一种自抗扰控制器参数的整定方法、装置和电子设备制造方法及图纸

本发明专利技术公开了一种自抗扰控制器参数的整定方法、装置和电子设备，该自抗扰控制器参数的整定方法，包括如下步骤：确定自抗扰控制器的待整定参数，待整定参数为自抗扰控制器的控制模型中的一个或多个参数；根据待整定参数形成多个参数组；使用鲸鱼优化算法对多个参数组进行寻优计算；根据寻优结果对自抗扰控制器的参数进行整定。通过将自抗扰控制器的控制模型中的一个或多个参数(一般为对自抗扰控制器影响较大的参数)确定为待整定参数，进一步缩小待整定参数的数量，并通过鲸鱼优化算法对由多个不同取值的参数组进行寻优计算，实现了对ADRC达到较高控制精度时的各控制参数的取值的确定。

A Method, Device and Electronic Equipment for Tuning the Parameters of ADRC

【技术实现步骤摘要】
一种自抗扰控制器参数的整定方法、装置和电子设备
本专利技术涉及自动控制
，尤其涉及到一种自抗扰控制器参数的整定方法、装置和电子设备。
技术介绍
基于扩张状态观测器的自抗扰控制技术(ADRC)是一种非线性鲁棒控制技术，自抗扰控制器是对PID的改进，省去了积分环节，增加了扩张状态观测器以实现对系统内部模型摄动和外部扰动的实时估计，并采用非线性误差状态反馈策略，保留了PID控制器的不依赖被控对象的数学模型，仅仅依靠控制目标与实际行为之间的误差来确定消除此误差的优点，克服了其对误差提取不合理，控制精度低的缺陷。但是，由于ADRC包括微分跟踪器(Trackingdifferentiator，TD)、非线性反馈(NonlinearStateErrorFeedbackControlLaw，NLSEF)和扩张状态观测器(Extendedstateobserver，ESO)，并且TD、NLSEF以及ESO的控制模型中均含有对ADRC控制精度具有一定影响的多个控制参数，因此，即使用户根据经验将各个参数的取值均限制到一个较小的范围，确定各控制参数的取值，以使ADRC能够达到较高控制精度的实现难度仍然较大。
技术实现思路
有鉴于此，本专利技术实施例提供了一种自抗扰控制器参数的整定方法、装置和电子设备，以解决确定各控制参数的取值，以使ADRC能够达到较高控制精度的实现难度较大的问题。根据第一方面，本专利技术实施例提供了一种自抗扰控制器参数的整定方法，包括如下步骤：确定自抗扰控制器的待整定参数，待整定参数为自抗扰控制器的控制模型中的一个或多个参数；根据待整定参数形成多个参数组；使用鲸鱼优化算法对多个参数组进行寻优计算；根据寻优结果对自抗扰控制器的参数进行整定。通过将自抗扰控制器的控制模型中的一个或多个参数(一般为对自抗扰控制器影响较大的参数，其他对自抗扰控制器影响较小的参数的取值通过经验进行确定)确定为待整定参数，进一步缩小待整定参数的数量，并根据待整定参数形成多个参数组形成多个参数组(各个参数组均包括所有待整定参数，但是任意两个参数组之间都至少有一个待整定参数的取值不同)，从而通过鲸鱼优化算法对由多个不同取值的参数组进行寻优计算，根据鲸鱼优化算法的寻优结果(多个参数组中的最优参数组)整定自抗扰控制器的参数，从而实现对ADRC达到较高控制精度时的各控制参数的取值的确定的目的。结合第一方面，在第一方面第一实施方式中，自抗扰控制器的控制模型为：其中，TD、ESO和NLSEF分别是指自抗扰控制器中的微分控制器、非线性反馈器和扩张状态观测器，k是指变量值，v0是指跟踪控制信号，v1和v2分别为TD给出的输入信号v的过度过程及其微分，e1和e2分别是指v1和v2相对于AD自抗扰控制器的控制对象的状态变量z1和z2的误差，z3是指AD控制对象的总扰动实时控制作用量，b0是指AD自抗扰控制器的控制输入放大系数，u是指非线性反馈控制率，r是指快慢因子，h是指步长，β01，β02，β03，βi是指修正系数，u0是指控制信号，fal(.)是指输出误差校正率的非线性函数；AD参数组包括β01，β02，β03和βi。结合第一方面，在第一方面第二实施方式中，使用鲸鱼优化算法对所述多个参数组进行寻优计算的步骤包括：将多个参数组作为鲸鱼优化算法中的种群；多个参数组中的任一个均为种群中的一个个体；通过混沌序列对种群进行初始化，并将初始化后的种群划分为第一子种群和第二子种群；采用变异算法，对G代第一子种群中的适应度函数值较低的第一预设数量的个体进行替换，形成G+1代第一子种群；变异算法为：其中，是指个体的第j维元素，是指G代种群的3个互异个体，F是缩放因子；采用WOA算法对G代第二子种群中的适应度函数值较低的第二预设数量的个体进行替换，形成G+1代第二子种群；判断G+1代第一子种群中的最优个体的适应度函数值是否小于G+1代第二子种群中最优个体的适应度函数值；G+1代第一子种群中的最优个体是指第一子种群中适应度函数值最高的个体；当G+1代第一子种群中最优个体的适应度函数值小于G+1代第二子种群中最优个体的适应度函数值时，将G+1代第一子种群中第三预设数量的适应度函数值较低的个体，与G+1代第二子种群中第三预设数量的适应度函数值较高的个体进行替换；判断G+1是否等于预设迭代次数；当G+1等于预设迭代次数时，则将G+1代第一子种群中的最优个体作为种群的最优个体；当G+1不等于预设迭代次数时，则将G+1代第一子种群作为G代第一子种群，将G+1代第二子种群作为G代第二子种群，并继续进行寻优计算，直至G+1等于预设迭代数。由于混沌现象是在非线性动力系统中表现的确定性、类随机的过程，并且混沌运动对初值极度敏感，其可在一定范围内，按照一定的自身规律不断对所有的状态进行遍历，因此通过混沌序列对种群进行初始化能够提高鲸鱼优化算法在初始阶段的搜索能力，加快鲸鱼优化算法的收敛速度；而通过将初始化后的种群划分为第一子种群和第二子种群，并在第一子种群的第二更新中引入变异算法，能够在增加第一子种群中个体的多样性的同时，通过个体变异防止第一子种群陷入局部最优，并通过在第二子种群中的个体优于第一子种群中的个体(G+1代第一子种群中最优个体的适应度函数值小于G+1代第二子种群中最优个体的适应度函数值)时，将G+1代第一子种群中第二预设数量的适应度函数值较低的个体，与G+1代第二子种群中二预设数量的适应度函数值较高的个体进行替换，进一步加快寻找种群最优解的速度。结合第一方面第二实施方式，在第一方面第三实施方式中，第一子种群中的个体数和第二子种群中的个体数均为种群中的个体数的一半。结合第一方面第二实施方式，在第一方面第四实施方式中，混沌序列为使用Logistic映射算法产生。结合第一方面第二实施方式，在第一方面第五实施方式中，适应度函数为ITAE指标函数。根据第二方面，本专利技术实施例提供了一种自抗扰控制器参数的整定装置，包括：参数确定模块，用于确定自抗扰控制器的待整定参数，待整定参数为自抗扰控制器的控制模型中的一个或多个参数；参数组形成模块，用于根据待整定参数形成多个参数组；算法寻优模块，用于使用鲸鱼优化算法对多个参数组进行寻优计算；参数整定模块，用于根据寻优结果对自抗扰控制器的参数进行整定。结合第二方面，算法寻优模块包括：种群形成单元，用于将多个参数组作为鲸鱼优化算法中的种群；多个参数组中的任一个均为种群中的一个个体；种群划分单元，用于通过混沌序列对种群进行初始化，并将初始化后的种群划分为第一子种群和第二子种群；第一更新单元，用于采用变异算法，对G代第一子种群中的适应度函数值较低的第一预设数量的个体进行替换，形成G+1代第一子种群；变异算法为：其中，是指个体的第j维元素，是指G代种群的3个互异个体，F是缩放因子；第二更新单元，用于采用WOA算法对G代第二子种群中的适应度函数值较低的第二预设数量的个体进行替换，形成G+1代第二子种群；第一判断单元，用于判断G+1代第一子种群中的最优个体的适应度函数值是否小于G+1代第二子种群中最优个体的适应度函数值；第一子种群中的最优个体是指第一子种群中适应度函数值最高的个体；第三更新单元，用于当G+1代第一子种群中最优个体的适应度函数值小于G+1代第二子种群中最优本文档来自技高网...

【技术保护点】
1.一种自抗扰控制器参数的整定方法，其特征在于，包括如下步骤：确定所述自抗扰控制器的待整定参数，所述待整定参数为所述自抗扰控制器的控制模型中的一个或多个参数；根据所述待整定参数形成多个参数组；使用鲸鱼优化算法对所述多个参数组进行寻优计算；根据所述寻优结果对所述自抗扰控制器的参数进行整定。

【技术特征摘要】
1.一种自抗扰控制器参数的整定方法，其特征在于，包括如下步骤：确定所述自抗扰控制器的待整定参数，所述待整定参数为所述自抗扰控制器的控制模型中的一个或多个参数；根据所述待整定参数形成多个参数组；使用鲸鱼优化算法对所述多个参数组进行寻优计算；根据所述寻优结果对所述自抗扰控制器的参数进行整定。2.根据权利要求1所述的自抗扰控制器参数的整定方法，其特征在于，所述自抗扰控制器的控制模型为：其中，TD、ESO和NLSEF分别是指自抗扰控制器中的微分控制器、非线性反馈器和扩张状态观测器，k是指变量值，v0是指跟踪控制信号，v1和v2分别为TD给出的输入信号v的过度过程及其微分，e1和e2分别是指v1和v2相对于所述自抗扰控制器的控制对象的状态变量z1和z2的误差，z3是指所述控制对象的总扰动实时控制作用量，b0是指所述自抗扰控制器的控制输入放大系数，u是指非线性反馈控制率，r是指快慢因子，h是指步长，β01，β02，β03，βi是指修正系数，u0是指控制信号，fal(.)是指输出误差校正率的非线性函数；所述参数组包括β01，β02，β03和βi。3.根据权利要求1所述的自抗扰控制器参数的整定方法，其特征在于，所述使用鲸鱼优化算法对所述多个参数组进行寻优计算的步骤包括：将所述多个参数组作为所述鲸鱼优化算法中的种群；所述多个参数组中的任一个均为所述种群中的一个个体；通过混沌序列对所述种群进行初始化，并将初始化后的种群划分为第一子种群和第二子种群；采用变异算法，对G代第一子种群中的适应度函数值较低的第一预设数量的个体进行替换，形成G+1代第一子种群；所述变异算法为：其中，是指个体的第j维元素，是指G代种群的3个互异个体，F是缩放因子；采用WOA算法对G代第二子种群中的适应度函数值较低的第二预设数量的个体进行替换，形成G+1代第二子种群；判断所述G+1代第一子种群中的最优个体的适应度函数值是否小于所述G+1代第二子种群中最优个体的适应度函数值；所述第一子种群中的最优个体是指所述第一子种群中适应度函数值最高的个体；当所述G+1代第一子种群中最优个体的适应度函数值小于所述G+1代第二子种群中最优个体的适应度函数值时，将所述G+1代第一子种群中第三预设数量的适应度函数值较低的个体，与所述G+1代第二子种群中所述第三预设数量的适应度函数值较高的个体进行替换；判断所述G+1是否等于预设迭代次数；当所述G+1等于预设迭代次数时，则将所述G+1代第一子种群中的最优个体作为所述种群的最优个体；当所述G+1不等于预设迭代次数时，则将所述G+1代第一子种群作为G代第一子种群，将所述G+1代第二子种群作为G代第二子种群，并继续进行寻优计算，直至所述G+1等于预设迭代数。4.根据权利要求3所述的自抗扰控制器参数的整定方法，其特征在于，所述第一子种群中的个体数和所述第二子种群中的个体数均为所述种群中的个体数的一半。5...

【专利技术属性】
技术研发人员：易星，
申请(专利权)人：南京交通职业技术学院，
类型：发明
国别省市：江苏,32