本发明专利技术公开了一种基于“库”思想和智能优化算法的控制器自动设计方法。用于实现不同类型控制系统的控制器自动优化设计。本发明专利技术提供的控制器优化设计方法首先根据不同类型的控制系统确定具体的控制策略，选择合适的控制环节组成控制器的具体结构，并根据现场条件和用户需求选择需要的性能指标作为适应度函数，然后运用智能优化算法对控制器的参数在设定的范围内进行全局搜索，得到最优解，完成控制器的自动优化设计。本发明专利技术设计的控制器结构更加丰富、参数范围更大，在控制性能方面超越了传统的PID控制器，能够实现对被控对象更为精确有效地控制。本发明专利技术提供的控制器自动优化设计方法具有很强的通用性和有效性，体现了明显的优越性。
【技术实现步骤摘要】
本专利技术涉及一种控制器设计方法，特别涉及一种基于"库"思想和智能优化算法的 控制器自动设计方法，用于实现不同类型控制系统的控制器自动优化设计，属于自动控制
技术介绍
自动控制系统在军事武器装备、航空航天、工业生产中占有主导作用，而控制器是 自动控制系统的核心。在现代工业应用中，控制方法种类繁多，主要包括PID控制、模糊 控制、自适应控制、自抗扰控制等。PID控制器因具有结构简单、参数可调、系统鲁棒性好 的特点，被广泛应用于机械、冶金、石油化工等行业，所占比例占80%以上。为了使PID控 制器具有较好的控制性能，需要对其进行参数整定，目前已经提出的参数整定方法主要有 Ziegler - Nichols (ZN)整定法、基于规则的自整定以及基于智能优化算法的PID参数寻优 整定法。研宄人员在PID控制器的参数自整定和自适应方面做了大量研宄，主要研宄方法 是运用智能优化算法对P、I、D三个参数进行全局搜索，运用的智能优化算法主要有遗传算 法、差分进化、粒子群算法，蚁群算法等。 文献(Xiao L Q, Shao X G, Zhang L, et al. PID parameter optimization using improved genetic algorithm. Computer Engineering and Applicatio ns, 2010, 46 (1) : 200-202.)在遗传算法的变异操作中引入了粒子群算法，将遗传算法与粒 子群算法结合起来应用于PID控制器参数优化。在文献（Kang J，Meng W, Abraham A，et al. An adaptive PID neural network for complex nonlinear system control. Neurocomputing, 2014, 135:79-85.)中，Kang J等人提出了一种基于自适应PID神经网 络和粒子群算法的控制方法。文献（Dong R. Differential evolution versus particle swarm optimization for PID controller design?2009Fifth International Conference on Natural Computation, 2009, 3:236-240.)分别米用差分进化和粒子群算 法对PID控制器和模糊PID控制器进行参数优化。 尽管上述这些研宄所设计的控制器具有不错的控制效果，但PID控制器只有比 例、积分、微分三个环节，对输出的调节范围有限，结构上具有很大的局限性，尤其在面对复 杂时变、非线性控制系统时（如时滞、饱和），往往不能达到较优的控制效果。此外，PID控 制器的参数优化需要在获得精确的控制系统数学模型的前提下进行，这给PID控制器的设 计增添了不少麻烦。如何实现控制器的自动优化设计（包括结构和参数的优化），是一个新 的研宄方向。本专利技术针对所述控制器设计问题，提供了一种控制器自动优化设计新思路。
技术实现思路
为了克服常规控制器结构固定、对外部环境适应能力差的缺点，改善复杂条件下 控制器性能，本专利技术提供了一种基于"库"思想和智能优化算法的控制器自动设计方法。该 方法根据不同类型的控制系统确定具体控制策略，选择合适的控制环节组成控制器的结 构，并根据现场条件和用户需求选择需要的性能指标作为适应度函数，然后调用智能优化 算法对控制器的参数进行寻优，最终得到最优解，完成控制器的优化设计。 本专利技术通过如下的技术方案实现 -种基于"库"思想和智能优化算法的控制器自动设计方法，具体步骤如下： 步骤1、构建环节库 将控制器结构组成可能需要的一些典型控制环节或者其他自定义的控制环节构 建成库，作为控制器组成的基本元素，各控制环节的数学模型采用传递函数的形式表示，且 每个控制环节至少具有一个待优化的控制参数； 步骤2、构建性能指标库 性能指标库包括多个用于评价控制器性能的指标； 步骤3、构建优化算法库 优化算法库包含多种不同的智能优化算法； 步骤4、搭建控制系统，运行优化算法，实现控制器的设计 根据被控对象的特性，选择合适的控制策略；针对选定的控制策略，选择环节库中 的环节，将其传递函数按照控制策略的结构形式进行取和或者取乘法的操作； 根据各环节传递函数解析得到控制器数学模型；从性能指标库中选定指标作为控 制器各环节控制参数优化的适应度函数，从优化算法库中选定优化算法来寻找控制参数的 最优解，实现控制器的自动优化设计。 进一步地，本专利技术所述寻找控制参数的最优解的过程为： 将各控制环节的控制参数进行编码，组成的向量作为种群个体，采用智能优化算 法对控制器各环节的控制参数进行寻优，算法迭代步骤如下： S1 :给定算法参数及全局最优解，设定待优化控制参数的上下界；在设定范围内 初始化，计算其适应度，根据适应度大小选择其中一定比例的较优个体作为最终的初始化 的父代种群； S2 :针对父代种群，根据选定优化算法的运行机制，生成子代种群； S3 :比较子代种群每一位上个体与父代种群对应位上个体的适应度大小，进行选 择操作，保留较优个体，构成新种群； S4 :计算S3所确定的种群中每个个体的适应度，确定当代最优解，并比较当代最 优解与全局最优解，若当代最优解优于全局最优解，则更新全局最优解，转入S5,否则，直接 转入S5 ; S5 :判断是否达到停止条件，若达到，则执行S6,否则迭代次数加1，并将S3构成的 新种群作为父代种群，转S2; S6、获得全局最优解解码，完成控制器设计。 进一步地，本专利技术在执行完步骤4后，还包括对控制器结构进行优化，具体过程 为： 首先，将S6获得的全局最优解代入传递函数中，解析得到传递函数的精确模型， 得到控制器传递函数及控制系统响应曲线，得到控制系统响应输出； 其次，判断S6获得的全局最优解各参数是否小于设定阈值，省略控制参数均小于 设定阈值的控制环节，然后重新组合步骤4选择的其余控制环节，完成控制器的结构优化， 并再次生成控制系统输出曲线； 然后，若结构优化后与优化前控制系统输出相差不大，均满足控制要求，则输出结 构优化后的控制器结构和参数；否则输出结构优化前的控制器结构和参数，控制器自动优 化设计结束。 有益效果 第一，本专利技术构建了环节库，丰富了控制器结构，使控制器的组成和控制方法清晰 明了。 第二，本专利技术构建了性能指标库和智能优化算法库，可满足不同用户、不同生产条 件下的控制器设计需求，具有很强的通用性。所提供的控制器优化设计方法简单实用，节省 了控制器参数的整定时间，不需要太多先验知识，即使对自动控制方法不熟悉的工作人员， 也可根据本专利技术的方法完成控制器的优化设计。 第三，本专利技术中的控制器参数的初始化和优化过程是在一个相当大的范围内进 行，从而能够在所述的大范围内搜索到全局最优解，打破了常规控制器参数在小范围内优 化的局限。本专利技术实现了控制器结构和的参数优化当前第1页1 2 3 本文档来自技高网...
【技术保护点】
一种基于“库”思想和智能优化算法的控制器自动设计方法，其特征在于，具体步骤如下：步骤1、构建环节库将控制器结构组成可能需要的一些典型控制环节或者其他自定义的控制环节构建成库，作为控制器组成的基本元素，各控制环节的数学模型采用传递函数的形式表示，且每个控制环节至少具有一个待优化的控制参数；步骤2、构建性能指标库性能指标库包括多个用于评价控制器性能的指标；步骤3、构建优化算法库优化算法库包含多种不同的智能优化算法；步骤4、搭建控制系统，运行优化算法，实现控制器的设计根据被控对象的特性，选择合适的控制策略；针对选定的控制策略，选择环节库中的环节，将其传递函数按照控制策略的结构形式进行取和或者取乘法的操作；根据各环节传递函数解析得到控制器数学模型；从性能指标库中选定指标作为控制器各环节控制参数优化的适应度函数，从优化算法库中选定优化算法来寻找控制参数的最优解，实现自动控制器的设计。
【技术特征摘要】
【专利技术属性】
技术研发人员：辛斌，孙振路，陈杰，邓方，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。