-
以某型号的光纤陀螺的结构参数为例,进行动态仿真研究。此光纤陀螺的光纤环的长度$L = 600$ m,光纤环的直径$D = 0.1$ cm,光纤光源产生的激光束在真空中的波长$\lambda = 1\;550$ nm,根据公式(1)可知,${K_1} = $$\dfrac{{2\pi \times 600 \times 0.1}}{{1\;550 \times {{10}^{ - 9}} \times 3 \times {{10}^8}}}$$ = \dfrac{{120\pi }}{{155}}$,${K_2} = 1$,${K_3} = \dfrac{{212}}{{2.6}}$,$ {K_4} = \dfrac{{2\pi }}{{{2^{16}}}} $,前向滞后为1,后向滞后为2,采样时间为光纤环的渡越时间:$\tau = \dfrac{L}{c} = 2 \;{\text{μs}}$。
仿真对比目前使用的参数固定PID控制器、BP神经网络整定PID参数(BP-PID)、模糊控制整定PID参数(F-PID)以及文中所提的PSO优化PID参数(PSO-PID),PID控制器如图7所示,BP-PID控制器如图8所示,F-PID控制器如图9所示,PSO-PID控制器如图10所示,PSO优化PID控制器适应度函数选择如图11所示。
综上所述,PSO-PID控制方法,粒子群初始参数的选取如下:因为是对控制参数${K_p}$、${K_i}$、${K_d}$进行优化,因此维度为3,种群大小不宜过大,因为过大的种群会增加算法的计算复杂度和内存消耗,同时也可能导致算法陷入过度探索的情况,影响算法的收敛性和搜索效果。在保证收敛和跟踪效果的情况下,种群大小选取为15。微粒数量$N$=20,${K_p}$的区间为[0.3,100],${K_i}$的区间为[0.01,15],${K_d}$的区间为[0.1,0.5]。学习因子${c_1} = 0.8$,${c_2}$=0.5。惯性权重$\omega = 0.9$。粒子速度的上限约束${V_{{\rm{max}}}} = 2$,粒子速度的下限约束${V_{\min }} = - 2$。使用PID控制方法,其控制参数${K_p} = 2$,${K_i} = 2$,${K_d} = 0.5$。使用F-PID控制方法,${K_p}$,${K_i}$,${K_d}$模糊子集均为{NB,NM,NS,ZO,PS,PM,PB},量化等级为{−6,−5,−4,−3,−2,−1,0,1,2,3,4,5,6}。使用 BP-PID 控制方法,设置参数为:输入层节点个数为4,隐含层节点个数为5,输出层节点个数为3;学习因子为0.25,惯量因子为0.05,采样时间为0.001 s。
使用不同控制方案光纤陀螺角速率输入跟踪对比如图12所示,图13为不同控制方案光纤陀螺角速率输入跟踪误差对比图,表1为不同控制方案下系统的动态性能,根据图12、图13和表1的数据,可得PSO-PID控制方法的跟踪时间为1.2 s,其跟踪陀螺仪角速率的速度更快。与BP-PID控制方法相比,其跟踪速度提高了1.91倍;相对于PID控制方法,其跟踪速度提高了3.5倍;而相对于F-PID控制方法,其跟踪速度提高了1.75倍。经PSO-PID控制方法后,跟踪误差为$4.740\;8 \times {10^4}$m,相较于其他控制方法,PSO-PID的跟踪误差更小。与F-PID控制方法相比,其控制精度提高了45.27%;与BP-PID控制方法相比,其控制精度提高了46.03%;与PID控制方法相比,其控制精度提高了66.30%。
Figure 12. Comparison chart of angular rate input tracking of fiber optic gyro with different control schemes
图14为文中粒子群算法中适应度值随着迭代次数的变化情况。从图中可以看出,变化趋势较快,当迭代次数为15时,适应度值达到最优解,最优解为21.892 5。图15为PID控制器参数${K_p}$,${K_i}$,${K_d}$值随迭代次数变化图,根据图示可见,随着迭代次数的增加,控制器参数逐渐稳定在一个恒定的有界值内,逐渐趋于稳定。根据图中的变化趋势可知,可以进行在线调节,寻找最优值。由图可知是有界得,可以在线调节寻优。
Control method Tracking time/s Tracking error norm/m PID control method 4.2 $1.406\;7 \times {10^5}$ BP-PID control method 2.3 $8.784\;4 \times {10^4}$ F-PID control method 2.1 $8.662\;3 \times {10^4}$ PSO-PID control method 1.2 $4.740\;8 \times {10^4}$ Table 1. Comparison of dynamic performance of different control methods system
Optimization method of PSO-PID control for interferometric closed-loop fiber optic gyroscope
doi: 10.3788/IRLA20230626
- Received Date: 2023-11-09
- Rev Recd Date: 2024-01-16
- Publish Date: 2024-03-21
-
Key words:
- ICFOG /
- small overshoot /
- PSO-PID /
- BP neural network /
- fuzzy controller
Abstract: