英文翻译【精选】.docx

英文翻译

第一篇：英文翻译应用四种算法对机器人PID控制器设计的比较研究网上发表时间：2010年6月Mohammad-TaghiVakil-Baghmisheh·MinaSalim©SpringerScience+BusinessMediaB.V.2010本文比较了四种PID控制器混合进化算法控制机器人的表现，我们尽量减少瞬时状态阶跃响应。为此，一个函数阶跃响应的一些参数（超调量，调节时间时间，上升时间和稳态误差）的定义。我们为了尽量减少瞬时状态阶跃响应，对四种算法的结果进行了比较，四种算法即粒子群优化算法（PSO），蜂群优化算法（QB），遗传算法（GA），SCE算法（shuffledcomplexevolution）。在PID控制器设计中，我们要在测试的几种方法的基础上获得的结果，以便我们可以选择一个最好的方法，在我们以往的经验中，关节1,2,和4用QB算法,关节3用基因遗传算法,关节5用复杂演化算法取得了很好地效果关键词：Gryphonrobot·Queen-bee·Particleswarm·Shuffledcomplexevolution·Nelder–Mead1介绍由于其简单性和高效率，PID控制器被广泛应用于各个行业。PID控制器的传递函数为公式1。其中Kp为比例增益，KD为微分增益，Ki是积分增益，他们都是变量。通常确定这些参数值的准确值和误差的方法是时域分析和计算。近年来，PID控制器设计的一些新的方法已被使用，其中包括遗传算法GA（荷兰1975），蚁群算法(HsiaoandChuang2004),粒子群优化算法(Gaing2004),模拟退火算法(SA)(ZhouandBirdwell1994),蜂群算法(Luˇci´candTeodorovi´c2001;Luˇci´candTeodorovi´c2003),，这只是其中一部分算法。利用这些算法，我们可以把PID控制器的设计问题转化为一个函数问题，从而得到优化。在本文中，我将通过机器人的不同表现，比较四种不同的算法。为此我们定义了一个以阶跃响应的四个参数为变量的函数，四个参数为超调量，调节时间Ts，上升时间Tr，稳态误差Ess，并使用进化算使成本函数最小化。本文的余下部分安排如下，第二部分介绍机器人及其参数，第三部分比较分析GA,PSO,QB和NM方法。第四部分，SEC的算法描述。在第五部分，我们分别用GA,PS,NM,QB-NM,SCE算法的PID控制器设计机器人。第六部分，我们对设计的结果进行介绍和讨论。第七部分为总结。2机器人介绍机器人有五个自由度控制他的关节转动，（见表1）我们把他的肩，肘，腕三个关节的表现记录下来，除了精度，连续性和速度是他的两个重要表现。这个机器人由四个微处理器控制，一个控制机器人的各个节点，两个微处理器控制电机，第四个与前三个同步，并使四个微处理器与电脑主机建立正确关系。控制每个轴的步进电机需要与一个编码器联合、反馈。由于在机器人设计中应用的齿轮比较高，所以机器人的动作缓慢。机器人的关节都可以独立控制。表1给出了各个关节的传递函数，这些函数是在Tabriz大学的机器人研究实验室研究出来的。3.进化算法的综述在合理的时间里，进化算法可以获取困难问题的最理想解决方案，而那些经典方法无法获得。这些算法被称为最理想是因为通常其他算法没有办法证明他们是最优秀的。在本文中，我们将讨论这四种算法，他们分别是遗传法，粒子群法，蜂群优化算法，SCE算法。3.1遗传算法遗传算法是在1975年由荷兰引入，他对自然遗传算法的优化有所启发，遗传算法不需要衍生信息，甚至成本函数在搜索空间不需要连续。模型的变量在特定的环境中变化。我们把这些变量称为染色体，以便提高方案和算法的质量，为此，操作人员在预定的迭代函数中对变量染色体操作，这些操作人员对染色体进行选择，交叉和变异。在下面，我们简要的介绍那些操作人员在连续变量上对染色体的操作。选择：选择算子应用于染色体。染色体往往是随机选取的，在本文中，我们利用rollet——wheel选择方法。交叉算子工程的两个后代是由选定的成员决定。为此，一个基因的位置是随机选择的，相应的基因（xm和xd）是由两个新值取代。其中随机数β的范围是0到1，位于选定的基因后的其他基因与双方父母的染色体交换。一次一个基因突变，变量的基因随机选取了突变率。然后，这些基因被搜索空间中的随机变量替换。3.2PSO算法PSO算法最初在1995年由Kennedy和Eberhar提出。是起源对简单社会系统的模拟。动物的小组成员们和他们的同伴共享他寻找食物过程中最佳位置的信息。因此，PSO算法是（Kennedy和Eberhar2004）在搜索个人和社会经验的结合。PSO算法中的每个成员称为粒子，每个粒子在搜索空间中有位置矢量和速度矢量。每个粒子根据自