制器(PSOGPC)
4.1基本原理
将粒子群优化算法引入到广义预测控制的滚动优化中去,与普通广义预测控制无约束情况下的梯度寻优法相互配合,形成一种多模态混合优化方式。在被控对象无约束时使用梯度寻优获得最优控制输入量,当存在约束时,梯度寻优与粒子群寻优相互配合,快速、精确地获得系统最优控制输入。基于混合粒子群算法优化的广义预测控制结构如图2所示。
PSOGPC
而较小的∞值有利于算法收敛。因此,在设置∞时,将∞的
初始值设为0.7,并使其随迭代次数的增加线性递减至0.2。
(4)迭代终止条件的设置
一般的粒子群优化算法的迭代终止条件是达到最大迭代次数或满足最小误差标准时停止迭代。
广义预测控制在具有约束情况下,在很多时候由于约束
条件的存在,优化目标是难以达到0,从而造成粒子群优化
算法在已经获得最优值的情况下还会一直不断的继续寻优直到算法达到最大迭代次数才能终止,白白浪费了大量的时间,使得粒子群优化算法不能应用于实时控制系统。因此,我们可以在粒子群算法中引入稳定精度6和最大稳定连续
I预测模型
●
l_
迭代次数b这两个参数来判断算法是否已获得最优值,进而决定是否应终止迭代。这样就能节省大量时间,提高粒子群算法的实时性。具体过程如下:
IF(最优粒子本次适应度一最优粒子上次适应度)小于6
◆l混觥化卜一对象卜一L————一Y
u
图2基于混合PSO的控制结构
Then
flag=flag+l
4.2混合优化策略
粒子群算法作为一种随机搜索求解算法,存在一个严重
ELSE
flag=13ENDIF
的缺点就是计算时间往往较长,甚至可能陷入局部最优。这
使得常规粒子群算法很难直接应用于工业实时过程控制,为克服粒子群算法的这种局限性, 在利用粒子群算法对广义预测控制进行优化时本文采用以下几种策略来提高粒子群优化算法的寻优速度和精度,进而获得良好的实时控制性能。
Ⅲ达到最大迭代次数OR满足最小误差标准ORflag等于b
Then终止迭代,给出最优解
ENDIF
4.2.2软开关切换策略
该策略是为了保证PSOGPC系统实时陛的又一重要策略。当系统处于稳态时最优预测输入控制增量波动较小,利
用无约束广义预测控制获得的最优控制增量基本上能满足约束条件。从实时性方面考虑,为节省算法运行时间,此时可以直接利用无约束广义预测控制获得最优控制增量,不必
4.2.1有约束时粒子群优化算法的参数设置策略
为了使粒子群算法能够快速、精确地获得最优值涉及到适应度函数选择、种群初始化、权重∞的设置等多方面策略。下面介绍粒子群优化算法在初始参数设置方面的改进策略。
(1)适应度函数
使用广义预测控制优化时总希望系统的输出尽量接近系统的给定值,为使控制增量△u符合生产实际,不希望其有很大变化。因此,这里采用(6)作为粒子群优化算法的适应度函数,优化目标值为0,最小误差标准为0.01。
再调用粒子群优化算法。因此,可以在控制器中设置一个软
开关来进行切换。具体实现方法如下:
IF当根据无约束广义预测控制的二次型目标函数获得的最优输
入控制增量序列△U满足被控对象的约束条件
Then
直接利用u(k一1卜Au(k)作为控制量对系统进行控制
Else
(2)种群的初始化
在一般粒子群优化算法中,种群的初始化是随机的,收
于系统
启动PSO优化算法求解约束优化,将获得的最优控制输入作用
ENDIF
敛速度相对较慢,而现实中一大类约束优化问题的最优解在
约束边界附近。因此论文在粒子群初始化过程中利用在无约束情况下的梯度寻优使二次型目标函数极小化得到最优解序列△u,并带入约束条件中将超出约束条件的序列元素按结束边界值设置,然后将△u作为初值赋给种群中的e%的种子,剩下种子随机赋给初始值,种子的维数为控制时域m。通过这种方法使种群中既含有一部分优质种子,又保证种群的多样性、随机性,可以加快算法收敛速度,减少计算时间,在一定程度上避免了局部极小。
(3)权重∞的设置
Shit51研究了惯性因子∞对优化性能的影响,发现较大的
4.3基于PSO混合优化算法的流程
基于粒子群算法混合优化的广义预测控制算法流程如图3所示。
5仿真研究
1)考虑车用发动机在不同工况下模型[91分别为:(1)少(素)一0.496585y(露一1)=O.5u(k一2)+考(七)/△(2)y(后)一1.001676y(七一1)+0.241714y(k一2)
=O.23589u(k一1)+芒(k)/6
(3)y(七)一0.496585y(k一1)=O.5u(k一1)+{(k)/6(4)y(七)一1.001676y(七一1)+O.24714y(七一2)
=0.23589u(七一2)+{(k)/a
∞值有利于跳出局部极小点,并具有较强的全局搜索能力,
万方数据
822
搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,第一范文网,提供最新人文社科基于粒子群算法混合优化的广义预测控制器研究(5)全文阅读和word下载服务。
相关推荐: