CN108363302A - 一种基于和声搜索的船舶动力定位底层推进器控制方法 - Google Patents
一种基于和声搜索的船舶动力定位底层推进器控制方法 Download PDFInfo
- Publication number
- CN108363302A CN108363302A CN201810148886.2A CN201810148886A CN108363302A CN 108363302 A CN108363302 A CN 108363302A CN 201810148886 A CN201810148886 A CN 201810148886A CN 108363302 A CN108363302 A CN 108363302A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- speed difference
- rotational speed
- output
- harmony search
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013139 quantization Methods 0.000 claims abstract description 19
- 238000010845 search algorithm Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims description 18
- 101100177269 Arabidopsis thaliana HCAR gene Proteins 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 abstract description 10
- 230000009466 transformation Effects 0.000 abstract description 5
- 230000033228 biological regulation Effects 0.000 abstract description 4
- 230000001360 synchronised effect Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 5
- 238000004804 winding Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于和声搜索的船舶动力定位底层推进器控制方法,采用基于模糊控制器的模糊控制方法控制推进器电机转速,模糊控制方法包括:S1:输入转速差值和转速差值变化量;S2:量化变换、模糊化得到转速差值模糊化结果和转速差值变化量模糊化结果;S3:模糊推理、解模糊得到转速输出量和转速输出变化量;S4:比例变换得到调速控制量;S5:将调速控制量反馈至推进器,并基于和声搜索算法优化模糊控制器中的相关度矩阵、量化因子和比例因子。与现有技术相比,本发明使用改进的和声搜索算法来进行模糊控制参数优化,从而寻找到合适的参数组合来优化模糊控制器,使得其在船舶动力定位底层电机推进上具有更加优秀的控制效果。
Description
技术领域
本发明涉及船舶自动化领域,尤其是涉及一种基于和声搜索的船舶动力定位底层推进器控制方法。
背景技术
船舶动力定位系统(DPS)的主要功能是保持船舶在期望的位置或驱动船舶沿着指定的轨迹航行。它主要根据船舶的当前位置状态与期望值之间的偏差量和外部环境干扰,计算出船舶实时所需要的总的推力和力矩,然后再根据推力分配逻辑方法计算出船舶装备的各个推进器的所需产生的推力及其角度,并将控制指令传送到推进器,推进器根据该指令产生要求的推力完成船舶定位。
船舶在动力定位工况下推进器的工作状态与传统航行工况有所不同。为了能更好的达到准确的定位效果,进一步减少定位上所存在的误差,对推进器转速控制精度、转速稳定时间、抗干扰能力、转速超调量的控制和螺旋桨的转矩扰动的限制上,都有更高的要求。
在推进器选择方面,由于推进系统的负载转矩波动较大,对空间安装条件要求较高,且工作环境恶劣,因而推进器必须具备能够适应上诉条件的良好推进性能。而永磁同步电机因其具有小体积安装灵活,易维修,寿命长,起动转矩较大,控制性能较理想等优点,成为船舶动力定位电力推进系统中推进电机的最佳选择。
对于永磁同步电机的控制方式,采用矢量控制方式的永磁同步电机能够取得较为优异的动态和稳态性能,但是又由于船舶动力定位控制系统的工作环境复杂,使得建立控制对象足够精确的数学模型较为困难,因此电机矢量控制技术难以高效的处理由于电机负载和数学模型的大幅改变而造成的影响,使得其难以满足某些工况的高性能,高精度的控制要求。为提高电机矢量控制的控制性能,将智能控制算法引入到矢量控制当中,其中的模糊控制因不依赖于精确的被控对象数学模型及其参数变化,是处理不确定问题的一种较为可行的方式,而且控制的实时性较好,能够加快响应,提高控制精度,适合在船舶电力推进控制系统中的应用。
船舶动力定位系统因工作环境复杂,使得建立控制对象足够精确的模型较为困难,使用一般的控制方法难以满足某些工况高性能,高精度的控制要求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于和声搜索的船舶动力定位底层推进器控制方法,使用改进的和声搜索算法来进行模糊控制参数优化,从而寻找到合适的参数组合来优化模糊控制器,使得其在船舶动力定位底层电机推进上具有更加优秀的控制效果。
本发明的目的可以通过以下技术方案来实现:
一种基于和声搜索的船舶动力定位底层推进器控制方法,采用基于模糊控制器的模糊控制方法控制推进器电机转速,并基于和声搜索算法优化模糊控制器中的参数设置;
所述基于模糊控制器的模糊控制方法包括以下步骤:
S1:实时采集推进器的电机实际输出转速y′,根据电机实际输出转速y′与电机给定转速yg得到转速差值e和转速差值变化量Δe,e=y′-yg,t表示时间;
S2:转速差值e依次经量化因子k1的量化变换、模糊化得到转速差值模糊化结果E,转速差值变化量Δe依次经量化因子k3的量化变换、模糊化得到转速差值变化量模糊化结果EC;
模糊化过程中,定义转速差值模糊化结果E、转速差值变化量模糊化结果EC满足以下公式:
E=[e1,e2,...,ei,...,em]
EC=[Δe1,Δe2,...,Δej,...,Δen]
式中,ei表示第i个转速差值模糊子集,m表示E对应的模糊子集总数,Δej表示第j个转速差值变化量模糊子集,n表示EC对应的模糊子集总数;
S3:转速差值模糊化结果E和转速差值变化量模糊化结果EC依次经基于模糊规则的模糊推理、解模糊得到转速输出量y0和转速输出变化量Δy0,
模糊规则为:若E为ei,且EC为Δej,则输出权值ri,j和模糊输出量y(i-1)n+j;
定义相关度矩阵R和模糊输出量集合y满足以下公式:
y=[y1,y2,...,y(i-1)n+j,...,ymn]
解模糊的过程为:
S4:转速输出量y0和转速输出变化量Δy0经比例因子k2、k4的比例变换得到调速控制量Y,Y=k2y0+k4Δy0;
S5:将调速控制量Y反馈至推进器,作为推进器电机转速设定值控制推进器电机转速。
基于和声搜索算法优化相关度矩阵R、量化因子k1、k3和比例因子k2、k4。
基于和声搜索算法优化模糊控制器中的参数设置的步骤包括:
101:参数和声库每一行的分量为一个解,且每一行的每个分量依次对应相关度矩阵R的元素、量化因子k1、比例因子k2、量化因子k3和比例因子k4,依照各分量取值范围随机生成数量为HMS组的初始参数和声库HM;并设置最大迭代次数N和选择概率HMCR;
102:随机生成一个[0,1]之间的随机数Rand,若Rand<HMCR,则在原参数和声库中随机选取分量组成新解,反之,则重新初始化生成新解;
103:以微调概率PAR微调新解中的分量;
104:根据评价指标分别评价新解和参数和声库中最差解,若新解优于最差解,则新解代替最差解,反之,则保持原参数和声库不变;
105:判断当前迭代次数Iter是否小于N,若是,输出参数和声库并且以评价指标最优对应的一行分量作为模糊控制器使用的参数,否则跳转步骤102。
所述步骤102中,在原参数和声库中随机选取分量组成新解的选取方式满足以下公式:
其中,K(p)为新解中第p个分量,HM(hms,p)表示参数和声库HM中第hms行第p列分量,Randi[,]表示随机取整函数,floor()表示取整函数,α为预设的选择参量。
所述微调概率PAR满足以下公式:
PAR=PAR+β*Iter/N
式中,β表示预设的调整参量。
所述评价指标JITAE满足以下公式:
式中,e(t)表示与时间t对应的转速差值,评价指标越小越优。
与现有技术相比,本发明具有以下优点:
1)本发明提出一种模糊控制器来进行船舶动力定位电力推进电机的控制,在控制的同时,利用和声搜索算法来改进模糊控制器各项参数,即每次运行该模糊控制器的所使用的参数都为和声库HM中生成的参数矩阵,不断通过来评价每次运行时所用的参数,直到稳定获取能使得评价指标最小的参数集合,将获取的最优参数集合分别输入到模糊控制器的各个模块,可有效提高系统控制精度和稳定,实现该底层控制器的优化目的,达到一个更好的控制效果。
2)使用改进的和声搜索算法来进行模糊控制参数优化,从而寻找到合适的参数组合来优化模糊控制器的优化效果,使得其在船舶动力定位底层电机推进上具有更加优秀的控制效果。改进的和声搜索算法中,当迭代次数逐渐增加,解库由初始化逐渐向较优的方向变化的过程中,当随机数Rand<HMCR时,新解在原解库选择分量时,会根据迭代次数增加而更多的选择优秀解中的分量,如此可以在较少的迭代次数中获取到相对优秀的解。
附图说明
图1为基于和声搜索的船舶动力定位底层推进器控制方法的原理示意图;
图2为船舶动力定位底层推进器控制方法中改进和声搜索算法流程图;
图3为模糊控制器中三角形隶属函数示意图;
图4为控制对象永磁同步电机的转速响应曲线;
图5为控制对象永磁同步电机的转矩响应曲线;
图6为控制流经对象永磁同步电机的三相电流响应曲线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
一种基于和声搜索的船舶动力定位底层推进器控制方法,采用基于模糊控制器的模糊控制方法控制推进器电机转速,并基于和声搜索算法优化模糊控制器中的参数设置,从而寻找到合适的参数组合来优化模糊控制器的优化效果,使得其在船舶动力定位底层电机推进上具有更加优秀的控制效果。设计思路如下。
(1)确定模糊控制器输入的隶属函数和控制对象
对于本设计中,将电机所需转速输入与最终输出转速反馈差值e和该差值的变化量Δe作为模糊输入,其论域定为[-6,6],同时给定这两者的隶属度函数为三角形隶属函数如图3所示。
以[NL,NM,NS,Z,PS,PM,PL]七种状态来分别描述输入与反馈差值e和该差值变化量Δe的数值大小程度,对应集合[-6,-3,-1,0,1,3,6]。根据这两者的模糊化结果E和EC来确定与输出之间关系,即定义模糊规则,也是本设计中所需要优化的目标之一。
在模糊推理的Mamdani算法中考虑论域为有限集合的情形,设
U={x1,x2,…,xm},V={y1,y2,...,yn} (1)
Mamdani推理合成算法为
于是得到
即
因此可定义模糊规则:
如果输入为e1,且输入变化率为Δe1,那么就以r1,1作为权值来进行输出y1的计算;
如果输入为e1,且输入变化率为Δe2,那么就以r1,2作为权值来进行输出y2的计算;
…
如果输入为e7,且输入变化率为Δe7,那么就以r7,7作为权值来进行输出y49的计算。
其中模糊规则中所使用的权值r1,1...r7,7为本设计中所需要优化的目标之一。
本设计控制的对象为船舶动力定位底层推进器中所常用的永磁同步电机,其参数设置为:额定电压U,额定功率P,定子绕组电阻Rs,转动惯量J,d轴和q轴绕阻自感为Ld和Lq,转子磁通Wf,极对数Pn。另外,需要说明的是:
1.速度给定部分。本文中提及的转速为电机转子的电气角速度ωr,单位为rad/s,它与机械转速n(r/m)的换算关系为:
pi表示圆周率,电机转速即是模糊控制器的输入量,公式(5)是用于实际进行角速度之间相互转化。
2.电流环调节模块。该部分的输入为电流的期望值和电机的实际反馈值,来展示在该模糊控制器的控制下,输出的电机逆变器的三相相电压值以及变化规律,实现试验效果对比。
(2)待优化参数选择和优化指标确定
本设计中待优化的参数包括两输入和单输出之间的相关度矩阵R以及用于调整输入的量化变换的量化因子k1、k3以及用于调整输出的比例变换的比例因子k2、k4,共计1×D维的参数矩阵,D=7×7+4=53。
本设计中使用的目标函数为控制模型中的时间乘以误差绝对值积分(ITAE),即以该参量作为评价待优化参数的指标,ITAE作为一种误差泛函积分评价指标,以较好的实用性与选择性得到广泛应用。
(3)优化算法流程以及改进方式
本设计中,采用的参数优化方式是利用改进和声搜索算法来进行参数的优化,包括相关度矩阵R、量化因子k1、k3和比例因子k2、k4。其中相关度矩阵R中的各个分量的取值范围为[Rl,Rh],k1、k2、k3、k4的取值范围分别定义为[Kl,Kh],本实施例中,R的成员变量的取值范围为[0,1],k1、k2范围为[0,1],k3、k4范围为[1,10]。
改进和声搜索算法中,在初始化解库后,以HMCR的值为概率来生成两种不同来源的待评价解,其中这两种不同方式分别为在原参数和声库随机选取参数组成新解和重新初始化新解。其中当在参数和声库中选择参数时本设计中设计了改进选择方式。
优化目标为(1)中所提及的永磁同步电机的输入、反馈输出之间的误差与时间乘积的积分,即JITAE。
综上,如图1所示,基于模糊控制器的模糊控制方法包括以下步骤:
S1:实时采集推进器的电机实际输出转速y′,根据电机实际输出转速y′与电机给定转速yg得到转速差值e和转速差值变化量Δe,e=y′-yg,t表示时间。
S2:量化变换和模糊化:转速差值e依次经量化因子k1的量化变换至对应论域范围,再利用三角形隶属函数进行模糊化得到转速差值模糊化结果E,转速差值变化量Δe依次经量化因子k3的量化变换至对应论域范围,再利用三角形隶属函数进行模糊化得到转速差值变化量模糊化结果EC。
模糊化过程中,定义转速差值模糊化结果E、转速差值变化量模糊化结果EC满足以下公式:
E=[e1,e2,...,ei,...,em]
EC=[Δe1,Δe2,...,Δej,...,Δen]
式中,ei表示第i个转速差值模糊子集,m表示E对应的模糊子集总数,Δej表示第j个转速差值变化量模糊子集,n表示EC对应的模糊子集总数,本实施例中m=n=7。
S3:基于知识库的模糊推理和解模糊:转速差值模糊化结果E和转速差值变化量模糊化结果EC依次经基于模糊规则的模糊推理、解模糊得到转速输出量y0和转速输出变化量Δy0,
模糊规则为:若E为ei,且EC为Δej,则输出权值ri,j和模糊输出量y(i-1)n+j。
定义相关度矩阵R和模糊输出量集合y满足以下公式:
y=[y1,y2,...,y(i-1)n+j,…,ymn]
解模糊的过程利用重心法,具体为:
S4:比例变换:转速输出量y0和转速输出变化量Δy0经比例因子k2、k4的比例变换得到调速控制量Y,Y=k2y0+k4Δy0。
该模糊输出y0、Δy0再利用k2、k4来进行输出范围的调节。k2是对经过解模糊后输出的y0从论域范围调节为实际输出范围的一个增益值,而k4则是对输出的y0的变化量Δy0从模糊论域范围调节为实际输出范围的一个增益值,其中变化量Δy0的具体获取方式就对输出值y0微分,然后将两者结合,利用初始值和变化量得出一个用于调速的输出量Y。
S5:将调速控制量Y反馈至推进器,作为推进器电机转速设定值控制推进器电机转速。
如图2所示,基于和声搜索算法优化模糊控制器中的参数设置的步骤包括:
101:参数和声库每一行的分量为一个解,且每一行的每个分量依次对应相关度矩阵R的元素、量化因子k1、比例因子k2、量化因子k3和比例因子k4,依照各分量取值范围随机生成数量为HMS组参数矩阵作为初始参数和声库HM;并设置最大迭代次数N和选择概率HMCR。
和声库HM中各行的数值量:
其中表示参数和声库中第hms组解中的权值ri,j数值,同理, 分别对应表示参数和声库中第hms组解中的k1、k2、k3和k4数值。
102:随机生成一个[0,1]之间的随机数Rand,若Rand<HMCR,则在原参数和声库中随机选取分量组成新解,反之,则重新初始化生成新解。
当迭代次数逐渐增加,解库由初始化逐渐向较优的方向变化的过程中,当随机数Rand<HMCR时,新解在原解库选择分量时,会根据迭代次数增加而更多的选择优秀解中的分量,如此可以在较少的迭代次数中获取到相对优秀的解。其中具体在原参数和声库中随机选取分量组成新解的选取改进方式满足以下公式:
其中,K(p)为新解中第p个分量,HM(hms,p)表示参数和声库HM中第hms行第p列分量,Randi[,]表示在[,]范围内随机取整函数,floor()表示在()中取整函数,α为设计的一个选择参量,即为一个预设值。
103:以微调概率PAR微调新解中的分量,微调概率PAR满足以下公式:
PAR=PAR+β*Iter/N
式中,β表示设置的微调概率的调整参量,同时设定微调过程中微调带宽bw,微调带宽bw是在进行各参数微调时所允许的最大变化量,具体微调公式如下所示:
其中rand()是由计算机自动生成的范围为[0,1]的随机数。
104:根据评价指标分别评价新解和参数和声库中最差解,若新解优于最差解,则新解代替最差解,反之,则保持原参数和声库不变。
评价指标JITAE满足以下公式:
式中,e(t)表示与时间t对应的转速差值,评价指标越小越优。
105:判断当前迭代次数Iter是否小于N,若是,循环评定条件满足退出循环,输出参数和声库并且以评价指标最优对应的一行分量作为模糊控制器使用的参数,否则跳转步骤102。
根据算法求得参数组合用于模糊控制器,考察其对于永磁同步电机的控制效果。实际应用时,该步骤S5获得调速控制量Y的控制信号经过一个限制信号范围的饱和度模块来进行底层推进器即永磁同步电机的控制。
该饱和度模块的作用在于将模糊控制器输出的信号转化为后续用于调速的PWM波生成器所需的信号。例如:饱和度模块满足如下公式:
也就是说如果该模块起到一个限幅的作用,当Y≥30,此时输出量即为30,当Y≤-30的时候输出量即为-30,当-30<Y<30的时候,输出量和输入量保持一致。
永磁同步电机经由饱和度模块输出的控制信号来输出转速、转矩以及三相电流响应,其中以最终输出的转速与初始输入转速值的差值e(t)作为评价指标的参量用于评估参数的优劣。而每次运行该模型的所使用的参数都为和声库HM中生成的参数矩阵,不断通过来评价每次运行时所用的参数,直到稳定获取能使得评价指标最小的参数集合。将获取的最优参数集合分别输入到模糊控制器的各个模块,就可以实现该底层控制器的优化目的。
以具体实施例说明,设定永磁同步电机参数分别为:额定电压U=380V,额定功率P=2KW,定子绕组电阻Rs=2.875Ω,转动惯量J=0.8e-3kg.m2,d轴和q轴绕阻自感为Ld=Lq=8.5e3H,转子磁通Wf=0.175Wb,极对数Pn=4。和声搜索算法参数设置为:D=53,Rl=0,Rh=1,Kl=1,Kh=10,HMS=10,HMCR=0.9,PAR=0.7,N=100,bw=0.01,α=0.5,β=0.3时,效果图如图4-6所示,可以看到,在将优化后的参数用于船舶动力定位底层推进器的控制中,可有效提高系统控制精度和稳定性。
Claims (6)
1.一种基于和声搜索的船舶动力定位底层推进器控制方法,其特征在于,采用基于模糊控制器的模糊控制方法控制推进器电机转速,并基于和声搜索算法优化模糊控制器中的参数设置;
所述基于模糊控制器的模糊控制方法包括以下步骤:
S1:实时采集推进器的电机实际输出转速y′,根据电机实际输出转速y′与电机给定转速yg得到转速差值e和转速差值变化量Δe,e=y′-yg,t表示时间;
S2:转速差值e依次经量化因子k1的量化变换、模糊化得到转速差值模糊化结果E,转速差值变化量Δe依次经量化因子k3的量化变换、模糊化得到转速差值变化量模糊化结果EC;
模糊化过程中,定义转速差值模糊化结果E、转速差值变化量模糊化结果EC满足以下公式:
E=[e1,e2,...,ei,...,em]
EC=[Δe1,Δe2,...,Δej,...,Δen]
式中,ei表示第i个转速差值模糊子集,m表示E对应的模糊子集总数,Δej表示第j个转速差值变化量模糊子集,n表示EC对应的模糊子集总数;
S3:转速差值模糊化结果E和转速差值变化量模糊化结果EC依次经基于模糊规则的模糊推理、解模糊得到转速输出量y0和转速输出变化量Δy0,
模糊规则为:若E为ei,且EC为Δej,则输出权值ri,j和模糊输出量y(i-1)n+j;
定义相关度矩阵R和模糊输出量集合y满足以下公式:
y=[y1,y2,...,y(i-1)n+j,...,ymn]
解模糊的过程为:
S4:转速输出量y0和转速输出变化量Δy0经比例因子k2、k4的比例变换得到调速控制量Y,Y=k2y0+k4Δy0;
S5:将调速控制量Y反馈至推进器,作为推进器电机转速设定值控制推进器电机转速。
2.根据权利要求1所述的一种基于和声搜索的船舶动力定位底层推进器控制方法,其特征在于,基于和声搜索算法优化相关度矩阵R、量化因子k1、k3和比例因子k2、k4。
3.根据权利要求2所述的一种基于和声搜索的船舶动力定位底层推进器控制方法,其特征在于,基于和声搜索算法优化模糊控制器中的参数设置的步骤包括:
101:参数和声库每一行的分量为一个解,且每一行的每个分量依次对应相关度矩阵R的元素、量化因子k1、比例因子k2、量化因子k3和比例因子k4,依照各分量取值范围随机生成数量为HMS组的初始参数和声库HM;并设置最大迭代次数N和选择概率HMCR;
102:随机生成一个[0,1]之间的随机数Rand,若Rand<HMCR,则在原参数和声库中随机选取分量组成新解,反之,则重新初始化生成新解;
103:以微调概率PAR微调新解中的分量;
104:根据评价指标分别评价新解和参数和声库中最差解,若新解优于最差解,则新解代替最差解,反之,则保持原参数和声库不变;
105:判断当前迭代次数Iter是否小于N,若是,输出参数和声库并且以评价指标最优对应的一行分量作为模糊控制器使用的参数,否则跳转步骤102。
4.根据权利要求3所述的一种基于和声搜索的船舶动力定位底层推进器控制方法,其特征在于,所述步骤102中,在原参数和声库中随机选取分量组成新解的选取方式满足以下公式:
其中,K(p)为新解中第p个分量,HM(hms,p)表示参数和声库HM中第hms行第p列分量,Randi[,]表示随机取整函数,floor()表示取整函数,α为预设的选择参量。
5.根据权利要求3所述的一种基于和声搜索的船舶动力定位底层推进器控制方法,其特征在于,所述微调概率PAR满足以下公式:
PAR=PAR+β*Iter/N
式中,β表示预设的调整参量。
6.根据权利要求3所述的一种基于和声搜索的船舶动力定位底层推进器控制方法,其特征在于,所述评价指标JITAE满足以下公式:
式中,e(t)表示与时间t对应的转速差值,评价指标越小越优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810148886.2A CN108363302B (zh) | 2018-02-13 | 2018-02-13 | 一种基于和声搜索的船舶动力定位底层推进器控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810148886.2A CN108363302B (zh) | 2018-02-13 | 2018-02-13 | 一种基于和声搜索的船舶动力定位底层推进器控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108363302A true CN108363302A (zh) | 2018-08-03 |
CN108363302B CN108363302B (zh) | 2020-09-11 |
Family
ID=63002643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810148886.2A Active CN108363302B (zh) | 2018-02-13 | 2018-02-13 | 一种基于和声搜索的船舶动力定位底层推进器控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108363302B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110254678A (zh) * | 2019-05-13 | 2019-09-20 | 自然资源部第一海洋研究所 | 一种具有动力定位系统的科学考察船 |
CN110294074A (zh) * | 2019-05-13 | 2019-10-01 | 自然资源部第一海洋研究所 | 一种具有北斗差分信号动力定位系统的科考船 |
CN110554599A (zh) * | 2019-02-27 | 2019-12-10 | 天津大学 | 一种基于自适应和声搜索算法的pi参数优化方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102109822A (zh) * | 2011-04-02 | 2011-06-29 | 重庆交通大学 | 伺服电机的变结构双自由度智能集成控制方法 |
CN102682220A (zh) * | 2012-05-17 | 2012-09-19 | 鲁东大学 | 一种短期电力负荷预测方法 |
CN103198178A (zh) * | 2013-03-12 | 2013-07-10 | 沈阳化工大学 | 一种pvc聚合过程的软测量建模方法 |
CN103294928A (zh) * | 2013-06-28 | 2013-09-11 | 华北电力大学(保定) | 一种碳排放组合预测方法 |
CN104698838A (zh) * | 2014-12-23 | 2015-06-10 | 清华大学 | 基于论域动态划分和学习的模糊调度规则挖掘方法 |
CN104881871A (zh) * | 2015-05-22 | 2015-09-02 | 湖南大学 | 基于改进多目标和声搜索算法的交通图像分割方法 |
CN105356801A (zh) * | 2015-11-23 | 2016-02-24 | 哈尔滨电机厂有限责任公司 | 基于智能优化算法的同步发电机自动电压调节方法 |
CN105512753A (zh) * | 2015-11-30 | 2016-04-20 | 清华大学 | 一种基于混合和声搜索的柔性作业车间调度方法 |
US20160125097A1 (en) * | 2014-11-05 | 2016-05-05 | Nec Laboratories America, Inc. | Optimizing power flows using harmony search with machine learning |
CN106527141A (zh) * | 2016-12-05 | 2017-03-22 | 清华大学 | 基于变论域模糊规则迭代学习的玻璃窑炉空燃比调整方法 |
CN107230023A (zh) * | 2017-06-12 | 2017-10-03 | 合肥工业大学 | 基于改进和声搜索的生产和运输协同调度方法和系统 |
-
2018
- 2018-02-13 CN CN201810148886.2A patent/CN108363302B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102109822A (zh) * | 2011-04-02 | 2011-06-29 | 重庆交通大学 | 伺服电机的变结构双自由度智能集成控制方法 |
CN102682220A (zh) * | 2012-05-17 | 2012-09-19 | 鲁东大学 | 一种短期电力负荷预测方法 |
CN103198178A (zh) * | 2013-03-12 | 2013-07-10 | 沈阳化工大学 | 一种pvc聚合过程的软测量建模方法 |
CN103294928A (zh) * | 2013-06-28 | 2013-09-11 | 华北电力大学(保定) | 一种碳排放组合预测方法 |
US20160125097A1 (en) * | 2014-11-05 | 2016-05-05 | Nec Laboratories America, Inc. | Optimizing power flows using harmony search with machine learning |
CN104698838A (zh) * | 2014-12-23 | 2015-06-10 | 清华大学 | 基于论域动态划分和学习的模糊调度规则挖掘方法 |
CN104881871A (zh) * | 2015-05-22 | 2015-09-02 | 湖南大学 | 基于改进多目标和声搜索算法的交通图像分割方法 |
CN105356801A (zh) * | 2015-11-23 | 2016-02-24 | 哈尔滨电机厂有限责任公司 | 基于智能优化算法的同步发电机自动电压调节方法 |
CN105512753A (zh) * | 2015-11-30 | 2016-04-20 | 清华大学 | 一种基于混合和声搜索的柔性作业车间调度方法 |
CN106527141A (zh) * | 2016-12-05 | 2017-03-22 | 清华大学 | 基于变论域模糊规则迭代学习的玻璃窑炉空燃比调整方法 |
CN107230023A (zh) * | 2017-06-12 | 2017-10-03 | 合肥工业大学 | 基于改进和声搜索的生产和运输协同调度方法和系统 |
Non-Patent Citations (4)
Title |
---|
JAIDONG GU: "A Random Distribution Harmony Search Algorithm", 《ICACI》 * |
LING WANG: "An adaptive fuzzy controller based on harmony search and its application to power plant control", 《ELECTRICAL POWER AND ENERGY SYSTEMS》 * |
张安发 等: "基于人类学习优化算法的变论域模糊PID控制研究", 《工业控制计算机》 * |
李勇 等: "船舶电力推进模糊_PI控制方法", 《中国航海》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110554599A (zh) * | 2019-02-27 | 2019-12-10 | 天津大学 | 一种基于自适应和声搜索算法的pi参数优化方法 |
CN110254678A (zh) * | 2019-05-13 | 2019-09-20 | 自然资源部第一海洋研究所 | 一种具有动力定位系统的科学考察船 |
CN110294074A (zh) * | 2019-05-13 | 2019-10-01 | 自然资源部第一海洋研究所 | 一种具有北斗差分信号动力定位系统的科考船 |
Also Published As
Publication number | Publication date |
---|---|
CN108363302B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110022109B (zh) | 转矩-电流神经网络模型srm转矩脉动控制方法与系统 | |
CN115441782B (zh) | 一种基于滑模观测的风机电动变桨距电机驱动控制方法 | |
CN107276465A (zh) | 一种转矩‑电流神经网络开关磁阻电机控制方法与系统 | |
CN108363302B (zh) | 一种基于和声搜索的船舶动力定位底层推进器控制方法 | |
CN112039391B (zh) | 高压断路器电机驱动控制系统 | |
CN112838797A (zh) | 一种基于改进指数趋近律的永磁同步电机模糊滑模控制方法 | |
CN111007716A (zh) | 基于预测函数的交流伺服电机变论域模糊pi控制方法 | |
CN110531614B (zh) | 新颖的无刷直流电机模糊神经网络pi控制器 | |
Zamzoum et al. | Active and reactive power control of wind turbine based on doubly fed induction generator using adaptive sliding mode approach | |
CN109507869A (zh) | 一种适用于永磁同步电机的电机控制pi参数的优化方法 | |
CN102720634A (zh) | 一种优化参数的变论域模糊电动变桨控制方法 | |
Zhang et al. | An enhanced nonlinear ADRC speed control method for electric propulsion system: Modeling, analysis, and validation | |
El Mahfoud et al. | Three Speed Controllers of Direct Torque Control for a Doubly Fed Induction Motor Drive-A Comparison. | |
Panicker et al. | Hybrid PI-fuzzy controller for brushless DC motor speed control | |
Essalmi et al. | DTC of PMSM based on artificial neural networks with regulation speed using the fuzzy logic controller | |
CN113346810B (zh) | 速度和电流双闭环模糊控制的pmsm无传感器控制方法 | |
CN111027178B (zh) | 一种抽水蓄能机组调频参数优化方法 | |
CN112953329A (zh) | 隐极式混合励磁电机铜耗最小控制系统及方法 | |
Moghadasian et al. | Intelligent sensorless speed control of six-phase induction machine | |
CN110488600A (zh) | Lqr优化型无刷直流电机调速神经网络pid控制器 | |
CN101813053A (zh) | 改善水轮发电机组功角振荡的互联结构修正控制方法 | |
CN112290849A (zh) | 一种基于改进粒子群算法的励磁同步电动机变频调速系统 | |
Douiri et al. | A neuro fuzzy PI controller used for speed control of a direct torque to twelve sectors controlled induction machine drive | |
Dutt et al. | Comparative study of direct torque control of induction motor using intelligent techniques | |
Yang et al. | Sensor lessPMSM Control Algorithm for Rim-Driven Thruster Based on Improved PSO |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |