12、智能科技助力教育与控制：从社交机器人到LQI控制器的探索

智能科技助力教育与控制：从社交机器人到LQI控制器的探索

1. LQI控制器优化算法研究

1.1 优化算法响应分析

在直流电机控制系统中，采用不同的优化算法对LQI控制器进行优化，会得到不同的控制效果。
- 细菌觅食算法（BFO）优化 ：通过BFO优化算法对LQI控制器进行优化，可消除超调、稳态误差和振荡，使系统输出能以最优方式跟踪设定点或参考值。如图1所示，该算法能让系统快速稳定，实现精准控制。
- 蚁群算法（ACO）优化 ：使用ACO优化算法时，会观察到轻微的稳态误差，这会影响对参考值变化的最优跟踪。尽管如此，它在一定程度上仍能改善系统的响应特性。

1.2 Wilcoxom测试结果

为了比较不同优化算法对LQI控制器的性能，进行了Wilcoxom测试，测试设定置信水平为95%，比较的算法组合包括BFO - GA、ACO - GA和ACO - BFO。具体的比较假设如下：
| 比较组合 | 原假设（$H_0$） | 备择假设1（$H_{a1}$） | 备择假设2（$H_{a2}$） |
| ---- | ---- | ---- | ---- |
| BFO - GA | 由（BFO - GA）优化的两个LQI控制器的ITAE性能指标对于直流电机在设定点变化时的速度控制是最优的。 | BFO优化的LQI控制的性能指标（ITAE）高于GA优化的LQI控制的性能指标（ITAE）。 | BFO优化的LQI控制的性能指标（ITAE）低于GA优化的LQI控制的性能指标（ITAE）。 |
| ACO - GA | 由（ACO -