摘要：【目的】提升阻尼器测试试验台的控制品质,进而得到更好的被测阻尼器参数曲线,需要对试验台反馈数据进行滤波提取。【方法】课题组通过对传统LMS自适应滤波器的研究,针对其步长选值问题,提出了一种基于麻雀搜索算法(Sparrow Search Algorithm,SSA)的变步长LMS算法,进而进行了新变步长LMS自适应滤波器设计。并通过Tent混沌映射优化了SSA算法在LMS自适应滤波器中的使用,加强了该算法的跟踪和收敛能力。【结果】仿真结果表明,优化后的算法较优化前误差总值下降约75.72%,优化效果较为显著。同时,相较于其他文献中的LMS自适应滤波算法,本设计中的算法能在快速收敛的同时保持较低的稳态误差,误差总值下降约35.17%。【结论】经过Tent混沌映射所得出的SSA算法初始种群能够提高LMS算法的跟踪能力、收敛速度和稳态精度。课题组设计的滤波器表现良好,具有较强的跟踪能力和稳态精度在低范围的保持能力,为阻尼器测试试验台性能优化和反馈数据的滤波提取提供了新的思路和方案。

摘要：针对挖掘机精确轨迹控制问题,构建了挖掘机动力学模型,搭建了Simulink仿真环境下挖掘机动力学模块、PD控制系统模块和可自动调用的PD参数输入模块;通过PSO最优搜寻得到PD权重参数,然后在PSO程序中定义挖掘机动力学模型,最后在动态控制下进行一个闭环快速自适应整定联合仿真。仿真结果表明,采用基于粒子群算法的挖掘机PD控制器与传统的试凑法都能达到期望的轨迹控制,且都能较好地贴近理论值,但基于粒子群算法的挖掘机PD控制器能够快速自适应整定。在挖掘轨迹起始过程中,相较于试凑法中K_(P)和K_(V)组合为200-5,粒子群算法的PD控制器要收敛近75%,降低了系统的稳态误差,大大提高了液压挖掘机的稳定性和精确性。