CN111474850B - 基于改进正弦余弦算法优化pid液压调平系统控制方法 - Google Patents
基于改进正弦余弦算法优化pid液压调平系统控制方法 Download PDFInfo
- Publication number
- CN111474850B CN111474850B CN202010448451.7A CN202010448451A CN111474850B CN 111474850 B CN111474850 B CN 111474850B CN 202010448451 A CN202010448451 A CN 202010448451A CN 111474850 B CN111474850 B CN 111474850B
- Authority
- CN
- China
- Prior art keywords
- population
- algorithm
- individuals
- parameter
- pid
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 230000007246 mechanism Effects 0.000 claims abstract description 7
- 230000004044 response Effects 0.000 claims abstract description 5
- 230000009471 action Effects 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 230000005284 excitation Effects 0.000 claims abstract description 4
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims abstract description 3
- 230000035772 mutation Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 241000665848 Isca Species 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000009827 uniform distribution Methods 0.000 claims 2
- 239000000126 substance Substances 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了一种基于改进正弦余弦算法优化PID液压调平系统控制方法,包括如下步骤:步骤1,通过系统辨识建立被控对象的数学模型Gp(s)。步骤2,根据被控系统的要求,确定控制系统激励响应的性能指标上界,联合控制系统的综合性能指标ITAE,构造优化算法的综合适应度函数J。步骤3,以构造的函数J作为综合适应度函数,采用嵌入边界缓冲处理和邻域变异的的正弦余弦算法对PID控制器的参数Kp、Ki、Kd在解空间内进行寻优,将算法得到的寻优结果赋给参数待整定的PID控制器。步骤4,以平台预设角度之间的偏差作为系统的输入,PID控制器发出控制信号,经执行机构动作使作业平台角度发生变化,双轴传感器将检测获得的角度信号反馈至控制器,依此往复直至满足液压系统调平要求。利用该方法可获得较合理的PID控制参数,同时提高了控制的性能。
Description
技术领域
本发明属于自动控制领域,具体涉及一种基于改进正弦余弦算法优化PID液压调平系统控制方法。
背景技术
目前对于多数调平系统仍依赖经验完成调平操作,存在调平精度低和调平时间长的不足,不具备自适应能力。PID控制器因其结构简单和鲁棒性好而被广泛应用于工业控制过程,而如临界比例度法的经典PID方法仅适用于结构和参数时不变的确定性系统。PID算法的控制性能关键在于选定合适的算法参数(比例、积分和微分)。当控制器参数无法整定到最佳状态,控制系统无法取得良好的控制效果,影响着调平系统的精度。
智能优化算法受自然界包括生物、物理与社会关系在内的各种现象的启发,拓宽了求解组合优化问题的有效途径。PID控制器的参数整定也可归类为求取最优参数组合的组合优化问题。正弦余弦算法(SCA)因预设调整参数较少容易实现、迭代结构简明清晰且收敛速度快在实际问题中得到广泛应用。但标准的正弦余弦算法会在迭代后期丢失种群多样性,导致算法受困于局部最优后陷入“早熟”。
发明内容
发明目的:为了克服现有技术中存在的标准正弦余弦算法迭代后期种群多样性丧失的问题提高算法的收敛精度,提出一种嵌入边界缓冲处理和邻域变异的ISCA算法,解决个体越界的行为和克服种群迭代后期多样性丢失,提高了算法的寻优精度。从而达到提高控制精度、提高系统响应速度和改善控制系统性能的目的。
技术方案:为实现上述目的,本发明提供一种基于改进正弦余弦算法优化PID液压调平系统控制方法,包括如下步骤:
(1)通过系统辨识建立被控对象的数学模型Gp(s)。
(2)根据被控系统的要求,确定控制系统激励响应的性能指标上限,联合控制系统的综合性能指标ITAE,构造优化算法的综合适应度函数J。
(3)采用嵌入边界缓冲策略和邻域变异处理的正弦余弦算法对PID控制器的参数Kp、Ki、Kd在解空间内进行寻优,以构造函数J为综合适应度函数,将算法得到的结果赋给PID控制器。
(4)以平台预设角度之间的偏差作为系统的输入,PID控制器发出控制信号,经执行机构动作使作业平台角度发生变化,双轴传感器将检测获得的角度信号反馈至控制器,依此往复直至满足液压系统调平要求。
步骤(2)中构造特定系统要求的综合适应度函数J,综合适应度函数定义为:
J=J0+Lσ1+…+Lσi+…+LσH
其值越小代表控制器性能越优;其中J0是一个综合性能指标,一般为t是时间参数,e(t)是被控系统反馈回路与输入之间的偏差,一般采用2%或5%的误差带所对应的调节时间ts作为积分的上限T。而Lσi=λ0·|min(0,σmax-σ)|,其中设定了性能指标σ的一个上限σmax,λ0是一个极大的正数;H为性能指标个数。
步骤(3)中采用嵌入边界缓冲策略和邻域变异处理的正弦余弦算法对PID控制器的参数Kp、Ki、Kd在解空间内进行寻优,优化过程可分为以下几步:
1)初始化正弦余弦算法的参数,假设种群规模为N,种群中任意个体由d维分量构成,第t代时种群中的个体i可表示为:首先在待优化问题的解空间内随机初始化种群:其中ub和lb分别为解空间的上下界行向量,表示对应元素相乘。
2)依次将种群中的个体位置信息对应PID的三个待整定参数(Kp,Ki,Kd),根据构造的综合适应度函数J逐一计算个体适应度值,由于解空间中个体所对应的PID参数并不一定能使得需要调节的系统处于稳定的状态,当系统出现极大前期震荡或后期发散等不稳定现象时,就必须舍弃此解。取种群的所有个体中最优位置为popbest,令其为种群初始全局最优解。
3)更新下一代个体的位置,更新公式如下:
其中,popbest为当前最优个体。r1为控制参数,为了平衡算法迭代寻优时全局搜索和局部开发进程,参数r1须进行自适应调整:其中a为预设参数,一般设置为2,iter为当前迭代次数,maxGen为最大迭代次数。参数r2∈[0,2π]为服从均匀分布的随机数。同时参数r3∈[0,2]为全局最优解的一个随机权值。参数r4∈[0,1]是切换算法正弦、余弦搜索机制的一个随机参数。
4)确定种群个体中是否有超出解空间的上下界,如果没有转到步骤5);如果种群个体中出现越界情况,则对个体的位置进行处理,得到新的种群,继续下一步。
5)是否达到种群变异条件,如果没有转到步骤6);如果满足变异条件,则对种群进行变异处理,得到变异后的新种群,继续下一步。
6)如果满足终止条件,即算法达到最大迭代次数,结束迭代过程并输出最优解,否则转到步骤3)。
进一步地,步骤4)中确定种群个体中是否超出解空间上下界的具体过程为:
对于超出边界的个体按以下公式重新更正位置
其中,当个体的第j维popij>ubj时,L1和L2采用进行计算;当个体的第j维popij<lbj时,L1和L2采用进行计算;为执行步骤3)后得到的位置,ubj为第j维的上界,lbj为第j维的下界;ε为缓冲厚度控制参数。
进一步地,步骤5)中满足变异条件后,具体变异处理操作过程如下:
1)当检测到种群当前最优个体popbest的适应度值连续5次迭代不再变化时,认为算法搜索停滞,进行基于历史最优种群的邻域变异,历史最优种群即为当前最优个体popbest抛弃的解所组成的种群,记为 为历史最优种群个体的个数。
其中pbrecl为历史最优种群pbrec中随机选择的一个个体,rands∈(-1,1)且服从均匀分布,Rk为可调节邻域半径:
其中m∈(0,0.2]为邻域半径调节因子,根据解空间大小来确定。
3)将变异后的个体替换之前的个体,从而完成变异操作。
本发明与以往技术相比,做了如下改进:(1)本发明把正弦余弦算法与PID控制器有机结合,并将系统特定要求结合进算法的适应度函数中,避免了传统PID控制其不具备自适应的特征,同时可满足系统的特定要求,提高了控制性能。(2)对标准的正弦余弦算法进行改进,通过边界缓冲处理和邻域变异策略,提高了个体的空间搜索能力,优化处理了早熟的情况,丰富了种群的多样性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为调平控制系统框图
图2为算法流程图
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图对本发明的具体实施方式进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1为本发明所述的调平控制系统框图。如图1所示,首先通过系统辨识建立被控对象的数学模型Gp(s)。其次根据被控系统的要求,确定控制系统激励响应的性能指标上界,联合控制系统的综合性能指标ITAE,构造优化算法的综合适应度函数J。紧接着采用嵌入边界缓冲策略和邻域变异处理的正弦余弦算法对PID控制器的参数Kp、Ki、Kd在解空间内进行寻优,将算法获得的结果赋给PID控制器。最后以平台预设角度之间的偏差作为系统的输入,PID控制器发出控制信号,经执行机构动作使作业平台角度发生变化,双轴传感器将检测获得的角度信号反馈至控制器,依此往复直至满足液压系统调平要求。
图2为本发明所述的算法流程图,包括如下步骤:
1)初始化正弦余弦算法的参数,假设种群规模为N,种群中任意个体由d维分量构成,第t代时种群中的个体i可表示为:首先在待优化问题的解空间内随机初始化种群:其中ub和lb分别为解空间的上下界行向量,表示对应元素相乘。
2)依次将种群中的个体位置信息对应PID的三个待整定参数(Kp,Ki,Kd),根据构造的综合适应度函数J逐一计算个体适应度值,由于解空间中个体所对应的PID参数并不一定能使得需要调节的系统处于稳定的状态,当系统出现极大前期震荡或后期发散等不稳定现象时,就必须舍弃此解。取种群的所有个体中最优位置为popbest,令其为种群初始全局最优解。
3)更新下一代个体的位置,更新公式如下:
其中,popbest为当前最优个体。r1为控制参数,为了平衡算法迭代寻优时全局搜索和局部开发进程,参数r1须进行自适应调整:其中a为预设参数,一般设置为2,iter为当前迭代次数,maxGen为最大迭代次数。参数r2∈[0,2π]为服从均匀分布的随机数。同时参数r3∈[0,2]为全局最优解的一个随机权值。参数r4∈[0,1]是切换算法正弦、余弦搜索机制的一个随机参数。
4)确定种群个体中是否有超出解空间的上下界,如果没有转到步骤5);如果种群个体中出现越界情况,则对个体的位置进行处理,得到新的种群,继续下一步。
5)是否达到种群变异条件,如果没有转到步骤6);如果满足变异条件,则对种群进行变异处理,得到变异后的新种群,继续下一步。
6)如果满足终止条件,即算法达到最大迭代次数,结束迭代输出最优解,否则转到步骤3)。
Claims (3)
1.一种基于改进正弦余弦算法优化PID液压调平系统控制方法,其特征在于利用该方法得到的PID控制参数可满足特定系统的需要,保证调平系统的控制精度,该方法具有下列步骤:
步骤1,通过系统辨识建立被控对象的数学模型Gp(s);
步骤2,根据被控系统的要求,确定控制系统激励响应的性能指标上限,联合控制系统的综合性能指标ITAE,构造优化算法的综合适应度函数J;
步骤3,以构造的函数J作为综合适应度函数,采用嵌入边界缓冲处理和邻域变异的正弦余弦算法ISCA对PID控制器的参数Kp、Ki、Kd在解空间内进行寻优,将算法获得的结果赋给PID控制器;
步骤4,以平台预设角度之间的偏差作为系统的输入,PID控制器发出控制信号,经执行机构动作使作业平台角度发生变化,双轴传感器将检测获得的角度信号反馈至控制器,依此往复直至满足液压系统调平要求;
步骤2中构造特定系统要求的综合适应度函数J,综合适应度函数定义为:
J=J0+Lσl+…+Lσi+…+LσH
其值越小表明控制器性能越优;其中J0是一个综合性能指标,一般为t是时间参数,e(t)是被控系统反馈回路与输入之间的偏差,一般采用2%或5%的误差带所对应的调节时间ts作为积分的上限T;而Lσi=λ0·|min(0,σmax-σ)|,其中设定了性能指标σ的一个上限σmax,λ0是一个极大的正数;H为性能指标个数;
步骤3中采用嵌入边界缓冲处理和邻域变异的正弦余弦算法对PID控制器的参数Kp、Ki、Kd在解空间内进行寻优,优化过程可分为以下几步:
1)初始化正弦余弦算法的参数,假设种群规模为N,种群中任意个体由d维分量构成,第t代时种群中的个体i可表示为:首先在待优化问题的解空间内随机初始化种群:其中ub和lb分别为解空间的上下界行向量,表示对应元素相乘;
2)依次将种群中的每个个体位置信息对应PID的三个参数(Kp,Ki,Kd),根据构造的综合适应度函数J计算每个个体的适应度值,由于解空间中个体所对应的PID参数并不一定能使得需要调节的系统处于稳定的状态,当系统出现极大前期震荡或后期发散等不稳定现象时,就必须舍弃此解;取种群的所有个体中最优位置为popbest,令其为种群初始全局最优解;
3)更新下一代个体的位置,更新公式如下:
其中,popbest为当前最优个体;r1为控制参数,为了平衡算法迭代寻优时全局搜索和局部开发进程,参数r1须进行自适应调整:其中a为预设参数,一般设置为2,iter为当前迭代次数,maxGen为最大迭代次数;参数r2∈[0,2π-为服从均匀分布的随机数;同时参数r3∈[0,2]为全局最优解的一个随机权值;参数r4∈[0,1]是切换算法正弦、余弦搜索机制的一个随机参数;
4)确定种群个体中是否有超出解空间的上下界,如果没有转到步骤5);如果种群个体中出现越界情况,则对个体的位置进行处理,得到新的种群,继续下一步;
5)是否达到种群变异条件,如果没有转到步骤6);如果满足变异条件,则对种群进行变异处理,得到变异后的新种群,继续下一步;
6)如果满足终止条件,即算法达到最大迭代次数,结束迭代过程并输出最优解,否则转到步骤3)。
3.如权利要求1所述的基于改进正弦余弦算法优化PID液压调平系统控制方法,其特征在于:权利要求1所述的步骤5),满足变异条件后,具体变异处理操作过程如下:
1)当检测到种群当前最优个体popbest的适应度值连续5次迭代不再变化时,认为算法搜索停滞,进行基于历史最优种群的邻域变异,历史最优种群即为当前最优个体popbest抛弃的解所组成的种群,记为 为历史最优种群个体的个数;
其中pbrecl为历史最优种群pbrec中随机选择的一个个体,rands∈(-1,1)且服从均匀分布,Rk为可调节邻域半径:
其中m∈(0,0.2]为邻域半径调节因子,根据解空间大小来确定;
3)将变异后的个体替换之前的个体,从而完成变异操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010448451.7A CN111474850B (zh) | 2020-05-25 | 2020-05-25 | 基于改进正弦余弦算法优化pid液压调平系统控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010448451.7A CN111474850B (zh) | 2020-05-25 | 2020-05-25 | 基于改进正弦余弦算法优化pid液压调平系统控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111474850A CN111474850A (zh) | 2020-07-31 |
CN111474850B true CN111474850B (zh) | 2023-04-25 |
Family
ID=71762730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010448451.7A Active CN111474850B (zh) | 2020-05-25 | 2020-05-25 | 基于改进正弦余弦算法优化pid液压调平系统控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111474850B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589683A (zh) * | 2021-10-07 | 2021-11-02 | 易如(山东)智能科技有限公司 | 一种基于液压的车身姿态调整方法 |
CN116400585B (zh) * | 2023-06-06 | 2023-08-18 | 济南大学 | 一种基于改进雾凇优化算法的海上救援飞翼控制优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696827A (zh) * | 2018-12-28 | 2019-04-30 | 西安邮电大学 | 惯性权重余弦调整粒子群优化算法的pid参数整定方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103312249A (zh) * | 2013-07-09 | 2013-09-18 | 南昌航空大学 | 一种同步发电机自适应励磁控制方法 |
CN107102552B (zh) * | 2017-06-12 | 2018-03-09 | 合肥工业大学 | 基于混合集合蛙跳与变邻域算法的平行机调度方法及系统 |
CN108873850A (zh) * | 2018-09-05 | 2018-11-23 | 昆明理工大学 | 一种机械制造自动化生产过程的优化调度方法 |
CN109636043B (zh) * | 2018-12-16 | 2020-10-30 | 华中科技大学 | 一种梯级水电系统发电调度自适应优化方法与系统 |
CN110222938B (zh) * | 2019-05-10 | 2021-03-26 | 华中科技大学 | 一种梯级水电站群短期调峰调度协同优化方法和系统 |
CN111079074A (zh) * | 2019-11-13 | 2020-04-28 | 温州大学 | 一种基于改进的正弦余弦算法构建预测模型的方法 |
-
2020
- 2020-05-25 CN CN202010448451.7A patent/CN111474850B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696827A (zh) * | 2018-12-28 | 2019-04-30 | 西安邮电大学 | 惯性权重余弦调整粒子群优化算法的pid参数整定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111474850A (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107272403A (zh) | 一种基于改进粒子群算法的pid控制器参数整定算法 | |
CN111474850B (zh) | 基于改进正弦余弦算法优化pid液压调平系统控制方法 | |
CN110362084A (zh) | 一种基于蚁群算法的车辆路径追踪控制方法 | |
CN110609478B (zh) | 一种基于改进遗传算法的气压自适应在线pid整定方法 | |
CN107703749A (zh) | 一种基于自适应遗传算法的pid参数优化方法 | |
CN113255206A (zh) | 一种基于深度强化学习的水文预报模型参数率定方法 | |
CN110097929A (zh) | 一种高炉铁水硅含量在线预测方法 | |
CN116627027A (zh) | 一种基于改进型pid最优鲁棒性控制方法 | |
CN111651220A (zh) | 一种基于深度强化学习的Spark参数自动优化方法及系统 | |
CN108375902A (zh) | 一种人工蜂群算法与模糊pid控制结合的双容水箱控制算法 | |
Lakhani et al. | Stability-preserving automatic tuning of PID control with reinforcement learning | |
CN107871157B (zh) | 基于bp和pso的数据预测方法、系统及相关装置 | |
CN110361964B (zh) | 一种伺服驱动控制器参数整定方法 | |
CN105550437A (zh) | 一种基于遗传算法的室内环境反向设计方法 | |
CN116880191A (zh) | 一种基于时序预测的过程工业生产系统的智能控制方法 | |
CN109993271A (zh) | 基于博弈理论的灰色神经网络预测方法 | |
CN114912368A (zh) | 结合梯度算法和演化算法对神经网络模型进行优化的方法 | |
Lee et al. | Simulation-based learning of cost-to-go for control of nonlinear processes | |
Liu et al. | A review of learning algorithm for radius basis function neural network | |
CN113741566A (zh) | 一种基于遗传蚁群优化的无刷直流电机转速控制方法 | |
CN112947054A (zh) | 基于Q-learning的船舶PID控制参数整定方法、系统及存储介质 | |
CN111027666A (zh) | 函数优化方法、装置及系统 | |
CN117930634B (zh) | 一种高速数控角钢生产线冲压气缸控制优化方法 | |
CN108445749A (zh) | 一种应用于高阶滑模控制器的参数整定方法 | |
CN117556172B (zh) | 船舶操纵运动预报模型构建方法及船舶操纵运动预报方法 |
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 |