基于改进遗传PID算法的能量回馈制动系统

吉林大学学报(理学版) ›› 2019, Vol. 57 ›› Issue (5): 1200-1206.

基于改进遗传PID算法的能量回馈制动系统

薛鹏¹, 刘国斌¹, 崔弘¹, 王海彪¹, 王春雷²

1. 长春工业大学电气与电子工程学院 , 长春 130012; 2. 吉林松花江热电有限公司, 吉林吉林 132000

收稿日期:2018-08-22 出版日期:2019-09-26 发布日期:2019-09-20
通讯作者: 刘国斌 E-mail:476720054@qq.com

Energy Feedback Braking System Based on Improved Genetic PID Algorithm

XUE Peng¹, LIU Guobin^1, CUI Hong^1, WANG Haibiao^1, WANG Chunlei^2

1. College of Electrical and Electronic Engineering, Changchun University of Technology, Changchun 130012, China;
2. Jilin Songhua River Thermal Co., Ltd, Jilin 132000, Jilin Province, China

Received:2018-08-22 Online:2019-09-26 Published:2019-09-20
Contact: LIU Guobin E-mail:476720054@qq.com

摘要/Abstract

摘要： 针对目前能量回馈系统效率低的问题, 提出一种基于改进的遗传PID（比例-积分-微分）算法对能量回馈系统进行控制. 首先建立回馈制动的数学模型, 然后根据其模型采用仿真软件（MATLAB）, 并结合改进的遗传PID算法进行仿真实验. 实验结果表明, 改进的遗传PID算法比传统PID算法控制效果更好, 稳定性、鲁棒性及抗干扰能力更强, 且回收效率提高了25.8%.

关键词: PID算法, 遗传算法, 回馈能量

Abstract: Aiming at the problem of low efficiency of energy feedback system, we proposed improved genetic PID (proportionalintegralderivative) algorithm to control an energy feedback system. First, the mathematical model of feedback braking was established. Then, according to the model, simulation software (MATLAB) combined with improved genetic PID algorithm was used to carry out the simulation experiment. The experimental results show that compared with the traditional PID algorithm, the improved genetic PID algorithm has better control effect, stronger stability, robustness and antiinterference ability, and the recovery efficiency is improved by 25.8%.

Key words: PID algorithm, genetic algorithm, feedback energy

中图分类号:

TP23

薛鹏, 刘国斌, 崔弘, 王海彪, 王春雷. 基于改进遗传PID算法的能量回馈制动系统[J]. 吉林大学学报(理学版), 2019, 57(5): 1200-1206.

XUE Peng, LIU Guobin, CUI Hong, WANG Haibiao, WANG Chunlei. Energy Feedback Braking System Based on Improved Genetic PID Algorithm[J]. Journal of Jilin University Science Edition, 2019, 57(5): 1200-1206.

[1]	王出航, 王雪, 胡黄水, 赵宏伟, 韩由佳. 基于改进GA和信任感知的无线传感器网络安全分簇路由协议[J]. 吉林大学学报(理学版), 2021, 59(5): 1237-1244.
[2]	李蛟, 胡黄水, 赵宏伟, 鲁晓帆. 基于混沌遗传算法的无线传感器网络改进LEACH算法[J]. 吉林大学学报(理学版), 2021, 59(4): 950-955.
[3]	裴莹, 苏山, 付加胜, 韩霄松. 一种求解复杂优化问题的快速遗传算法算子[J]. 吉林大学学报(理学版), 2021, 59(3): 602-608.
[4]	陶玉杰, 李艳红, 孙刚. 基于Bernstein多项式构造前向神经网络的遗传算法[J]. 吉林大学学报(理学版), 2021, 59(2): 233-240.
[5]	王婷婷, 王宏志, 刘清雪, 胡黄水, 王出航. 遗传算法优化的无刷直流电机模糊PID控制器设计[J]. 吉林大学学报(理学版), 2020, 58(6): 1421-1428.
[6]	尹伟石, 刘晓奇, 徐轩. 热源参数识别问题的Bayes遗传算法[J]. 吉林大学学报(理学版), 2020, 58(4): 841-846.
[7]	朱豪, 彭艺, 张申, 李启骞. 基于改进遗传算法的自适应越区切换方案[J]. 吉林大学学报(理学版), 2020, 58(1): 133-139.
[8]	胡黄水, 郑曼, 王宏志. 基于遗传算法的MVB周期调度表优化[J]. 吉林大学学报(理学版), 2019, 57(3): 613-618.
[9]	袁赫潞, 温长吉, 吴建双, 朱允刚, 于合龙. 基于遗传珊瑚礁优化算法的负载均衡问题[J]. 吉林大学学报(理学版), 2019, 57(06): 1465-1471.
[10]	张赛男, 刘东亮. 基于CW节约算法和遗传算法的网络优化[J]. 吉林大学学报(理学版), 2018, 56(5): 1219-1223.
[11]	王晓天, 边思宇. 基于遗传算法和神经网络的PID参数自整定[J]. 吉林大学学报(理学版), 2018, 56(4): 953-958.
[12]	杨琦. 融合Morlet小波与GA优化多模态核的轴承故障检测算法[J]. 吉林大学学报(理学版), 2018, 56(1): 101-108.
[13]	曹阳, 刘亚军, 俞琰. 基于遗传-蚁群算法的云计算任务调度优化[J]. 吉林大学学报(理学版), 2016, 54(05): 1077-1081.
[14]	董倩. 改进遗传算法优化模糊均值聚类中心的图像分割[J]. 吉林大学学报(理学版), 2015, 53(04): 680-686.
[15]	肖海蓉, 李惠先. 基于自适应遗传算法的网格任务调度优化[J]. 吉林大学学报(理学版), 2015, 53(02): 297-301.