CN111273545A - 基于多群多选择交流策略的quatre算法的自动寻优控制方法 - Google Patents

基于多群多选择交流策略的quatre算法的自动寻优控制方法 Download PDF

Info

Publication number
CN111273545A
CN111273545A CN202010044838.6A CN202010044838A CN111273545A CN 111273545 A CN111273545 A CN 111273545A CN 202010044838 A CN202010044838 A CN 202010044838A CN 111273545 A CN111273545 A CN 111273545A
Authority
CN
China
Prior art keywords
quatre
machine
algorithm based
control parameters
group
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
Application number
CN202010044838.6A
Other languages
English (en)
Inventor
朱淑娟
杜志岗
潘正祥
吴祖揚
陈建铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Science and Technology
Original Assignee
Shandong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Science and Technology filed Critical Shandong University of Science and Technology
Priority to CN202010044838.6A priority Critical patent/CN111273545A/zh
Publication of CN111273545A publication Critical patent/CN111273545A/zh
Pending legal-status Critical Current

Links

Images

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

本发明公开了一种基于多群多选择交流策略的QUATRE算法的自动寻优控制方法，涉及群聚智能算法应用领域。基于多群多选择交流策略的QUATRE算法的自动寻优控制方法包括以下步骤：获取机器的控制参数的初始值，并使机器在初始值下运行稳定；通过基于多群多选择交流策略的QUATRE算法根据性能系数的变化反馈对机器的控制参数进行震荡调节，使性能系数趋于最优值；当确定当前工况下的最优控制参数后，储存当前工况下的最优控制参数，并在再次遇到类似工况时直接调用所确定的该工况下的最优控制参数。该方法有效的解决了现有技术中机器无法始终保持在最佳运行状态的问题。

Description

基于多群多选择交流策略的QUATRE算法的自动寻优控制方法
技术领域
本发明涉及群聚智能算法应用领域，具体涉及一种基于多群多选择交流策略的QUATRE算法的自动寻优控制方法。
背景技术
机器运行过程中，假定机器有控制参数A、B、C、D，工况参数M、N，性能系数x。
现有的控制逻辑如下：给定一个工况M、N后，通过工况参数计算得到控制参数A、B、C，根据负反馈控制得到参数D以保持工况参数稳定，此时有效率参数x1。
在现有的控制逻辑中，A、B、C多为建模后通过实验拟合得到公式计算获得，只能保证为一个较优值。其原因如下：第一、模型与实际机器会有偏差；第二，拟合得到的计算结果与模型会有偏差；第三、即使是同一个批次的同型号机器也会存在个体差异，在相同工况下会有不同的最优控制参数；第四、随着运行年限的增加，机器各部分性能会有变化，最优控制参数也会随之变化。以上几点导致在现有控制逻辑下，给定工况时，一个机器不会运行在最优解下，而只能运行在一个较优值，其效率也无法达到最大，而只能维持在一个较优值上。
发明内容
本发明的目的是针对上述不足，提出了一种通过获取机器的控制参数的初始值，并使机器在初始值下运行稳定，通过基于多群多选择交流策略的QUATRE算法根据性能系数的变化反馈对机器的控制参数进行震荡调节，使性能系数趋于最优值的基于多群多选择交流策略的QUATRE算法的自动寻优控制方法。
本发明具体采用如下技术方案：
基于多群多选择交流策略的QUATRE算法的自动寻优控制方法，包括以下步骤：
步骤1，获取机器的控制参数的初始值，并使机器在初始值下运行稳定；
步骤2，通过基于多群多选择交流策略的QUATRE算法根据性能系数的变化反馈对机器的控制参数进行震荡调节，使性能系数趋于最优值；
步骤3，当确定当前工况下的最优控制参数后，储存当前工况下的最优控制参数，并在再次遇到类似工况时直接调用所确定的该工况下的最优控制参数。
优选地，步骤2具体包括以下步骤：
步骤2.1，通过基于多群多选择交流策略的QUATRE算法调节机器的控制参数，并获得初始震荡值；
步骤2.2，通过负反馈调节参数保持工况稳定，并检测性能系数变化趋势；
步骤2.3，根据性能系数变化趋势对机器的控制参数进行修正。
优选地，步骤2.3包括以下步骤：
步骤2.3.1：当检测到性能系数变差时，则将性能系数值通过惩罚函数反馈给基于多群多选择交流策略的QUATRE算法，基于多群多选择交流策略的QUATRE算法反向调节机器的控制参数；
步骤2.3.2：当检测到性能系数变好时，则将性能系数值通过激励函数反馈给基于多群多选择交流策略的QUATRE算法，基于多群多选择交流策略的QUATRE算法同向调节机器的控制参数。
优选地，步骤1还包括将优化逻辑与基本控制逻辑分离开，使基本控制逻辑运行在机器上，使优化逻辑运行在远程控制终端上；使优化逻辑运行在远程控制终端上的步骤包括：使优化逻辑运行在远程计算中心上，并通过网络控制机器的运行状况。
优选地，步骤3还包括，在机器运行预设时间后，清除当前存储的最优控制参数，并储存重新确定的该工况下的最优控制参数。
本发明具有如下有益效果：
该基于多群多选择交流策略的QUATRE算法的自动寻优控制方法通过获取机器的控制参数的初始值，并使机器在初始值下运行稳定，通过基于多群多选择交流策略的QUATRE算法根据性能系数的变化反馈对机器的控制参数进行震荡调节，使性能系数趋于最优值。基于多群多选择交流策略的QUATRE算法可以在每次机器运行时通过性能系数的变化状况对控制参数进行震荡调节，使得控制参数向着机器性能最优化的最优运行状况调节，从而可以始终保持机器运行在最佳状态，提高机器的工作效率。
附图说明
图1为多群多选择交流策略的QUATRE算法流程图；
图2为基于多群多选择交流策略的QUATRE算法的自动寻优控制方法的控制原理图；
图3为基于多群多选择交流策略的QUATRE算法的自动寻优控制方法的控制流程图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明：
结合附图1，基于多群多选择交流策略的QUATRE算法的自动寻优控制方法，可以用于中央空调，也可以应用于其他机器控制领域，包括以下步骤：
步骤1，获取机器的控制参数的初始值，并使机器在初始值下运行稳定；在机器运行后，通过基本控制逻辑获得机器的控制参数的初始值；还包括将优化逻辑与基本控制逻辑分离开，使基本控制逻辑运行在机器上，使优化逻辑运行在远程控制终端上；使优化逻辑运行在远程控制终端上的步骤包括：使优化逻辑运行在远程计算中心上，并通过网络控制机器的运行状况。
步骤2，通过基于多群多选择交流策略的QUATRE算法根据性能系数的变化反馈对机器的控制参数进行震荡调节，使性能系数趋于最优值，具体包括以下步骤：
步骤2.1，通过基于多群多选择交流策略的QUATRE算法调节机器的控制参数，并获得初始震荡值；
步骤2.2，通过负反馈调节参数保持工况稳定，并检测性能系数变化趋势。
步骤2.3，根据性能系数变化趋势对机器的控制参数进行修正，包括以下步骤：
步骤2.3.1：当检测到性能系数变差时，则将性能系数值通过惩罚函数反馈给基于多群多选择交流策略的QUATRE算法，基于多群多选择交流策略的QUATRE算法反向调节机器的控制参数；
步骤2.3.2：当检测到性能系数变好时，则将性能系数值通过激励函数反馈给基于多群多选择交流策略的QUATRE算法，基于多群多选择交流策略的QUATRE算法同向调节机器的控制参数。
步骤3，当确定当前工况下的最优控制参数后，储存当前工况下的最优控制参数，并在再次遇到类似工况时直接调用所确定的该工况下的最优控制参数，在机器运行预设时间后，清除当前存储的最优控制参数，并储存重新确定的该工况下的最优控制参数。
多群多选择交流策略的QUATRE算法对控制参数进行调整的工作原理如下：
1)A、B、C依靠参数m，n，q，l控制，在初始状态下得到初始值m0，n0，q0，l0，得到性能参数x0，通过基于多群多选择交流策略的QUATRE算法控制m，n，q，l，并将x作为输入通过惩罚函数与激励函数计算修正值，将m0,n0,q0,l0根据修正值调整，得到新的控制参数A、B、C，如此反复，即可得到最优的控制参数A、B、C。
2)选择基于多群多选择交流策略的QUATRE算法。
基于多群多选择交流策略的QUATRE算法具体过程如下：
种群总体用矩阵X表示。种群中有ps粒子，每个粒子在D维搜索域中。一个粒子和一个总体可以分别用式(1)和式(2)表示。P是第i行向量的一个矩阵，它表示第i个粒子的个体最优位置，其中第i个粒子得到它的最佳适应度值。
Figure BDA0002368989650000031
代表全体粒子从第一代迭代到当前代的群体中最好的颗粒(“gbest”)。具体步骤如下所示：
1)最初阶段，随机生成N个子群并初始化所有的粒子位置和最适值所有粒子在搜索区域内随机生成如公式(1)所示，假设一共有ps个粒子，粒子表示为一个向量
Figure BDA0002368989650000032
i表示总体中的第i个粒子。总体用矩阵X表示，如公式(2)所示。
Figure BDA0002368989650000041
Figure BDA0002368989650000042
2)个体在空间内搜素
个体会在搜索空间内移动，通过公式(3)进行种群的更新，如果移动的点比个体最优位置的目标函数的最适值要好，则移动到下个位置，粒子本事要一致保持自己的个体最优，当所有粒子都在搜索空间内搜寻一次(及种群迭代一次)，比较空间内的所有粒子的最优解记为全局最优(“gbest”)。直到迭代到N(如：1000)次结束。
Figure BDA0002368989650000043
式中，B表示突变矩阵，计算方法如表(1)所示。其中Xgbest,G＝[xgbest,G,xgbest,G,....,xgbest,G]T，而Xri,G表示的是在第G代随机排列目标群体矩阵X中的行向量序列。F称为突变比例因子，是对差分矩阵进行缩放的一个正数，其推荐域适用于大多数优化问题。M是由初始矩阵变换后自动生成的矩阵，为演化矩阵由0和1组成。
Figure BDA0002368989650000044
表示对M矩阵进行求逆运算，例如在M矩阵中为1则
Figure BDA0002368989650000045
对应为为0，相反同理。B的求法公式如表1所示。
表1
Figure BDA0002368989650000051
3)群间交流通信
原生的QUATRE算法有一定的局限性，就是它非常容陷入局部最优解，所以需要通过分群交流的思想来避免种群所有个体进化过程中陷入局部最优。具体思想是在每迭代iter次后进行群间交流，每群选出五个最坏的点，使用其他群的全局最优来对这五个坏点进行进化。进化策略如表2所示(假设有四个群)：表2表示了群间交流的三种策略：
表2
Figure BDA0002368989650000052
首先，随机生成一个随机数r(0≤r≤1)，当r≤0.3时，选择策略一进行群间交流；当0.3<r<0.7时选择策略2进行群间交流交流，当r≥0.7时选择策略三进行群间交流。其中，
Figure BDA0002368989650000061
表示为在第i个子群内第j个坏点粒子迭代G次的位置向量，
Figure BDA0002368989650000062
为第m个子群中在迭代G后的群内最优，i,m,n,t四个变量的值互不相同。策略的多样性保证了粒子在探索最优解的过程中更多的可能性。提高了跳出局部最优的能力。
结合图2和图3，基于多群多选择交流策略的QUATRE算法的自动寻优控制方法包括：
获取机器的控制参数A、B、C的初始值，并使机器在初始值下运行稳定.
通过基于多群多选择交流策略的QUATRE算法根据性能系数x的变化反馈对机器的控制参数A、B、C进行震荡调节，使性能系数x趋于最优值。在机器运行后，基于多群多选择交流策略的QUATRE算法可以通过基本控制逻辑获得机器的控制参数的初始值。
基于多群多选择交流策略的QUATRE算法可以在每次机器运行时通过性能系数x的变化状况对控制参数A、B、C进行震荡调节，使得控制参数向着机器性能最优化的最优运行状况调节，从而可以始终保持机器运行在最佳状态，提高机器的工作效率。
下面以该性能系数x为效率指标为例对本发明的实施例加以说明。在通过基于多群多选择交流策略的QUATRE算法根据性能系数x的变化反馈对机器的控制参数A、B、C进行震荡调节时，可以通过如下步骤进行调节：通过基于多群多选择交流策略的QUATRE算法调节机器的控制参数A、B、C，并获得初始震荡值。基于多群多选择交流策略的QUATRE算法在获得初始震荡值之后，就可以通过该初始震荡值获得机器运行状态的反馈，然后根据该反馈获取性能系数x的变化趋势，即性能系数在当前调节条件下，是朝着好的方向变化还是朝着坏的方向变化。
在通过基于多群多选择交流策略的QUATRE算法调节机器的控制参数A、B、C，并获得初始震荡值之后，基于多群多选择交流策略的QUATRE算法可以根据反馈确定一个负反馈调节参数D，然后可以通过负反馈调节参数D对机器运行进行调整，使机器保持工况稳定，并检测性能系数x的变化趋势。在确定性能系数x的变化趋势之后，基于多群多选择交流策略的QUATRE算法可以根据性能系数x的变化趋势对控制参数A、B、C的调节作出改变，使得性能系数x朝着好的方向变化，从而使得控制参数逐渐向最优化的数值靠近。
基于多群多选择交流策略的QUATRE算法根据性能系数x的变化趋势对控制参数A、B、C的调节作出改变，具体表现为根据性能系数x的变化趋势对机器的控制参数进行修正。以性能系数x为效率指标为例，由于在基于多群多选择交流策略的QUATRE算法对控制参数进行震荡调整的过程中，可能出现两种情况，一种为在调整之后性能系数x变小，此时性能系数x变差，效率变低，说明对控制参数的调节方向有误，需要对控制参数A、B、C进行反向调节；另一种情况为在调整之后性能系数x变好，效率变高，机器趋向于最优化运行状态，可以控制控制参数A、B、C向相同方向调节，如此反复使得性能系数x逐渐趋向最大值。
根据性能系数x的变化趋势对机器的控制参数进行修正的具体步骤包括：步骤S231：当检测到性能系数x变差时，则将性能系数x的值通过惩罚函数反馈给基于多群多选择交流策略的QUATRE算法，在基于多群多选择交流策略的QUATRE算法根据惩罚函数和性能系数x的值计算出调节参数后，根据计算出的调节参数反向调节机器的控制参数；步骤S232：当检测到性能系数x变好时，则将性能系数x的值通过激励函数反馈给基于多群多选择交流策略的QUATRE算法，基于多群多选择交流策略的QUATRE算法根据激励函数和性能系数x的值计算出调节参数后，根据计算出的调节参数同向调节机器的控制参数。
多群多选择交流策略的QUATRE算法能够始终根据机器的性能系数x的变化趋势对机器的运行状况进行调整，可以通过多次震荡调节使得机器处于最优运行状态，且可以随着时间的增加自动调整控制参数A、B、C的值使得在给定工况下效率达到最优，因此在机器的长期运行中可以得到多个工况点的最佳控制参数A、B、C，即可以得到整个运行域上的最佳控制参数，从而使得机器始终在最优状况下运行。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (5)

1.基于多群多选择交流策略的QUATRE算法的自动寻优控制方法，其特征在于，包括以下步骤：
步骤1，获取机器的控制参数的初始值，并使机器在初始值下运行稳定；
步骤2，通过基于多群多选择交流策略的QUATRE算法根据性能系数的变化反馈对机器的控制参数进行震荡调节，使性能系数趋于最优值；
步骤3，当确定当前工况下的最优控制参数后，储存当前工况下的最优控制参数，并在再次遇到类似工况时直接调用所确定的该工况下的最优控制参数。
2.如权利要求1所述的基于多群多选择交流策略的QUATRE算法的自动寻优控制方法，其特征在于，步骤2具体包括以下步骤：
步骤2.1，通过基于多群多选择交流策略的QUATRE算法调节机器的控制参数，并获得初始震荡值；
步骤2.2，通过负反馈调节参数保持工况稳定，并检测性能系数变化趋势；
步骤2.3，根据性能系数变化趋势对机器的控制参数进行修正。
3.如权利要求2所述的基于多群多选择交流策略的QUATRE算法的自动寻优控制方法，其特征在于，步骤2.3包括以下步骤：
步骤2.3.1：当检测到性能系数变差时，则将性能系数值通过惩罚函数反馈给基于多群多选择交流策略的QUATRE算法，基于多群多选择交流策略的QUATRE算法反向调节机器的控制参数；
步骤2.3.2：当检测到性能系数变好时，则将性能系数值通过激励函数反馈给基于多群多选择交流策略的QUATRE算法，基于多群多选择交流策略的QUATRE算法同向调节机器的控制参数。
4.如权利要求1所述的基于多群多选择交流策略的QUATRE算法的自动寻优控制方法，其特征在于，步骤1还包括将优化逻辑与基本控制逻辑分离开，使基本控制逻辑运行在机器上，使优化逻辑运行在远程控制终端上；使优化逻辑运行在远程控制终端上的步骤包括：使优化逻辑运行在远程计算中心上，并通过网络控制机器的运行状况。
5.如权利要求1所述的基于多群多选择交流策略的QUATRE算法的自动寻优控制方法，其特征在于，步骤3还包括，在机器运行预设时间后，清除当前存储的最优控制参数，并储存重新确定的该工况下的最优控制参数。
CN202010044838.6A 2020-01-16 2020-01-16 基于多群多选择交流策略的quatre算法的自动寻优控制方法 Pending CN111273545A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010044838.6A CN111273545A (zh) 2020-01-16 2020-01-16 基于多群多选择交流策略的quatre算法的自动寻优控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010044838.6A CN111273545A (zh) 2020-01-16 2020-01-16 基于多群多选择交流策略的quatre算法的自动寻优控制方法

Publications (1)

Publication Number Publication Date
CN111273545A true CN111273545A (zh) 2020-06-12

Family

ID=70999081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010044838.6A Pending CN111273545A (zh) 2020-01-16 2020-01-16 基于多群多选择交流策略的quatre算法的自动寻优控制方法

Country Status (1)

Country Link
CN (1) CN111273545A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112770257A (zh) * 2021-01-19 2021-05-07 广西中教教育投资集团有限公司 一种物联网中移动传感器节点的智能定位方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104914717A (zh) * 2015-04-13 2015-09-16 珠海格力电器股份有限公司 基于人工智能算法的自动寻优控制方法
CN107506820A (zh) * 2017-08-11 2017-12-22 哈尔滨工业大学深圳研究生院 一种基于quatre架构的人工智能全局优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104914717A (zh) * 2015-04-13 2015-09-16 珠海格力电器股份有限公司 基于人工智能算法的自动寻优控制方法
CN107506820A (zh) * 2017-08-11 2017-12-22 哈尔滨工业大学深圳研究生院 一种基于quatre架构的人工智能全局优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHI-GANG DU等: "Quasi-Affine Transformation Evolutionary Algorithm With Communication Schemes for Application of RSSI in Wireless Sensor Networks", 《IEEE ACCESS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112770257A (zh) * 2021-01-19 2021-05-07 广西中教教育投资集团有限公司 一种物联网中移动传感器节点的智能定位方法

Similar Documents

Publication Publication Date Title
CN109768573B (zh) 基于多目标差分灰狼算法的配电网无功优化方法
CN108399451A (zh) 一种结合遗传算法的混合粒子群优化算法
CN115577864B (zh) 基于多模型组合运算的配电网运行优化调度方法
CN110490326A (zh) 一种自适应多变异策略的差分进化方法及系统
CN106777521B (zh) 基于双链量子遗传算法的发电机组涉网参数优化方法
CN111613817B (zh) 基于改进粒子群算法的电池混动系统能源优化策略
CN108448659B (zh) 一种基于hacs算法求解电力系统无功优化的方法
CN113033086A (zh) 一种改进的约束多目标优化问题求解方法
Chen et al. Application of novel clonal algorithm in multiobjective optimization
CN111431216A (zh) 一种采用q学习的高比例光伏微网无功均分控制方法
Masrom et al. Hybridization of particle swarm optimization with adaptive genetic algorithm operators
CN111273545A (zh) 基于多群多选择交流策略的quatre算法的自动寻优控制方法
CN115249113A (zh) 一种带准备时间分布式零等待流水车间调度方法与系统
Liang et al. Improved nsga2 algorithm to solve multi-objective flexible job shop scheduling problem
CN109103901B (zh) 一种基于dsica算法的电力系统多目标无功优化方法
CN113270869B (zh) 一种含光伏配电网的无功优化方法
CN114971207A (zh) 基于改进人工蜂群算法的负荷优化分配方法
CN115276022A (zh) 考虑分布式光伏接入的配电网多目标潮流电压优化方法
CN108805463A (zh) 一种支持削峰型电力需求响应的生产调度方法
Li et al. A regional local search and memory based evolutionary algorithm for dynamic multi-objective optimization
CN114723217A (zh) 碳中和目标下的综合能源供给侧配置方法和系统
CN114123216A (zh) 新能源电力系统的经济负荷分配方法、系统及介质
CN110929943A (zh) 一种用于求解电力系统最优潮流的交替搜索方法
CN112394640A (zh) 参数整定方法、装置、存储介质及参数整定单元
Askarirobati et al. Solving‎‎‎ Multi-objective Optimal Control Problems of chemical‎ processes‎ using‎ Hybrid‎ Evolutionary‎ Algorithm

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

Application publication date: 20200612

RJ01 Rejection of invention patent application after publication