基于粒子群優(yōu)化的遠程手術系統(tǒng)內?？刂蒲芯?/h1>
2014-07-31 23:11:10董愛何史林閆志遠杜志江陳廣飛周丹
中國醫(yī)療設備 2014年8期
董愛，何史林，閆志遠，杜志江，陳廣飛，周丹
1.哈爾濱工業(yè)大學機器人技術與系統(tǒng)國家重點實驗室，黑龍江 哈爾濱150080；2.中國人民解放軍總醫(yī)院，北京 100039
基于粒子群優(yōu)化的遠程手術系統(tǒng)內?？刂蒲芯?/p>
董愛1，何史林2，閆志遠1，杜志江1，陳廣飛2，周丹2
1.哈爾濱工業(yè)大學機器人技術與系統(tǒng)國家重點實驗室，黑龍江 哈爾濱150080；2.中國人民解放軍總醫(yī)院，北京 100039
隨著機器人技術和信息技術的日新月異，機器人輔助遠程手術系統(tǒng)獲得了長足發(fā)展，在合理配置醫(yī)療資源和遠程救治方面發(fā)揮著不可替代的巨大作用。但是，遠程手術不可避免的存在網絡時延，導致整個系統(tǒng)的穩(wěn)定性降低。為此，本文針對變時延這一不利影響因素，提出了基于PID加反饋環(huán)節(jié)的新型內?？刂撇呗?，并利用改進型粒子群算法對參數進行優(yōu)化。最后，利用實測的網絡時延值進行仿真研究。結果表明，新型內?？刂破髂軌蝻@著提高系統(tǒng)的魯棒性，并且在參數調節(jié)的靈活性、系統(tǒng)響應的快速性和抗干擾能力方面均優(yōu)于經典內?？刂破鳎軌驖M足遠程手術系統(tǒng)的實際控制要求。
內?？刂?；粒子群優(yōu)化；遠程手術；時延
0 前言
典型的遠程手術系統(tǒng)主要由三部分組成：醫(yī)生操作的主控端 ；基于 Internet傳遞位姿和力信息的通信通道 ；用于完成手術任務的遠程手術端。醫(yī)生通過主控端輸入信息，遠端從操作手作為被控對象進行實際手術操作，信息的傳遞和反饋需要經過網絡，因而存在變時延問題。遠程手術系統(tǒng)因存在網絡時延而成為典型的網絡控制系統(tǒng)之一，內?？刂埔云浔举|魯棒性、參數調節(jié)簡單而被廣泛應用其中。
內模控制的原理是將被控對象與對象模型并聯(lián)，內模控制器取模型的動態(tài)逆，并在反饋環(huán)節(jié)添加低通濾波器以增強系統(tǒng)的魯棒性和抗干擾能力。傳統(tǒng)的內?？刂坪?難 在 穩(wěn) 定 性 和 抗 干 擾 性之 間 尋 求 一 個 平 衡 點[1]。 基 于神經網絡的內?？刂破髂芤匀我饩缺平蔷€性模型，取得了良好的控制品質，但因需要大量數據訓練神經網絡 使 其 應 用 受 到 了 一 定 程 度 的 限 制[2]。 先 進 PID 控 制 以其結構簡單通用性好，獲得了廣泛應用，但是當被控對象因為外部環(huán)境的變化而發(fā)生參數改變時，PID 控制很難達到滿意的控制效果[3]。
為了保證存在時延的情況下遠程手術系統(tǒng)具有良好的穩(wěn)定性和抗干擾能力，使系統(tǒng)的調節(jié)更加方便靈活，使系統(tǒng)具有較高的魯棒性，本文基于前向 PID 和反饋環(huán)節(jié)設計了新型內?？刂破?，規(guī)避了對模型動態(tài)逆的求取。然后，利用動態(tài)改變權重和自適應變異率的粒子群優(yōu)化算法對控制參數進行優(yōu)化。最后，通過仿真實驗對新型內?？刂破骱徒浀鋬饶？刂破髟谶h程手術系統(tǒng)的控制效果進行比較。仿真結果表明基于新型內?？刂频倪h程手術系統(tǒng)各項性能指標均獲得了大幅度提升。
1 內?？刂破鞯脑O計
基于傳統(tǒng)內?？刂频倪h程手術系統(tǒng)框圖，見圖1。
圖1 基于內模控制的遠程手術系統(tǒng)框圖
圖 1 中，τca、τsc分別 表 示主控端 發(fā)送數據 到遠端從操作手、遠端傳感器發(fā)送數據到主控端所產生的網絡時延。F(s)是反饋控制器，一般設計為一階低通濾波器。Gp(s) 為 被 控 對 象，Gs(s) 為 被 控 對 象 模 型。D(s) 是 內 模 控制器， 一 般是取 對 象 模 型 Gs(s) 的 動 態(tài) 逆，如 果 Gs(s) 存 在不穩(wěn)定極點，則模型的精確動態(tài)逆無法得到，必須利用濾波器進行調節(jié)[4]。
為了保證控制效果，設計了基于 PID 加反饋環(huán)節(jié)的新型內?？刂破?，并加入了外部的干擾，系統(tǒng)框圖，見圖2。
圖2 基于PID和反饋復合控制的遠程手術系統(tǒng)框圖
由系統(tǒng)傳遞函數得到系統(tǒng)的閉環(huán)特征方程為：
由式 (1)可知，特征方程中含有不穩(wěn)定的時滯環(huán)節(jié)，因不穩(wěn)定時滯環(huán)節(jié)的存在會使系統(tǒng)的控制品質降低，嚴重時會導致系統(tǒng)的不穩(wěn)定。同時，由于被控對象的多樣性和精確得到其數學模型的困難性，使得對系統(tǒng)穩(wěn)定性的理論分析非常困難，實際效果也是不明顯的。因此，本文規(guī)避對系統(tǒng)穩(wěn)定性的理論分析，而是針對某一特定的被控對象，利用粒子群優(yōu)化算法對控制參數進行優(yōu)化，以提高內?？刂破鞯姆€(wěn)定性和抗干擾性能。
2 基于粒子群算法的內模控制參數優(yōu)化
2.1 粒子群算法的選取
粒子群算法是一種基于群體智能的優(yōu)化算法，其具有并行處理、魯棒性好、計算效率高等優(yōu)點，并且能以較快的收斂速度搜索到全局最優(yōu)解，具有良好的普適性[5]。在非線性控制系統(tǒng)中，由于控制參數較多且不易整定，因此粒子群優(yōu)化算法得到了廣泛應用。
粒子群算法有較快的收斂速度，但是容易陷入局部最優(yōu)解。為克服此缺點，采用自適應粒子變異和動態(tài)改變權重兩種策略[6,7]。在算法前期，較大變異率可以保持較高的種群多樣性，增加粒子的搜索范圍，在算法的后期，變異率隨之降低，以提高搜索精度，自適應變異率公式如式 (2)所示：
動態(tài)改變權重也具有與自適應粒子變異相同的作用，如式 (3)所示 ：
式中：w 為慣性權重，wmin為最小權重；wmax為最大權重；k指第k次迭代；G為總的迭代次數。
2.2 目標函數及粒子范圍的確定
為了對控制系統(tǒng)參數進行優(yōu)化，選用積分時間絕對誤差[8]（ITAE，Integral of Time-weighted Absolute Error) 作 為判別系統(tǒng)優(yōu)劣的性能指標。ITAE 是一種具有很好工程實用性和通用性的控制系統(tǒng)性能評價指標，能夠綜合評價系統(tǒng)的品質。其表達式如式 (4)所示。其值越小，表明系統(tǒng)的綜合性能越好。
式 中 ：T 表 示整 個 仿 真時 間，y(t) 表示 輸 出，r(t) 表 示輸入。
3 仿真研究
3.1 網絡時延測試
為了使仿真實驗更接近實際情況，實際測試一段網絡時延值并在仿真實驗中加以應用。圖 3表示的是采用UDP (User Datagram Protocol) 協(xié)議測試的北京 - 哈爾濱的網絡時延隨時間的分布曲線。
從圖3可以看出，北京到哈爾濱的網絡時延大部分集中在 200 ms左右，并伴有隨機的跳變和波動，均值為194.82 ms，最大可以達到 900 ms 左右。采用圖 3 所示的延時進行仿真，系統(tǒng)每次迭代隨機取某一時刻的時延值作為網絡時延。采用單位階躍信號對系統(tǒng)進行測試，并與經典兩步設計法所得內?？刂破鞯碾A躍響應進行對比。
圖3 北京-哈爾濱時延分布
3.2 對函數f1進行優(yōu)化
粒子群算法的初始參數設定如下 ：粒子群規(guī)模為 20，最大權重為 1.2，最小權重為 0.4，迭代次數為 200，學習因子 c1=c2=2，采樣周期 T=0.01 s，仿真時間為 10 s，無干擾。函數f1的適應值迭代曲線和系統(tǒng)單位階躍響應曲線分別見圖 4(a)和圖 4(b)。
圖4 (a) 函數 迭代曲線
圖4 (b)系統(tǒng)單位階躍響應曲線
由圖 4(a)可以看出，ITAE 指標收斂速度很快，經過200 次迭代已經收斂到 0.207。這說明本粒子群算法具有很好的收斂性。從圖 4(b)可以看出，PID 加反饋控制系統(tǒng)在響應速度和超調量等性能指標上要優(yōu)于普通的內?？刂?。PID 加反饋控制在短暫的延時之后，迅速跟蹤了系統(tǒng)的輸入，并且超調量非常小，調節(jié)時間為 0.24 s，超調量為 1.4%。而普通內模控制的調節(jié)時間為 1 s，超調量為 6%。
綜上所述，通過對系統(tǒng)的 ITAE 指標進行優(yōu)化，可以使系統(tǒng)在無干擾的情況下很快的達到穩(wěn)定，完全可以滿足系統(tǒng)對快速性和穩(wěn)定性的要求。
3.3 系統(tǒng)抗干擾性能研究
這里將干擾信號 設定為在 2 s 時刻，加入幅值為 0.2 階躍干擾，直到仿真時間結束，考察系統(tǒng)的抗干擾性能。由于函數 是一個綜合性能指標，對抗干擾性能的優(yōu)化采用函數f1作為目標函數，利用粒子群算法進行優(yōu)化。
粒子群算法的初始參數設定如下 ：粒子群規(guī)模為 20，最大權重為 1.2，最小權重為 0.4，迭代次數為 200，學習因子 c1=c2=2，采樣周期 T=0.01s，仿真時間為 10 s，階躍干擾，幅值為 0.2，2 s 時加入。函數f1適應值迭代曲線和外部干擾情況下系統(tǒng)階躍響應分別見圖 5(a)和圖 5(b)。
圖5 (a) 函數 適應值迭代曲線圖
圖5 (b) 外部干擾情況下系統(tǒng)階躍響應曲線
從圖 5(a)中可以看出，ITAE 指標最終收斂到 0.57，與圖 4(a)中的 0.2 相比， ITAE 指標增加了。這是由于外部干擾的加入，使得系統(tǒng)偏差變大，提升了 ITAE 指標。從圖5(b)中可以看出，PID 加反饋環(huán)節(jié)的內模控制系統(tǒng)在前 2 s 達到穩(wěn)定狀態(tài)，在 2 s 時加入階躍干擾信號 ，系統(tǒng)經過 0.6 s的調節(jié)時間之后迅速達到穩(wěn)定。而普通的內?？刂葡到y(tǒng)需要更長的調節(jié)時間（1.2 s）才能恢復到穩(wěn)定狀態(tài)。這說明采用 PID 加反饋環(huán)節(jié)的內?？刂破骶哂懈鼜姷目垢蓴_能力，能夠在有外部干擾的情況下快速的對輸入信號實現無偏差跟蹤。
4 結論
本文針對遠程手術系統(tǒng)中的時延問題，對內模控制器進行了重新設計，采用 PID 加反饋環(huán)節(jié)的新型內模控制器。同時，利用動態(tài)改變權重和自適應粒子變異率的粒子群算法對新型內?？刂破鞯膮颠M行優(yōu)化，并與經典內?？刂破鬟M行對比。仿真結果表明基于粒子群優(yōu)化的新型內?？刂破餍阅軆?yōu)于經典內?？刂破鳎軌虮ＷC遠程手術系統(tǒng)的穩(wěn)定性。
[1] Guo J,Guo S,Xiao N,et al．A novel robotic catheter system with force and visual feedback for vascular interventional surgery[J]．International Journal of Mechatronics and Automation,2012,2(1):15-24．
[2] Chen C W,Chen P C,Chiang W L．Modified intelligent genetic algorithm-based adaptive neural network control for uncertain structural systems[J]．Journal of Vibration and Control,2013,19(9):1333-1347．
[3] Cetin S,Akkaya A V．Simulation and hybrid fuzzy-PID control for positioning of a hydraulic system[J]．Nonlinear Dynamics, 2010,61(3):465-476．
[4] Shao Z,Chen C,Huang Y．A novel LS-SVM generalized inverse control of three-phase active power filter based on improved adaptive harmonic detection[C]．Computer, Mechatronics, Control and Electronic Engineering (CMCE),2010 International Conference on IEEE,2010,4:452-455．
[5] Daneshyari M,Yen G G．Cultural-based multiobjective particle swarm optimization[J]．Systems,Man,and Cybernetics,Part B:Cybernetics,IEEE Transactions on,2011,41(2):553-567．
[6] Modares H,Alfi A,Naghibi Sistani M B．Parameter estimation of bilinear systems based on an adaptive particle swarm optimization[J]．Engineering Applications of Artificial Intelligen ce,2010,23(7):1105-1111．
[7] Zaharis Z D,Gotsis K A,Sahalos J N．Adaptive beamforming with low side lobe level using neural networks trained by mutated boolean PSO[J]．Progress In Electromagnetics Research, 2012,127:139-154．
[8] LI L,HE Y,YE H．Simulation of Permanent Magnet Synchronous Motor Vector Control Based on ITAE Optimization [J]．Electric Machines & Control Application,2011,6:006．
Research on Internal Model Control of Remote Surgery System Based on Particle Swarm Optimization
DONG Ai1, HE Shi-lin2,YAN Zhi-yuan1, DU Zhi-jiang1, CHEN Guang-fei2, ZHOU Dan2
1.State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin, Heilongjiang 150080, China; 2.Chinese PLA General Hospital, Beijing 100039, China
With the rapid advances in robotics and information technology, the robot assisted telesurgery system has acquired the long-term development, which plays an important role in the reasonable allocation of medical resources and remote medical treatment. The inevitable existence of network time delay, however, leads to the lower stability of the entire system. Therefore, in view of the adverse factors of variable time delay, a new type of internal model control strategy is presented based on PID controller plus feedback loop, and using the modified particle swarm optimization algorithm for parameters optimization. Finally, the simulation experiment was carried out using the measured network time delay value. The experimental results show that the new type of internal model controller can significantly improve the robustness of the system, and the parameter adjusting fl exibility, quickness and the antiinterference ability of system is superior to classical internal model controller, which can meet the control requirements of remote surgery system.
internal model control; particle swarm optimization; remote surgery; time-delay
R197.39；TP242.3
A
10.3969/j.issn.1674-1633.2014.08.003
1674-1633(2014)08-0014-03
2013-03-02
2013-03-23
作者郵箱：1121657550@qq．com
猜你喜歡
讓人膽寒的“遠程殺手”：彈道導彈軍事文摘(2022年20期)2023-01-10 07:18:38 遠程工作狂綜合征英語文摘(2021年11期)2021-12-31 03:25:18 基于GCC-nearest時延估計的室內聲源定位電子制作(2019年23期)2019-02-23 13:21:12 基于改進二次相關算法的TDOA時延估計測控技術(2018年6期)2018-11-25 09:50:10 遠程詐騙學生天地(2018年19期)2018-09-07 07:06:30 FRFT在水聲信道時延頻移聯(lián)合估計中的應用系統(tǒng)工程與電子技術(2016年7期)2016-08-21 13:59:18 基于分段CEEMD降噪的時延估計研究電測與儀表(2016年17期)2016-04-11 12:38:28 基于內模控制的SSSC前饋解耦控制策略研究四川電力技術(2015年5期)2015-12-19 11:04:52 基于三自由度內模解耦控制的VSC-MTDC性能分析電測與儀表(2015年16期)2015-04-12 00:44:32 電測與儀表(2015年20期)2015-04-09 11:53:56
董愛，何史林，閆志遠，杜志江，陳廣飛，周丹
1.哈爾濱工業(yè)大學機器人技術與系統(tǒng)國家重點實驗室，黑龍江 哈爾濱150080；2.中國人民解放軍總醫(yī)院，北京 100039
基于粒子群優(yōu)化的遠程手術系統(tǒng)內?？刂蒲芯?/p>
董愛1，何史林2，閆志遠1，杜志江1，陳廣飛2，周丹2
1.哈爾濱工業(yè)大學機器人技術與系統(tǒng)國家重點實驗室，黑龍江 哈爾濱150080；2.中國人民解放軍總醫(yī)院，北京 100039
隨著機器人技術和信息技術的日新月異，機器人輔助遠程手術系統(tǒng)獲得了長足發(fā)展，在合理配置醫(yī)療資源和遠程救治方面發(fā)揮著不可替代的巨大作用。但是，遠程手術不可避免的存在網絡時延，導致整個系統(tǒng)的穩(wěn)定性降低。為此，本文針對變時延這一不利影響因素，提出了基于PID加反饋環(huán)節(jié)的新型內?？刂撇呗?，并利用改進型粒子群算法對參數進行優(yōu)化。最后，利用實測的網絡時延值進行仿真研究。結果表明，新型內?？刂破髂軌蝻@著提高系統(tǒng)的魯棒性，并且在參數調節(jié)的靈活性、系統(tǒng)響應的快速性和抗干擾能力方面均優(yōu)于經典內?？刂破鳎軌驖M足遠程手術系統(tǒng)的實際控制要求。
內?？刂?；粒子群優(yōu)化；遠程手術；時延
0 前言
典型的遠程手術系統(tǒng)主要由三部分組成：醫(yī)生操作的主控端 ；基于 Internet傳遞位姿和力信息的通信通道 ；用于完成手術任務的遠程手術端。醫(yī)生通過主控端輸入信息，遠端從操作手作為被控對象進行實際手術操作，信息的傳遞和反饋需要經過網絡，因而存在變時延問題。遠程手術系統(tǒng)因存在網絡時延而成為典型的網絡控制系統(tǒng)之一，內?？刂埔云浔举|魯棒性、參數調節(jié)簡單而被廣泛應用其中。
內模控制的原理是將被控對象與對象模型并聯(lián)，內模控制器取模型的動態(tài)逆，并在反饋環(huán)節(jié)添加低通濾波器以增強系統(tǒng)的魯棒性和抗干擾能力。傳統(tǒng)的內?？刂坪?難 在 穩(wěn) 定 性 和 抗 干 擾 性之 間 尋 求 一 個 平 衡 點[1]。 基 于神經網絡的內?？刂破髂芤匀我饩缺平蔷€性模型，取得了良好的控制品質，但因需要大量數據訓練神經網絡 使 其 應 用 受 到 了 一 定 程 度 的 限 制[2]。 先 進 PID 控 制 以其結構簡單通用性好，獲得了廣泛應用，但是當被控對象因為外部環(huán)境的變化而發(fā)生參數改變時，PID 控制很難達到滿意的控制效果[3]。
為了保證存在時延的情況下遠程手術系統(tǒng)具有良好的穩(wěn)定性和抗干擾能力，使系統(tǒng)的調節(jié)更加方便靈活，使系統(tǒng)具有較高的魯棒性，本文基于前向 PID 和反饋環(huán)節(jié)設計了新型內?？刂破?，規(guī)避了對模型動態(tài)逆的求取。然后，利用動態(tài)改變權重和自適應變異率的粒子群優(yōu)化算法對控制參數進行優(yōu)化。最后，通過仿真實驗對新型內?？刂破骱徒浀鋬饶？刂破髟谶h程手術系統(tǒng)的控制效果進行比較。仿真結果表明基于新型內?？刂频倪h程手術系統(tǒng)各項性能指標均獲得了大幅度提升。
1 內?？刂破鞯脑O計
基于傳統(tǒng)內?？刂频倪h程手術系統(tǒng)框圖，見圖1。
圖1 基于內模控制的遠程手術系統(tǒng)框圖
圖 1 中，τca、τsc分別 表 示主控端 發(fā)送數據 到遠端從操作手、遠端傳感器發(fā)送數據到主控端所產生的網絡時延。F(s)是反饋控制器，一般設計為一階低通濾波器。Gp(s) 為 被 控 對 象，Gs(s) 為 被 控 對 象 模 型。D(s) 是 內 模 控制器， 一 般是取 對 象 模 型 Gs(s) 的 動 態(tài) 逆，如 果 Gs(s) 存 在不穩(wěn)定極點，則模型的精確動態(tài)逆無法得到，必須利用濾波器進行調節(jié)[4]。
為了保證控制效果，設計了基于 PID 加反饋環(huán)節(jié)的新型內?？刂破?，并加入了外部的干擾，系統(tǒng)框圖，見圖2。
圖2 基于PID和反饋復合控制的遠程手術系統(tǒng)框圖
由系統(tǒng)傳遞函數得到系統(tǒng)的閉環(huán)特征方程為：
由式 (1)可知，特征方程中含有不穩(wěn)定的時滯環(huán)節(jié)，因不穩(wěn)定時滯環(huán)節(jié)的存在會使系統(tǒng)的控制品質降低，嚴重時會導致系統(tǒng)的不穩(wěn)定。同時，由于被控對象的多樣性和精確得到其數學模型的困難性，使得對系統(tǒng)穩(wěn)定性的理論分析非常困難，實際效果也是不明顯的。因此，本文規(guī)避對系統(tǒng)穩(wěn)定性的理論分析，而是針對某一特定的被控對象，利用粒子群優(yōu)化算法對控制參數進行優(yōu)化，以提高內?？刂破鞯姆€(wěn)定性和抗干擾性能。
2 基于粒子群算法的內模控制參數優(yōu)化
2.1 粒子群算法的選取
粒子群算法是一種基于群體智能的優(yōu)化算法，其具有并行處理、魯棒性好、計算效率高等優(yōu)點，并且能以較快的收斂速度搜索到全局最優(yōu)解，具有良好的普適性[5]。在非線性控制系統(tǒng)中，由于控制參數較多且不易整定，因此粒子群優(yōu)化算法得到了廣泛應用。
粒子群算法有較快的收斂速度，但是容易陷入局部最優(yōu)解。為克服此缺點，采用自適應粒子變異和動態(tài)改變權重兩種策略[6,7]。在算法前期，較大變異率可以保持較高的種群多樣性，增加粒子的搜索范圍，在算法的后期，變異率隨之降低，以提高搜索精度，自適應變異率公式如式 (2)所示：
動態(tài)改變權重也具有與自適應粒子變異相同的作用，如式 (3)所示 ：
式中：w 為慣性權重，wmin為最小權重；wmax為最大權重；k指第k次迭代；G為總的迭代次數。
2.2 目標函數及粒子范圍的確定
為了對控制系統(tǒng)參數進行優(yōu)化，選用積分時間絕對誤差[8]（ITAE，Integral of Time-weighted Absolute Error) 作 為判別系統(tǒng)優(yōu)劣的性能指標。ITAE 是一種具有很好工程實用性和通用性的控制系統(tǒng)性能評價指標，能夠綜合評價系統(tǒng)的品質。其表達式如式 (4)所示。其值越小，表明系統(tǒng)的綜合性能越好。
式 中 ：T 表 示整 個 仿 真時 間，y(t) 表示 輸 出，r(t) 表 示輸入。
3 仿真研究
3.1 網絡時延測試
為了使仿真實驗更接近實際情況，實際測試一段網絡時延值并在仿真實驗中加以應用。圖 3表示的是采用UDP (User Datagram Protocol) 協(xié)議測試的北京 - 哈爾濱的網絡時延隨時間的分布曲線。
從圖3可以看出，北京到哈爾濱的網絡時延大部分集中在 200 ms左右，并伴有隨機的跳變和波動，均值為194.82 ms，最大可以達到 900 ms 左右。采用圖 3 所示的延時進行仿真，系統(tǒng)每次迭代隨機取某一時刻的時延值作為網絡時延。采用單位階躍信號對系統(tǒng)進行測試，并與經典兩步設計法所得內?？刂破鞯碾A躍響應進行對比。
圖3 北京-哈爾濱時延分布
3.2 對函數f1進行優(yōu)化
粒子群算法的初始參數設定如下 ：粒子群規(guī)模為 20，最大權重為 1.2，最小權重為 0.4，迭代次數為 200，學習因子 c1=c2=2，采樣周期 T=0.01 s，仿真時間為 10 s，無干擾。函數f1的適應值迭代曲線和系統(tǒng)單位階躍響應曲線分別見圖 4(a)和圖 4(b)。
圖4 (a) 函數 迭代曲線
圖4 (b)系統(tǒng)單位階躍響應曲線
由圖 4(a)可以看出，ITAE 指標收斂速度很快，經過200 次迭代已經收斂到 0.207。這說明本粒子群算法具有很好的收斂性。從圖 4(b)可以看出，PID 加反饋控制系統(tǒng)在響應速度和超調量等性能指標上要優(yōu)于普通的內?？刂?。PID 加反饋控制在短暫的延時之后，迅速跟蹤了系統(tǒng)的輸入，并且超調量非常小，調節(jié)時間為 0.24 s，超調量為 1.4%。而普通內模控制的調節(jié)時間為 1 s，超調量為 6%。
綜上所述，通過對系統(tǒng)的 ITAE 指標進行優(yōu)化，可以使系統(tǒng)在無干擾的情況下很快的達到穩(wěn)定，完全可以滿足系統(tǒng)對快速性和穩(wěn)定性的要求。
3.3 系統(tǒng)抗干擾性能研究
這里將干擾信號 設定為在 2 s 時刻，加入幅值為 0.2 階躍干擾，直到仿真時間結束，考察系統(tǒng)的抗干擾性能。由于函數 是一個綜合性能指標，對抗干擾性能的優(yōu)化采用函數f1作為目標函數，利用粒子群算法進行優(yōu)化。
粒子群算法的初始參數設定如下 ：粒子群規(guī)模為 20，最大權重為 1.2，最小權重為 0.4，迭代次數為 200，學習因子 c1=c2=2，采樣周期 T=0.01s，仿真時間為 10 s，階躍干擾，幅值為 0.2，2 s 時加入。函數f1適應值迭代曲線和外部干擾情況下系統(tǒng)階躍響應分別見圖 5(a)和圖 5(b)。
圖5 (a) 函數 適應值迭代曲線圖
圖5 (b) 外部干擾情況下系統(tǒng)階躍響應曲線
從圖 5(a)中可以看出，ITAE 指標最終收斂到 0.57，與圖 4(a)中的 0.2 相比， ITAE 指標增加了。這是由于外部干擾的加入，使得系統(tǒng)偏差變大，提升了 ITAE 指標。從圖5(b)中可以看出，PID 加反饋環(huán)節(jié)的內模控制系統(tǒng)在前 2 s 達到穩(wěn)定狀態(tài)，在 2 s 時加入階躍干擾信號 ，系統(tǒng)經過 0.6 s的調節(jié)時間之后迅速達到穩(wěn)定。而普通的內?？刂葡到y(tǒng)需要更長的調節(jié)時間（1.2 s）才能恢復到穩(wěn)定狀態(tài)。這說明采用 PID 加反饋環(huán)節(jié)的內?？刂破骶哂懈鼜姷目垢蓴_能力，能夠在有外部干擾的情況下快速的對輸入信號實現無偏差跟蹤。
4 結論
本文針對遠程手術系統(tǒng)中的時延問題，對內模控制器進行了重新設計，采用 PID 加反饋環(huán)節(jié)的新型內模控制器。同時，利用動態(tài)改變權重和自適應粒子變異率的粒子群算法對新型內?？刂破鞯膮颠M行優(yōu)化，并與經典內?？刂破鬟M行對比。仿真結果表明基于粒子群優(yōu)化的新型內?？刂破餍阅軆?yōu)于經典內?？刂破鳎軌虮ＷC遠程手術系統(tǒng)的穩(wěn)定性。
[1] Guo J,Guo S,Xiao N,et al．A novel robotic catheter system with force and visual feedback for vascular interventional surgery[J]．International Journal of Mechatronics and Automation,2012,2(1):15-24．
[2] Chen C W,Chen P C,Chiang W L．Modified intelligent genetic algorithm-based adaptive neural network control for uncertain structural systems[J]．Journal of Vibration and Control,2013,19(9):1333-1347．
[3] Cetin S,Akkaya A V．Simulation and hybrid fuzzy-PID control for positioning of a hydraulic system[J]．Nonlinear Dynamics, 2010,61(3):465-476．
[4] Shao Z,Chen C,Huang Y．A novel LS-SVM generalized inverse control of three-phase active power filter based on improved adaptive harmonic detection[C]．Computer, Mechatronics, Control and Electronic Engineering (CMCE),2010 International Conference on IEEE,2010,4:452-455．
[5] Daneshyari M,Yen G G．Cultural-based multiobjective particle swarm optimization[J]．Systems,Man,and Cybernetics,Part B:Cybernetics,IEEE Transactions on,2011,41(2):553-567．
[6] Modares H,Alfi A,Naghibi Sistani M B．Parameter estimation of bilinear systems based on an adaptive particle swarm optimization[J]．Engineering Applications of Artificial Intelligen ce,2010,23(7):1105-1111．
[7] Zaharis Z D,Gotsis K A,Sahalos J N．Adaptive beamforming with low side lobe level using neural networks trained by mutated boolean PSO[J]．Progress In Electromagnetics Research, 2012,127:139-154．
[8] LI L,HE Y,YE H．Simulation of Permanent Magnet Synchronous Motor Vector Control Based on ITAE Optimization [J]．Electric Machines & Control Application,2011,6:006．
Research on Internal Model Control of Remote Surgery System Based on Particle Swarm Optimization
DONG Ai1, HE Shi-lin2,YAN Zhi-yuan1, DU Zhi-jiang1, CHEN Guang-fei2, ZHOU Dan2
1.State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin, Heilongjiang 150080, China; 2.Chinese PLA General Hospital, Beijing 100039, China
With the rapid advances in robotics and information technology, the robot assisted telesurgery system has acquired the long-term development, which plays an important role in the reasonable allocation of medical resources and remote medical treatment. The inevitable existence of network time delay, however, leads to the lower stability of the entire system. Therefore, in view of the adverse factors of variable time delay, a new type of internal model control strategy is presented based on PID controller plus feedback loop, and using the modified particle swarm optimization algorithm for parameters optimization. Finally, the simulation experiment was carried out using the measured network time delay value. The experimental results show that the new type of internal model controller can significantly improve the robustness of the system, and the parameter adjusting fl exibility, quickness and the antiinterference ability of system is superior to classical internal model controller, which can meet the control requirements of remote surgery system.
internal model control; particle swarm optimization; remote surgery; time-delay
R197.39；TP242.3
A
10.3969/j.issn.1674-1633.2014.08.003
1674-1633(2014)08-0014-03
2013-03-02
2013-03-23
作者郵箱：1121657550@qq．com
猜你喜歡
軍事文摘(2022年20期)2023-01-10 07:18:38
英語文摘(2021年11期)2021-12-31 03:25:18
電子制作(2019年23期)2019-02-23 13:21:12
測控技術(2018年6期)2018-11-25 09:50:10
學生天地(2018年19期)2018-09-07 07:06:30
系統(tǒng)工程與電子技術(2016年7期)2016-08-21 13:59:18
電測與儀表(2016年17期)2016-04-11 12:38:28
四川電力技術(2015年5期)2015-12-19 11:04:52
電測與儀表(2015年16期)2015-04-12 00:44:32
