非線性自抗擾控制器具有多個(gè)耦合參數(shù)且依靠傳統(tǒng)的經(jīng)驗(yàn)整定法難以整定,以至于對(duì)控制器的精度和抗擾動(dòng)能力造成一定影響。針對(duì)此問(wèn)題,提出一種雙種群混沌鯨魚(yú)算法對(duì)控制器參數(shù)進(jìn)行在線整定。針對(duì)傳統(tǒng)鯨魚(yú)算法易陷入局部最優(yōu)以及在迭代后期出現(xiàn)尋優(yōu)緩慢的現(xiàn)象,提出一種混沌策略和雙種群協(xié)同機(jī)制對(duì)算法進(jìn)行改進(jìn)。以機(jī)械臂作為被控對(duì)象進(jìn)行仿真驗(yàn)證,結(jié)果表明優(yōu)化后的自抗擾控制器具有更好的控制精度和良好的抗擾動(dòng)能力。改進(jìn)后的鯨魚(yú)優(yōu)化算法可以用于非線性自抗擾控制器參數(shù)整定。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用與軟件. 2019,36(04)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

非線性自抗擾結(jié)構(gòu)框圖其中:v和v分別為T(mén)D給出的過(guò)度過(guò)程及其微分;

fal(·)是一種非線性函數(shù)，是輸出誤差校正率，其表達(dá)式為:fal(e，a，δ)=|e|asign(e)|e|＞δe/δ1－a|e|≤{δ(4)其余參數(shù)由于一部分變化極其敏感，一部分對(duì)控制系統(tǒng)影響不大，因此可事先根據(jù)經(jīng)驗(yàn)先行設(shè)定。本文選取TD中r=100，h=0．01;ESO中的a1=0．5，a2=0．25，δ=0．01。針對(duì)非線性自抗擾參數(shù)難整定以至于影響控制精度和抗擾動(dòng)問(wèn)題，選取ITAE作為優(yōu)化的目標(biāo)函數(shù)，采用雙種群混沌鯨魚(yú)算法進(jìn)行在線優(yōu)化，其系統(tǒng)框圖如圖2所示。圖2基于DCWOA算法的ADＲC系統(tǒng)框圖2算法設(shè)計(jì)2．1標(biāo)準(zhǔn)鯨魚(yú)優(yōu)化算法鯨魚(yú)優(yōu)化算法是一種高效的新型啟發(fā)式優(yōu)化算法，其尋優(yōu)方式是基于模擬鯨魚(yú)狩獵所得出的。該算法主要包括三個(gè)階段:包圍獵物、螺旋狩獵和搜索食物。對(duì)于鯨魚(yú)優(yōu)化算法而言，鯨魚(yú)種群中任意一只鯨魚(yú)所在的位置都可以表示為一個(gè)決策變量。(1)包圍獵物:座頭鯨在狩獵的時(shí)候要包圍獵物，其數(shù)學(xué)模型如下:D=|CX*(t)－X(t)|(5)X(t+1)=X*(t)－A·D(6)式中:t表示為迭代次數(shù);A和C為系數(shù)矩陣;X*(t)為當(dāng)前最優(yōu)的鯨魚(yú)位置向量;X(t)表示當(dāng)前鯨魚(yú)的位置向量，A和C由下面的公式得出:A=2a×r1－a(7)C=2×r2(8)式中:r1和r2為(0，1)之間的隨機(jī)數(shù);a的值在(0，2)

脅蛔悖??從龐諂淥?2種算法，同時(shí)也更加穩(wěn)定。結(jié)果表明，在絕大部分的測(cè)試函數(shù)上，相比其他3種算法，DCWOA算法可以找到精度更高，收斂速度更快的最優(yōu)解。因此DCWOA是一個(gè)具有高效性的優(yōu)化算法，并且可用于優(yōu)化自抗擾參數(shù)。本文選取DCWOA算法對(duì)ADＲC參數(shù)進(jìn)行在線優(yōu)化，并選取ITAE指標(biāo)做為算法的目標(biāo)函數(shù)，其中ITAE指標(biāo)［10］的數(shù)學(xué)表達(dá)式如下:J=∫T0t|e(t)|dt(15)為了驗(yàn)證本文所提算法的有效性，選取CPSO與DCWOA進(jìn)行對(duì)比驗(yàn)證，具體結(jié)果如圖3和圖4所示。圖3第一組參數(shù)尋優(yōu)圖4第二組參數(shù)尋優(yōu)圖3和圖4為CPSO和DCWOA算法對(duì)兩組AD-ＲC參數(shù)整定過(guò)程中的評(píng)價(jià)函數(shù)優(yōu)化曲線。DCWOA算法相較CPSO而言，具有更高的搜索精度，更快的搜索速度，很大程度上提高了ADＲC的控制精度。在尋優(yōu)范圍上，DCWOA遠(yuǎn)大于CPSO。在算法尋優(yōu)初期，DCWOA算法得到的評(píng)價(jià)函數(shù)值的下降速度明顯優(yōu)于CPSO，說(shuō)明DCWOA的尋優(yōu)初值要好于CPSO，因此可得到比CPSO更快的尋優(yōu)速度，使算法整體的優(yōu)化效率得到提升，且評(píng)價(jià)函數(shù)值更小，故DCWOA可以更好地得到控制器參數(shù)。最后為了驗(yàn)證本文方法的高效性，在MATLAB上獨(dú)立運(yùn)行DCWOA、AWOA、WOA和CPSO算法各50次，并記錄平均時(shí)間分別為5．34s、6．88s、7．33s和6．02s。因此驗(yàn)證本文算法復(fù)雜度更低，優(yōu)化時(shí)間更短。

【參考文獻(xiàn)】：
期刊論文
[1]基于鯨魚(yú)優(yōu)化算法的汽輪機(jī)熱耗率模型預(yù)測(cè)[J]. 牛培峰,吳志良,馬云鵬,史春見(jiàn),李進(jìn)柏.  化工學(xué)報(bào). 2017(03)
[2]基于混沌粒子群優(yōu)化算法的異結(jié)構(gòu)混沌反同步自抗擾控制[J]. 劉福才,賈亞飛,任麗娜.  物理學(xué)報(bào). 2013(12)



本文編號(hào)：3579475