CN110244787A - 转速控制系统的调节方法及装置 - Google Patents
转速控制系统的调节方法及装置 Download PDFInfo
- Publication number
- CN110244787A CN110244787A CN201910579803.XA CN201910579803A CN110244787A CN 110244787 A CN110244787 A CN 110244787A CN 201910579803 A CN201910579803 A CN 201910579803A CN 110244787 A CN110244787 A CN 110244787A
- Authority
- CN
- China
- Prior art keywords
- population
- individual
- control system
- generation
- revolution speed
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D13/00—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover
- G05D13/62—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover characterised by the use of electric means, e.g. use of a tachometric dynamo, use of a transducer converting an electric value into a displacement
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种转速控制系统的调节方法、装置、计算机可读存储介质及电子设备,该方法包括:获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,根据所述转速偏差、所述过渡过程时间及所述控制器输出构建性能目标函数;通过自适应差分进化算法求解所述性能目标函数的最优控制参数,其中,控制参数包括转速控制系统的比例系数、积分系数及微分系数;根据所述最优控制参数对所述转速控制系统进行调节。本发明提供的技术方案改善了标准差分进化算法在进化过程中易陷入局部最优的缺陷,使得根据最终得到的最优控制参数对转速控制系统进行调节时,能够明显的改善转速控制系统的调节品质。
Description
技术领域
本发明涉及能源领域,尤其涉及转速控制系统的调节方法及装置。
背景技术
转速控制系统通常用于在设备的启动过程中和制动过程中对转速进行控制,转速控制系统需要首先对设备的转速进行检测,然后进行控制,这使得转速控制系统在对设备的转速进行控制时具有时滞性及不灵敏区,从而影响转速控制系统对设备的调节品质。
为了改善转速控制系统的调节品质,标准的差分进化算法被应用到转速控制系统中,而标准的差分进化算法在进化过程中因易陷入局部最优,导致根据标准的差分进化算法得到的最优控制参数对转速控制系统进行调节时,未能明显的改善转速控制系统的调节品质。
发明内容
本发明提供了一种转速控制系统的调节方法、装置、计算机可读存储介质及电子设备,可以改善标准差分进化算法在进化过程中易陷入局部最优的缺陷,使得根据最终得到的最优控制参数对转速控制系统进行调节时,能够明显的改善转速控制系统的调节品质。
第一方面,本发明提供了一种转速控制系统的调节方法,包括:
获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,根据所述转速偏差、所述过渡过程时间及所述控制器输出构建性能目标函数;
通过自适应差分进化算法求解所述性能目标函数的最优控制参数,其中,控制参数包括转速控制系统的比例系数、积分系数及微分系数;
根据所述最优控制参数对所述转速控制系统进行调节。
优选地,
所述性能目标函数包括:
其中,J表征性能指标、ta表征不同过程的时间终点、e(t)表征转速偏差、tr表征过渡过程时间、u(t)表征控制器输出、k1表征加权值、k2表征加权值、k3表征加权值。
优选地,
所述通过自适应差分进化算法求解所述性能目标函数的最优控制参数,包括:
A1,确定算法参数,所述算法参数包括:最大进化代数、种群规模、交叉概率算子的上限、交叉概率算子的下限及运算终止条件;
A2,根据所述种群规模确定至少两个初始控制参数所对应的至少两个种群个体形成的种群,并确定所述种群的当前进化代数;
A3,根据所述性能目标函数计算所述种群中每个所述种群个体的适应度值;
A4,根据当前进化代数与所述最大进化代数确定变异算子,通过所述变异算子完成对所述种群个体的变异操作,得到变异个体;
A5,根据所述性能目标函数计算每个所述变异个体的适应度值,通过比较所述变异个体的适应度值与所述种群个体的适应度值的大小确定交叉概率算子,通过所述交叉概率算子完成对所述种群个体与所述变异个体间的交叉操作,得到变异交叉种群个体;
A6,根据所述种群个体的适应度值和所述变异交叉种群个体的适应度值对当前进化代数加1代的种群个体进行选取,并根据所述当前进化代数确定当前进化代数加1代的种群规模;
A7,根据所述性能目标函数计算每个所述当前进化代数加1代的种群个体的适应度值,确定最优适应度值及最优控制参数;
A8,检测所述最优适应度值是否满足所述运算终止条件,如果是,则终止运算并输出所述最优控制参数,否则,当前进化代数加1,并执行A3。
优选地,
所述根据当前进化代数与所述最大进化代数确定变异算子,包括:
根据如下所示公式确定变异算子:
其中,F表征变异算子、gmax表征最大进化代数、g表征当前进化代数。
优选地,
所述通过比较所述变异个体的适应度值与所述种群个体的适应度值的大小确定交叉概率算子,包括:
根据如下所示公式确定交叉概率算子:
f[xij(g)]表征第g代的第i个种群个体的第j个参数的适应度值,其中j=1、2、3,表示比例系数、积分系数和微分系数在每个种群个体中的参数编号,f[hij(g)]表征第g代的第i个变异个体的第j个参数的适应度值,CR表征交叉概率算子,CRmin表征交叉概率算子的下限,CRmax表征交叉概率算子的上限。
优选地,
所述根据所述当前进化代数g确定第g+1代种群规模,包括:
根据如下所示公式确定第g+1代种群规模:
其中,Mg+1表征第g+1代的种群规模、Mg表征第g代的种群规模、g表征当前进化代数、gC表征减小种群代数索引的评价规则。
优选地,
所述根据所述种群规模确定至少两个初始控制参数所对应的至少两个种群个体形成的种群,包括:
根据所述种群规模确定至少两个初始控制参数,所述初始控制参数包括比例系数、积分系数及微分系数;
对所述初始控制参数进行浮点数编码,设计至少两个种群个体,并形成种群,所述种群个体为:
x=(Kp,Ki,Kd)
其中,x表征种群个体、Kp表征比例系数、Ki表征积分时间、Kd表征微分时间。
第二方面,本发明提供了一种转速控制系统的调节装置,包括:
构建模块,用于获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,根据所述转速偏差、所述过渡过程时间及所述控制器输出构建性能目标函数;
求解模块,用于通过自适应差分进化算法求解所述性能目标函数的最优控制参数,其中,控制参数包括转速控制系统的比例系数、积分系数及微分系数;
调节模块,用于根据所述最优控制参数对所述转速控制系统进行调节。
第三方面,本发明提供了一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行如第一方面中任一所述的方法。
第四方面,本发明提供了一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如第一方面中任一所述的方法。
本发明提供了一种转速控制系统的调节方法、装置、计算机可读存储介质及电子设备,该方法通过获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,即可根据转速偏差、过渡过程时间及控制器输出构建性能目标函数,进一步,利用自适应差分进化算法求解性能目标函数得到最优控制参数之后,根据最优控制参数对转速控制系统进行调节。本发明提供的技术方案改善了标准差分进化算法在进化过程中易陷入局部最优的缺陷,使得根据最终得到的最优控制参数对转速控制系统进行调节时,能够明显的改善转速控制系统的调节品质。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中提供的一种转速控制系统的调节方法的流程示意图;
图2为本发明实施例中提供的一种转速控制系统的调节装置的结构示意图;
图3为本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种转速控制系统的调节方法,该方法包括步骤101、步骤102及步骤103:
步骤101,获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,根据所述转速偏差、所述过渡过程时间及所述控制器输出构建性能目标函数;
步骤102,通过自适应差分进化算法求解所述性能目标函数的最优控制参数,其中,控制参数包括转速控制系统的比例系数、积分系数及微分系数;
步骤103,根据所述最优控制参数对所述转速控制系统进行调节。
如图1所示的实施例通过获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,即可根据转速偏差、过渡过程时间及控制器输出构建性能目标函数,进一步,利用自适应差分进化算法求解性能目标函数得到最优控制参数之后,根据最优控制参数对转速控制系统进行调节。本发明提供的技术方案改善了标准差分进化算法在进化过程中易陷入局部最优的缺陷,使得根据最终得到的最优控制参数对转速控制系统进行调节时,能够明显的改善转速控制系统的调节品质。
本发明一个实施例中,所述性能目标函数包括:
其中,J表征性能指标、ta表征不同过程的时间终点、e(t)表征转速偏差、tr表征过渡过程时间、u(t)表征控制器输出、k1表征加权值、k2表征加权值、k3表征加权值。
在上述实施例中,综合考虑设备的转速控制系统的转速偏差、过渡过程时间和控制器输出,构建如公式(1)所示的性能目标函数,通过该性能目标函数可以对转速控制系统的稳定性、快速性和准确性等性能指标进行衡量。
在本发明一个实施例中,所述通过自适应差分进化算法求解所述性能目标函数的最优控制参数,包括:
步骤A1,确定算法参数,所述算法参数包括:最大进化代数、种群规模、交叉概率算子的上限、交叉概率算子的下限及运算终止条件。
在步骤A1中,确定算法参数通常还包括确定初始控制参数的上限和下限,以便后续步骤形成种群。
步骤A2,根据所述种群规模确定至少两个初始控制参数所对应的至少两个种群个体形成的种群,并确定所述种群的当前进化代数;
进一步地,在步骤A2中,所述根据所述种群规模确定至少两个初始控制参数所对应的至少两个种群个体形成的种群,包括:
根据所述种群规模确定至少两个初始控制参数,所述初始控制参数包括比例系数、积分系数及微分系数;对所述初始控制参数进行浮点数编码,设计至少两个种群个体,并形成种群,所述种群个体为:
x=(Kp,Ki,Kd)
其中,x表征种群个体、Kp表征比例系数、Ki表征积分时间、Kd表征微分时间。
在步骤A2中,对M个初始控制参数进行浮点数编码,得到M个种群个体,其中M为种群规模,初始化产生的M个种群个体可以通过如下公式(2)进行表示:
其中,下标i表征种群个体的编号,最大取值为M,j=1、2、3,分别表示比例系数、积分系统和微分系数在每个种群个体中的参数编号,表征第i个种群个体的第j个参数的上限,表征第i个种群个体的第j个参数的下限,rand(0,1)表征[0,1]间的随机数。
步骤A3,根据所述性能目标函数计算所述种群中每个所述种群个体的适应度值。
将公式(1)所示的性能目标函数转换为如下公式(3)所示的适应度函数:
其中,f表征适应度、J表征性能指标。
种群个体对应适应度函数的适应度值越小,则根据该种群个体对转速控制系统进行调节时,转速控制系统的稳定性越好、准确性越高,即适应度值越小越好。
步骤A4,根据当前进化代数与所述最大进化代数确定变异算子,通过所述变异算子完成对所述种群个体的变异操作,得到变异个体;
差分进化算法中的变异算子决定了差分进化算法的收敛速度,标准的差分进化算法中的变异算子是根据经验值事先选定的,并且在算法的进程中保持不变,极大的限制了算法的收敛速度。
为了使得自适应差分进化算法拥有较好的收敛速度,进一步地,在步骤A4中,所述根据当前进化代数与所述最大进化代数确定变异算子,包括:
根据如下所示公式(4)确定变异算子:
其中,F表征变异算子、gmax表征最大进化代数、g表征当前进化代数。
根据公式(4)确定的变异算子随着进化代数的增加而改变,在算法的初期,变异算子取较大值,在算法的后期,变异算子取较小值,从而提高了算法的收敛能力。
根据公式(4)确定的变异算子进行如下公式(5)所示的变异操作:
hij(g)=xp1j+F(xp2j-xp3j) (5)
其中,hij(g)表征第g代的第i个变异个体的第j个参数,xp1j表征第p1个种群个体的第j个参数,xp2j表征第p2个种群个体的第j个参数,xp3j表征第p3个种群个体的第j个参数,其中p1、p2、p3不同。
根据公式(5)对种群个体进行交叉操作,即在g代种群个体中随机选取3个种群个体作为第一个体,在3个第一个体中任选2个,确定选取的2个第一个体的差分矢量与变异算子的乘机,将得到的乘机结果与未被选择的第一个体相加从而得到变异个体。
步骤A5,根据所述性能目标函数计算每个所述变异个体的适应度值,通过比较所述变异个体的适应度值与所述种群个体的适应度值的大小确定交叉概率算子,通过所述交叉概率算子完成对所述种群个体与所述变异个体间的交叉操作,得到变异交叉种群个体;
为了增加种群个体的多样性,会对变异个体和种群个体进行交叉操作,而交叉概率算子在交叉操作中有着重要的作用,当交叉概率算子的取值过大时,变异个体对交叉操作结束后得到的变异交叉种群个体的影响较大,在一定程度上破坏了种群个体中的较优个体;当交叉概率算子取值较小时,减小变异个体对变异交叉种群个体的影响,使得较优的变异个体可能无法进入到变异交叉种群个体,因此需要选取合适的交叉概率算子。
为了选取合适的交叉概率算子,进一步地,在步骤A5中,所述通过比较所述变异个体的适应度值与所述种群个体的适应度值的大小确定交叉概率算子,包括:
根据如下所示公式(6)确定交叉概率算子:
f[xij(g)]表征第g代的第i个种群个体的第j个参数的适应度值,其中j=1、2、3,表示比例系数、积分系数和微分系数在每个种群个体中的参数编号,f[hij(g)]表征第g代的第i个变异个体的第j个参数的适应度值,CR表征交叉概率算子,CRmin表征交叉概率算子的下限,CRmax表征交叉概率算子的上限。
根据公式(6)对交叉概率算子进行确定,即当变异个体的适应度值大于种群个体的适应度值时,证明经过交叉操作得到的并不是较优个体,从而为了更好的保留种群个体中的较优个体,令交叉概率算子取交叉概率算子的下限;当变异个体的适应度值小于种群个体的适应度值时,证明经过交叉操作得到的是较优个体,从而为了更好的保留变异交叉种群中的较优个体,令交叉概率算子取交叉概率算子的上限。
根据公式(6)得到的交叉概率算子进行如下公式(7)所示的交叉操作:
其中,vij(g)表征第g代的第i个变异交叉种群个体的第j个参数。
利用式(7)进行的交叉操作可以增加种群个体的多样性。
步骤A6,根据所述种群个体的适应度值和所述变异交叉种群个体的适应度值对当前进化代数加1代的种群个体进行选取,并根据所述当前进化代数确定当前进化代数加1代的种群规模。
种群规模对种群个体的多样性和进化过程中的计算量有较大的影响,为了更好的在进化过程中选择种群规模,进一步地,在步骤A6中,所述根据所述当前进化代数g确定第g+1代种群规模,包括:
根据如下所示公式(8)确定第g+1代种群规模:
其中,Mg+1表征第g+1代的种群规模、Mg表征第g代的种群规模、g表征当前进化代数、gC表征减小种群代数索引的评价规则。
根据公式(8)对种群规模进行确定,即在进化过程初期,种群规模的取较大值,从而维护了种群的多样性,到了进化的后期,为了获取最优控制参数,种群模块应该适当减小,因此在当前进化代数满足减小种群代数索引的评价规则时,种群规模减小一半,去掉适应度值相对较大的种群个体。
根据如下所示公式(9)进行选择操作:
其中,xi(g+1)表征第g+1代的第i个种群个体、xi(g)表征第g代的第i个种群个体、f[xi(g)]表征第g代的第i个种群个体的适应度值、vi(g)表征第g代的第i个变异交叉种群个体、f[vi(g)]表征第g代的第i个变异交叉种群个体的适应度值。
根据公式(9)选择第g+1代种群个体的最终目的为保留适应度至较好(即适应度值较小)的较优个体,当第g代种群个体的适应度值大于第g代变异交叉种群个体的适应度值时,选择第g代变异交叉种群个体为第g+1代的种群个体;当第g代种群个体的适应度值小于等于第g代变异交叉种群个体的适应度值时,选择第g代种群个体为第g+1代的种群个体。
步骤A7,根据所述性能目标函数计算每个所述当前进化代数加1代的种群个体的适应度值,确定最优适应度值及最优控制参数。
步骤A8,检测所述最优适应度值是否满足所述运算终止条件,如果是,则终止运算并输出所述最优控制参数,否则,令当前进化代数加1,并执行A3。
在上述实施例中利用自适应差分进化算法求解性能目标函数的最优控制参数,因标准的差分进化算法在进化过程中变异算子、交叉概率算子及种群规模多是根据经验事先给定,且在进化过程中保持不变,使得标准的差分进化算法在进化过程中易陷入局部最优。在本实施例中,变异算子、交叉概率算子及种群规模在进化过程中进行自适应改变,从而避免了算法在进化过程中易陷入局部最优的缺陷,使得最终得到最优控制参数为全局最优值,从而根据最终得到的最优控制参数对转速控制系统进行调节时,可以明显改善转速控制系统的调节品质。
如图2所示,本发明实施例提供了一种转速控制系统的调节装置,包括:
构建模块201,用于获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,根据所述转速偏差、所述过渡过程时间及所述控制器输出构建性能目标函数;
求解模块202,用于通过自适应差分进化算法求解所述性能目标函数的最优控制参数,其中,控制参数包括转速控制系统的比例系数、积分系数及微分系数;
调节模块203,用于根据所述最优控制参数对所述转速控制系统进行调节。
在本发明一个实施例中,所述构建模块201用于构建如下公式(1)所示的性能目标函数:
其中,J表征性能指标、ta表征不同过程的时间终点、e(t)表征转速偏差、tr表征过渡过程时间、u(t)表征控制器输出、k1表征加权值、k2表征加权值、k3表征加权值。
在本发明一个实施例中,所述求解模块202用于执行以下步骤:
A1,确定算法参数,所述算法参数包括:最大进化代数、种群规模、交叉概率算子的上限、交叉概率算子的下限及运算终止条件;
A2,根据所述种群规模确定至少两个初始控制参数所对应的至少两个种群个体形成的种群,并确定所述种群的当前进化代数;
A3,根据所述性能目标函数计算所述种群中每个所述种群个体的适应度值;
A4,根据当前进化代数与所述最大进化代数确定变异算子,通过所述变异算子完成对所述种群个体的变异操作,得到变异个体;
A5,根据所述性能目标函数计算每个所述变异个体的适应度值,通过比较所述变异个体的适应度值与所述种群个体的适应度值的大小确定交叉概率算子,通过所述交叉概率算子完成对所述种群个体与所述变异个体间的交叉操作,得到变异交叉种群个体;
A6,根据所述种群个体的适应度值和所述变异交叉种群个体的适应度值对当前进化代数加1代的种群个体进行选取,并根据所述当前进化代数确定当前进化代数加1代的种群规模;
A7,根据所述性能目标函数计算每个所述当前进化代数加1代的种群个体的适应度值,确定最优适应度值及最优控制参数;
A8,检测所述最优适应度值是否满足所述运算终止条件,如果是,则终止运算并输出所述最优控制参数,否则,令当前进化代数加1,并执行A3。
为了描述的方便,描述以上装置实施例时以功能分为各种单元或模块分别描述,在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
图3是本发明实施例提供的一种转速控制系统的调节装置的结构示意图。在硬件层面,该服务器包括处理器301以及存储有执行指令的存储器302,可选地还包括内部总线303及网络接口304。其中,存储器302可能包含内存3021,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器3022(non-volatilememory),例如至少1个磁盘存储器等;处理器301、网络接口304和存储器302可以通过内部总线303相互连接,该内部总线303可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等;所述内部总线303可以分为地址总线、数据总线、控制总线等,为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。当然,该服务器还可能包括其他业务所需要的硬件。当处理器301执行存储器302存储的执行指令时,处理器301执行本发明任意一个实施例中所述的方法,并至少用于执行:在一种可能实现的方式中,处理器从非易失性存储器中读取对应的执行指令到内存中然后运行,也可从其它设备上获取相应的执行指令,以在逻辑层面上形成转速控制系统的调节装置。处理器执行存储器所存放的执行指令,以通过执行的执行指令实现本发明任一实施例中提供的转速控制系统的调节方法。
处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本发明实施例还提供了一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述电子设备执行本发明任意一个实施例中提供的方法。该电子设备具体可以是如图3所示转速控制系统的调节装置;执行指令是转速控制系统的调节方法所对应计算机程序。
本领域内的技术人员应明白,本发明的实施例可提供为方法或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种转速控制系统的调节方法,其特征在于,包括:
获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,根据所述转速偏差、所述过渡过程时间及所述控制器输出构建性能目标函数;
通过自适应差分进化算法求解所述性能目标函数的最优控制参数,其中,控制参数包括转速控制系统的比例系数、积分系数及微分系数;
根据所述最优控制参数对所述转速控制系统进行调节。
2.根据权利要求1所述的方法,其特征在于,
所述性能目标函数包括:
其中,J表征性能指标、ta表征不同过程的时间终点、e(t)表征转速偏差、tr表征过渡过程时间、u(t)表征控制器输出、k1表征加权值、k2表征加权值、k3表征加权值。
3.根据权利要求1所述的方法,其特征在于,
所述通过自适应差分进化算法求解所述性能目标函数的最优控制参数,包括:
A1,确定算法参数,所述算法参数包括:最大进化代数、种群规模、交叉概率算子的上限、交叉概率算子的下限及运算终止条件;
A2,根据所述种群规模确定至少两个初始控制参数所对应的至少两个种群个体形成的种群,并确定所述种群的当前进化代数;
A3,根据所述性能目标函数计算所述种群中每个所述种群个体的适应度值;
A4,根据当前进化代数与所述最大进化代数确定变异算子,通过所述变异算子完成对所述种群个体的变异操作,得到变异个体=
A5,根据所述性能目标函数计算每个所述变异个体的适应度值,通过比较所述变异个体的适应度值与所述种群个体的适应度值的大小确定交叉概率算子,通过所述交叉概率算子完成对所述种群个体与所述变异个体间的交叉操作,得到变异交叉种群个体;
A6,根据所述种群个体的适应度值和所述变异交叉种群个体的适应度值对当前进化代数加1代的种群个体进行选取,并根据所述当前进化代数确定当前进化代数加1代的种群规模;
A7,根据所述性能目标函数计算每个所述当前进化代数加1代的种群个体的适应度值,确定最优适应度值及最优控制参数;
A8,检测所述最优适应度值是否满足所述运算终止条件,如果是,则终止运算并输出所述最优控制参数,否则,当前进化代数加1,并执行A3。
4.根据权利要求3所述的方法,其特征在于,
所述根据当前进化代数与所述最大进化代数确定变异算子,包括:
根据如下所示公式确定变异算子:
其中,F表征变异算子、gmax表征最大进化代数、g表征当前进化代数。
5.根据权利要求3所述的方法,其特征在于,
所述通过比较所述变异个体的适应度值与所述种群个体的适应度值的大小确定交叉概率算子,包括:
根据如下所示公式确定交叉概率算子:
f[xij(g)]表征第g代的第i个种群个体的第j个参数的适应度值,其中j=1、2、3,表示比例系数、积分系数和微分系数在每个种群个体中的参数编号,f[hij(g)]表征第g代的第i个变异个体的第j个参数的适应度值,CR表征交叉概率算子,CRmin表征交叉概率算子的下限,CRmax表征交叉概率算子的上限。
6.根据权利要求3所述的方法,其特征在于,
所述根据所述当前进化代数g确定第g+1代种群规模,包括:
根据如下所示公式确定第g+1代种群规模:
其中,Mg+1表征第g+1代的种群规模、Mg表征第g代的种群规模、g表征当前进化代数、gC表征减小种群代数索引的评价规则。
7.根据权利要求3所述的方法,其特征在于,
所述根据所述种群规模确定至少两个初始控制参数所对应的至少两个种群个体形成的种群,包括:
根据所述种群规模确定至少两个初始控制参数,所述初始控制参数包括比例系数、积分系数及微分系数;
对所述初始控制参数进行浮点数编码,设计至少两个种群个体,并形成种群,所述种群个体为:
x=(Kp,Ki,Kd)
其中,x表征种群个体、Kp表征比例系数、Ki表征积分时间、Kd表征微分时间。
8.一种转速控制系统的调节装置,其特征在于,包括:
构建模块,用于获取设备转速控制系统的转速偏差、过渡过程时间及控制器输出,根据所述转速偏差、所述过渡过程时间及所述控制器输出构建性能目标函数;
求解模块,用于通过自适应差分进化算法求解所述性能目标函数的最优控制参数,其中,控制参数包括转速控制系统的比例系数、积分系数及微分系数;
调节模块,用于根据所述最优控制参数对所述转速控制系统进行调节。
9.一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行如权利要求1至7中任一所述的方法。
10.一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如权利要求1至7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910579803.XA CN110244787A (zh) | 2019-06-28 | 2019-06-28 | 转速控制系统的调节方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910579803.XA CN110244787A (zh) | 2019-06-28 | 2019-06-28 | 转速控制系统的调节方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110244787A true CN110244787A (zh) | 2019-09-17 |
Family
ID=67890340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910579803.XA Pending CN110244787A (zh) | 2019-06-28 | 2019-06-28 | 转速控制系统的调节方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110244787A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111338396A (zh) * | 2020-03-11 | 2020-06-26 | 威马智慧出行科技(上海)有限公司 | 车辆速度控制方法、存储介质及电子设备 |
CN111622976A (zh) * | 2020-05-28 | 2020-09-04 | 浪潮电子信息产业股份有限公司 | 一种风扇控制方法、装置及电子设备和存储介质 |
CN112394640A (zh) * | 2020-08-18 | 2021-02-23 | 东南大学 | 参数整定方法、装置、存储介质及参数整定单元 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700353A (zh) * | 2016-01-30 | 2016-06-22 | 河南城建学院 | 一种基于差分进化算法的pid控制器参数优化整定方法 |
CN107991869A (zh) * | 2017-11-29 | 2018-05-04 | 海安县申菱电器制造有限公司 | 一种曳引机自适应控制系统 |
-
2019
- 2019-06-28 CN CN201910579803.XA patent/CN110244787A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105700353A (zh) * | 2016-01-30 | 2016-06-22 | 河南城建学院 | 一种基于差分进化算法的pid控制器参数优化整定方法 |
CN107991869A (zh) * | 2017-11-29 | 2018-05-04 | 海安县申菱电器制造有限公司 | 一种曳引机自适应控制系统 |
Non-Patent Citations (4)
Title |
---|
唐德翠 等: "改进差分进化PID参数优化及在凝絮中的应用", 《计算机工程与应用》 * |
汤伟 等: "基于自适应变异差分进化算法的溶解氧浓度控制系统", 《中国造纸》 * |
王杰 等: "自适应差分进化算法在PMSM电机控制器中的应用", 《郑州大学学报(工学版)》 * |
王顺 等: "自适应差分进化算法在燃气轮机转速控制中的应用", 《热能动力工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111338396A (zh) * | 2020-03-11 | 2020-06-26 | 威马智慧出行科技(上海)有限公司 | 车辆速度控制方法、存储介质及电子设备 |
CN111622976A (zh) * | 2020-05-28 | 2020-09-04 | 浪潮电子信息产业股份有限公司 | 一种风扇控制方法、装置及电子设备和存储介质 |
CN111622976B (zh) * | 2020-05-28 | 2022-03-08 | 浪潮电子信息产业股份有限公司 | 一种风扇控制方法、装置及电子设备和存储介质 |
CN112394640A (zh) * | 2020-08-18 | 2021-02-23 | 东南大学 | 参数整定方法、装置、存储介质及参数整定单元 |
CN112394640B (zh) * | 2020-08-18 | 2022-06-07 | 东南大学 | 参数整定方法、装置、存储介质及参数整定单元 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110244787A (zh) | 转速控制系统的调节方法及装置 | |
Egloff et al. | A dynamic look-ahead Monte Carlo algorithm for pricing Bermudan options | |
CN110322085A (zh) | 一种客户流失预测方法和装置 | |
Park et al. | Characterization of weighted complex networks | |
CN106203622B (zh) | 神经网络运算装置 | |
CN107766888A (zh) | 数据处理方法和装置 | |
CN109740630A (zh) | 异常数据处理方法及装置 | |
CN108717460A (zh) | 一种在区块链中达成共识的方法及装置 | |
CN107506350A (zh) | 一种识别信息的方法和设备 | |
CN103856185B (zh) | 一种基于fpga的粒子滤波权值处理及重采样方法 | |
CN109919312A (zh) | 卷积神经网络的运算方法、装置及dpu | |
CN104283736B (zh) | 一种基于改良自动状态机的网络通信五元组快速匹配算法 | |
CN109635937A (zh) | 一种面向低位宽卷积神经网络的低功耗系统 | |
CN105684506B (zh) | 片上网络NoC的流量控制方法及装置 | |
CN108596493A (zh) | 拆单式交易方法及装置 | |
CN109086137A (zh) | Gpu并行计算资源配置方法及装置 | |
CN116307214A (zh) | 一种基于nsga-ii算法的自动配棉方法及相关装置 | |
Peachavanish | Dual time frame relative strength stock selection using fuzzy logic | |
Teytaud et al. | Anytime many-armed bandits | |
CN107357714A (zh) | 一种基于监控平台的故障分析方法和装置 | |
CN109412885A (zh) | 检测方法及装置 | |
CN109245948A (zh) | 安全感知的虚拟网络映射方法及其装置 | |
CN108122171A (zh) | 一种电力需求侧竞价策略确定方法及系统 | |
CN109038609B (zh) | 电力系统无功优化方法和系统 | |
CN109739980A (zh) | 对情感分类器进行调优的方法、装置及终端 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190917 |