的动态特性。因此音圈电机作为一种精密驱动元件在激光通信中的 ATP 系统、超精密定位跟踪的系统中被广泛应用。使用音圈电机虽能消除中间环节对系统性能的影响,同时也带来了一些不利的因素,如外部的扰动和负载的变化直接作用在音圈电机上,给其控制精度及系统稳定性都带来了挑战。目前工业上对于音圈电机控制系统仍以 PID 控制为主,但由于传统的 PID 整定方法具有局限性不能自动调整参数以适应外部环境的改变,很难满足控制要求,故许多研究人员展开了利用先进控制思想优化 PID 控制参数的研究思路。刘日龙等采用模糊推理的方法来修正 PID 参数并在音圈电机驱动的反射镜系统应用,改善了系统的控制精度2。张立佳等在音圈电机直驱阀系统中利用神经网络对 PID 参数进行调整,既保留了神经网络的动态特性又能保证系统的快速稳定性3。Syuan-Yi 等将模糊控制与神经网络结合起来用于优化音圈电机控制系统的 PID 控制参数,该方法能够有效地逼近系统非线性,同时具有一定的自适应控制能力,772提高了系统的控制精度4。贺云波等将迭代学习控制算法应用于音圈电机的前馈加反馈伺服控制结构,使得音圈电机的高速运动时的轨迹跟踪能力显著提升5。魏文军等提出了一种滑模动态面控制器并应用于音圈电机型快速反射镜,提高了快速反射镜系统的抗干扰能力和跟踪精度6。李广军等结合粒子群算法(PSO)优化 PID 控制参数改善了焊接工作台伺服控制系统的动态性能7。赵劲松等利用遗传算法(GA)优化 PID 参数从而提高了液压机的锻造精度及其对外部不同工况的适应性8。以上做法在某种程度上克服了传统 PID 整定方法的不足,但在实际工程应用中由于受外部噪声的影响,数据准确性会下降,导致难以获得较好的控制效果。余胜威等提出一种人群搜索算法(SOA)用于 PID 控制器参数优化,提高了系统控制精度及响应速度且鲁棒性好9。许景辉等将 SOA 算法应用于智能灌溉水泵控制中,有效地解决了非线性、时变性和滞后性等问题10。本文在上述背景下,提出了基于 SOA 算法对音圈电机的 PID 控制参数进行优化,并在 MATLAB 中进行仿真,将SOA 优化后的 PID 控制参数应用于音圈电机的动态模型,同时在相同条件下与 PSO、GA 等算法优化的 PID 控制参数进行效果对比,得出 SOA 算法优化下的 PID 控制器对音圈电机的控制效果比 PSO、GA 等具有更好的动态响应性能,并具备一定的抗干扰能力。2 PID 控制器原理PID 控制器是一种线性控制器,因其算法简单,鲁棒性能好等特点一直被工业系统广泛应用11。它主要是利用系统输入与输出之间的误差构成线性控制量来调节被控对象,基本原理如图 1 所示。图 1 PID 控制的基本原理PID 的控制规律及传递函数分别如式(1)及式(2)所示u(t)=Kpe(t)+1Tit0e(t)dt+Tdde(t)dt(1)G(s)=E(s)U(s)=Kp(1+1Tis+Tds)=Kp+Kis+Kds (2)式中 u(t)为控制器输出量,e(t)为系统误差,Kp、Ki、Kd分别为各环节系数。在实际工程应用中,只有适当的调整 Kp、Ki、Kd等三个参数才能使被控对象达到较好的响应性能。另外,由于工程中通常 PID 控制由计算机系统实现,故当采样周期很小时,可以用离散域 PID 替代连续 PID,离散域 PID 如式(3)所示u(t)=Kpe(t)+T0Tie(k)+TdTi2e(k)=Kpe(k)+Kie(k)+Kd2e(k)(3)3 人群搜索算法3.1 人群搜索算法的基本思想人群搜索算法的基本思想12:首先随机生成初始搜寻者种群并以每个搜寻者的位置为待选解,其次根据所制定的性能指标评价搜寻者位置的优劣,然后模拟人类搜索行为来更新搜寻者的位置,直至搜寻到满足性能指标的最优解为止。SOA 算法流程如图 2 所示。图 2 SOA 算法的流程3.2 SOA 算法的关键参数确定1)适应度函数的选取适应度函数是 SOA 算法中用来评判搜寻者位置的性能指标。为了防止产生超调量以及输入控制能量过大等问题,将系统的超调量及控制输入的平方项引入性能指标中以便获得最佳的性能参数13。选取适应度函数为J=0h1|e(t)|+h2u2(t)+h3|e(t)|dt(4)其中 e(t)为系统输入与输出间的误差;u(t)为控制器输出量;h1、h2、h3为各项权值,且 h3h,通常 h1取值为 0.999,h2为 0.001,h3取值为 100。2)搜索步长的选取模糊控制思想中的模糊逼近算法是 SOA 算法中不确定搜索行为主要依据14,故可选用模糊系统中常用的 Gauss 隶属度函数作为 SOA 算法的搜索步长如式(5)所示uA(x)=e-a222(5)式中 x 是输入变量;a、是 Gauss 隶属度函数的参数;需要注872意的是,这里设定最小隶属度值 uA是为 0.0111 因是输出变量 x 的范围超过-3,3的概率小于 0.0111 可以忽略15。3)搜索方向的确定SOA 算法的搜索方向是模仿人的搜索行为确定的16,人的搜索行为一般包括利己、利他以及预动三种行为,通过分析可以得到搜寻者的三种行为如式(6)至式(8)所示?di,ego(t)=?pi,best(t)-?xi(t)(6)?di,alt(t)=?gi,best(t)-?xi(t)(7)?di,pro(t)=?xi(t1)-?xi(t2)(8)其中,?di,ego(t)、?di,alt(t)、?di,pro(t)分别代表三种行为;?pi,best为搜寻者全程历史最优位置;?gi,best搜寻者所处邻域内历史最佳位置;?xi(t1)和?xi(t2)表示?xi(t-2),?xi(t-1),?xi(t)中的最优位置。出于综合考虑,取三种行为的随机加权平均值如式(9)作为最终的搜索方向:?dij(t)=sign?dij,pro(t)+1?dij,ego(t)+2?dij,ego(t)()(9)在式(9)中,为惯性权值,1、2分别为0,1 内的常数。4)搜寻者位置的更新在确定 SOA 算法的搜索的方向和步长后,对搜索者个体的位置进行更新以找到最优解,如式(10)及式(11)xij(t+1)=aijdij(t)(10)xij(t+1)=xijxij(t+1)(11)4 SOA 算法优化的音圈电机 PID 控制器设计SOA 算法优化 PID 进而实现对音圈电机的控制的整体思想如图 3 所示:选取音圈电机的数学模型为被控对象,然后利用人群搜索算法生成初始搜寻者个体的位置并将位置参数依次赋给 PID 控制参数,以此计算音圈电机系统的性能指标即适应度函数值,如果不符合要求,则更新搜寻者的位置,直至满足性能指标条件为止。图 3 SOA-PID 控制器基本思想4.1 音圈电机的数学模型音圈电机的常用建模方法主要从电学和力学两方面进行分析建模。其基础原理为洛伦兹力原理,即电机内部线圈上电后受电磁力在气隙内做轴向运动,同时运动的线圈切割磁感线产生反电动势。音圈电机的等效电路如图 4 所示17,其中线圈绕组电压为 ua,线圈电流为 i,线圈电感为La,电阻为 Ra,反电动势为 ea图 4 音圈电机的电路等效图根据图 4,可以得到音圈电机的动力学方程如式(12)至式(15)所示ua=ea+iRa+Ladidt(12)ea=Ksv=BLv(13)Fe=Ksi(14)Fe=Fm+Fc=mdvdt+kv=md2xdt+kv(15)其中,Fe表示电磁力,Ks为电机力常数且有 Ks=BL,v 为线圈运动速度,B为磁场强度,L 为导线长度,Fm为电机做加减速产生的惯性力且 Fm=mdv/dt,Fc为电机动子运动时产生的摩擦力且 Fc=kv,其中 k 为动摩擦系数。联立方程式(12)至(15)做拉式变换并整理,可以得出音圈电机位移 X 与电压 Ua的传递函数式(16):G(s)=X(s)Ua(s)=KsLams3+(Lak+Ram)s2+(Rak+K2s)s(16)本文所选音圈电机的参数18如表 1 所示:表 1 音圈电机的参数参数名符号/单位数值线圈电阻Ra/6.7线圈电感La/mH1.21电机动子质量m/kg0.40电机力常数BL/NA-19.36阻尼系数k/Nsm-113.5电气时间常数Ta/ms0.1806机械时间常数Tm/ms30.5902 将以上参数代入音圈电机数学模型可得出其传递函数为式(17)G(s)=X(s)Ua(s)=9.360.00484s3+2.6963s2+178.0596s(17)4.2 SOA 优化的 PID 控制器设计1)首先对搜索者个体的位置进行初始化,可以生成如下式(18)所示的位置矩阵。P(S,D)=k1pk1ik1dk2pk2ik2dkSpkSikSd(18)972其中 S 代表搜索者的种群规模,D 代表搜寻者所在位置的维度,由于最终目标是为了寻找音圈电机的最佳 PID 控制参数,故取 D=3。2)将搜寻者个体位置赋给 PID 控制参数,再运行系统模型求出系统性能指标并根据式(4)计算搜寻者个体的适应度值。3)更新搜寻者的位置,并将更新后的位置参数依次赋给PID 的控制参数并计算更新后的搜寻者位置适应值;4)比较更新后的搜寻者位置与历史搜寻者位置并记录较好的搜寻者位置。5)重复进行第 3)、4)步,直至找到最佳的搜寻者位置参数,即为要寻找的最佳 PID 控制参数。5 仿真与结果分析5.1 设置仿真条件选取所获得的音圈电机传递函数如式(17)为被控对象进行仿真。给系统输入单位阶跃信号,然后分别加入幅值为0.5 的阶跃扰动信号以及信噪比为 30dB 的白噪声信号模拟外部扰动做抗干扰实验,采样周期设置为 0.001s,仿真时间设置为 80s。SOA 算法的搜寻者规模设置为 30,迭代次数最大设置为 100,同时编写相同条件下的 PSO、GA 算法优化的PID 控制代码与 SOA 算法作对比实验。5.2 仿真结果分析经过仿真得出三种算法优化的 PID 控制参数如下,GA:Kp=6.049、Ki=7.677、Kd=6.049;PSO:Kp=48.97、Ki=10.64、Kd=17.01;SOA:Kp=12.75、Ki=0、Kd=0。三种算法的最佳个体适应度收敛曲线如图 5 所示。图 5 SOA、GA、PSO 的个体适应值曲线由图 5 可以看出,GA 算法收敛速度最慢,但个体适应值较高;PSO 算法、SOA 算法的个体适应值相同,但 SOA 的收敛速度相对 PSO 算法较快一些。其中 SOA 算法优化的 PID参数寻优曲线如图 6 所示。将三种算法寻找的音圈电机最佳 PID 控制参数应用于系统阶跃响应,得出的阶跃响应曲线如图 7 所示。根据图 7 可以看出,GA 算法优化下的系统阶跃响应产图 6 SOA 算法下 Kp、Ki、Kd寻优曲线图 7 单位阶跃响应曲线生较大超调且调节时间最长;PSO 算法优化下的系统阶跃响应也有超调但调节时间相对 GA 算法较短;SOA 算法优化下的系统响应没有超调量且调节时间明显缩短。然后分别在单位阶跃信号中加入幅值为 0.5 阶跃扰动信号以及信噪比为 30dB 的白噪声信号测试系统的抗干扰性,得到的响应曲线如图 8、图 9 所示。图 8 加入阶跃扰动的响应曲线根据图 8、图 9 可以看出,系统在加入阶跃扰动后,相比于 PSO、GA 算法,SOA 算法优化下的音圈电机控制系统依然保持快速响应且无超调;在加入信噪比 30dB 噪声信号后,082图 9 加入噪声的单位阶跃响应曲线PSO、GA 算法优化下的系统阶跃响应曲线明显超调量变大且调节时间变长,SOA 算法优化下的系统阶跃响应调节时间略有变长,系统依然无超调。综上所述,相比于 PSO、GA 算法,SOA 算法的收敛速度较快,且 SOA 优化的 PID 参数在音圈电机控制系统中能够有效地减小系统超调量并缩短响应时间,并具有一定的抗干扰能力,说明 SOA 算法在音圈电机及其驱动的相关系统中具有良好的可行性及应用价值。6 结论音圈电机控制系统的 PID 参数调整对系统的性能具有决定性因素的影响。在实际应用中,因音圈电机的型号、参数不同,PID 的控制参数也会不同,传统的 PID 整定方法往往达不到要求的响应时间及控制精度要求,这常常给使用者带来很多不便。文中首先通过音圈电机的电压平衡方程、反电动势方程以及电机的力平衡方程获取其传递函数,然后提出了用 SOA 算法对音圈电机控制系统的 PID 参数进行优化,同时与 PSO、GA 等算法优化的 PID 控制参数进行对比,证明了 SOA 算法获取音圈电机的控制参数相对于 PSO、GA算法能够明显减小系统超调量并缩短响应时间,同时具有一定的抗干扰能力,说明 SOA 算法获得的 PID 参数在音圈电机控制中具有良好的控制效果,为今后的音圈电机控制提供了参考依据。参考文献:1 冯晓梅,李立顺,李红勋,张大卫.直线音圈电机特性研究J.微特电机,2014,42(12):38-48.2 刘日龙,殷德奎.音圈电机伺服系统模糊 PID 控制J.微特电机,2010,(7):63-68.3 张立佳,王大或,郭宏.直线音圈电机的神经网络 PID 控制J.电气传动,2010,40(6):46-49.4 Syuan-Yi Chen,Cheng-yen Lee,Chien-Hsun Wu et al.Intelligent motion control of voice coil motor using PID-based fuzzyneuralnetworkwithoptimizedmembershipfunction J.Engineering Computations 2016,33(8):2302-2319.5 Yunbo He,Chang Zhang,Jian Gao et al.Research On Position&Force Control Based on Voice Coil MotorC.2018 19th Interna-tional Conference on Electronic Packaging Technology(ICEPT),2018:1079-1083.6 魏文军,赵雪童.滑模动态面控制在快速反射镜系统中的应用J.应用光学,2018,39(5):714-720.7 李广军,高曾辉,陈劲松.基于粒子群优化的焊接工作台伺服系统 PID 控制J.电焊机,2012,42(6):109-112.8 赵劲松,张阳,曹晓明,姚静.基于 GA 的液压机多 PID 控制器参数优化J.中南大学学报(自然科学版),2016,47(8):2650-2660.9余胜威,曹中清.基于人群搜索算法的 PID 控制器参数优化J.计算机仿真,2014,9(31):347-373.10 许景辉,王雷,谭小强,等.基于 SOA 优化的智能灌溉控制策略研究J.农业机械学报,2020,51(4):261-267.11 金奇,邓志杰.PID 控制原理及参数整定方法D.兰州交通大学,2008.12 Chao-hua Dai,Wei-rong Chen,Yong-hua Song et al.Seekeroptimization algorithm:A novel stochastic search algorithm forglobal numerical optimizationJ.Journal of Systems Engineeringand Electronics 2010,21(2):300-311.13 余胜威.MATLAB 优化算法案例分析与应用M.北京:清华大学出版社,2014:322-325.14 Chang-chang Hu,Xiao-dong Sun,Ze-bin Yang et al.A StateFeedbackControllerforPMSMsBasedonPenaltyTermAugmented Seeker Optimization AlgorithmC.2019 22nd Inter-nationalConferenceonElectricalMachinesandSystems(ICEMS),2019:1-4.15 张连强,王东风.基于改进人群搜索算法的 PID 参数优化J.计算机工程与设计,2016,37(12):3389-3393.16 赵广元,王超.基于人群搜索算法的直流电机优化设计J.舰船电子工程,2019,39(10):242-246.17 Pan Gao and B Zhang.Analysis and Modeling Voice Coil MotorDisplacement Change Using an Electrical Simulation MethodC.2019 International Conference on Electronic Engineering and In-formatics(EEI),2019:60-64.18 李立毅,刘丽丽,吴红星.音圈电机位置伺服系统电流驱动器的两种设计方法研究J.微电机,2011,44(11):60-95.作者简介王国龙(1997-),男(汉族),吉林省四平人,硕士研究生,主要研究领域为控制理论与控制工程。白端元(1980-),女(汉族),吉林省长春人,副教授,硕士研究生导师,主要研究领域为控制理论与控制工程、模式识别与人工智能。王 愚(1996-),男(汉族),吉林省白城人,硕士研究生,主要研究领域控制理论与控制工程。刘云清(1970-),男(汉族),吉林省长春人,教授,博士研究生导师,主要研究领域为智能信息处理、自动控制与测试技术(通信作者)。182