一种基于鲸鱼优化算法改进的电阻加热炉温度控制方法

本发明涉及电阻加热炉温度控制，尤其是涉及一种基于鲸鱼优化算法改进的电阻加热炉温度控制方法。

背景技术：

1、电阻加热炉是一种利用电阻产生热量的热工设备，其工作原理是通过电阻将电能转化为热能，然后将这种热能传递给待加热的物体。电阻加热炉的核心部件是电阻丝或电阻体，它们通常由高电阻率的材料制成，如镍铬合金、钨等。当通过电阻体或电阻丝的电流通过时，由于电阻体或电阻丝的电阻产生了电压降，进而产生了热量。这种热量会传导到周围的物体上，使其升温，从而达到加热的目的。电阻加热炉的应用领域十分广泛，主要包括金属加热、玻璃成型、陶瓷烧结、塑料加工、食品加热等。在这些领域，电阻加热炉都发挥着重要的作用，为生产提供了高效、稳定的加热解决方案。

2、目前，电阻加热炉普遍采用传统pid控制进行温度控制，在参数设置和控制性能方面，pid控制参数值对控制性能起着决定性作用，而不同的加热系统和控制参数对整个系统产生不同的影响，参数整定取决于试验，需要手动重新调整参数以适应新的工况，这导致参数设置的随机性较大，需要不断地重新调整参数以适应新的工况，这增加了系统维护和调试的复杂性。同时，由于传统pid控制的线性化处理，会对温度的变化产生超调量和振荡的响应，导致温度波动较大，温度稳定性较低，特别是在需要对温度进行精确控制和快速响应的场合，传统pid控制难以满足要求。因此，传统pid控制难以满足对温度控制高精度、高稳定和低延迟的要求。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于鲸鱼优化算法改进的电阻加热炉温度控制方法。

2、本发明提供了一种基于鲸鱼优化算法改进的电阻加热炉温度控制方法，该方法包括以下步骤：

3、s1、获取电阻加热炉运行过程中的温度偏差及偏差变化率；

4、s2、将温度偏差及偏差变化率输入至模糊控制器，经过模糊处理后，输出电阻加热炉的控制参数；

5、s3、基于改进的鲸鱼优化算法，对温度偏差、偏差变化率及控制参数进行自调节与优化，以控制电阻加热炉的温度。

6、进一步的，获取电阻加热炉运行过程中的温度偏差及偏差变化率包括以下步骤：

7、s11、获取当前采样时刻电阻加热炉预先给定的设定温度值，并采集当前采样时刻电阻加热炉内的实际温度值；

8、s12、计算设定温度值与实际温度值之间的温度偏差与偏差变化率；

9、s13、将温度偏差与偏差变化率设定为模糊控制器的输入变量，并将控制参数在下一采样时刻的调整量设定为模糊控制器的输出变量。

10、进一步的，将温度偏差及偏差变化率输入至模糊控制器，经过模糊处理后，输出电阻加热炉的控制参数包括以下步骤：

11、s21、利用模糊控制器将温度偏差与偏差变化率模糊化，转换为模糊量；

12、s22、基于逻辑模糊子集、隶属函数及模糊规则表，计算输出变量的隶属度，并经过反模糊化，转换为控制参数在下一采样时刻的调整量；

13、s23、将当前采样时刻的模糊控制器的初始值与调整量相加，计算结果作为电阻加热炉在下一采样时刻的控制参数。

14、进一步的，基于改进的鲸鱼优化算法，对温度偏差、偏差变化率及控制参数进行自调节与优化，以控制电阻加热炉的温度包括以下步骤：

15、s31、基于自适应调整策略与莱维飞行改进鲸鱼优化算法，并利用改进后的鲸鱼优化算法对输入变量与输出变量进行寻优；

16、s32、寻优迭代结束后，得到电阻加热炉的最优控制参数，并基于最优控制参数，调整电阻加热炉的工作状态，以实现温度控制。

17、进一步的，基于自适应调整策略与莱维飞行改进鲸鱼优化算法，并利用改进后的鲸鱼优化算法对输入变量与输出变量进行寻优包括以下步骤：

18、s311、设定鲸鱼的种群规模与最大迭代次数，并初始化鲸鱼种群位置；

19、s312、基于绝对误差积分准则，构建适应度函数，计算每只鲸鱼的适应度值，并根据适应度值的大小排序，选取当前适应度值的最小值作为最优适应值，且最小值对应的个体位置作为最优鲸鱼位置；

20、s313、设置迭代计数器，开始鲸鱼种群位置的迭代；

21、s314、基于鲸鱼种群的迭代行为，选择性自适应更新鲸鱼的个体位置；

22、s315、迭代更新鲸鱼位置后，再次计算每只鲸鱼的适应度值，重新选取适应度值的最小值作为新最优适应值，并对比新最优适应值与前代的最优适应值的大小，若新最优适应值小于前代的最优适应值，则更新最优适应值和最优鲸鱼位置；

23、s316、判断鲸鱼种群的迭代次数是否达到最大迭代次数，若达到，则终止迭代，并输出最优解，若未达到，则返回步骤s313继续迭代；

24、s317、将最优解对应的全局最优鲸鱼位置赋值至最优控制参数。

25、进一步的，适应度函数的表达式为：

26、

27、式中，f表示适应度值；t表示采样时刻；e(t)表示设定温度值与实际温度值之间的温度偏差。

28、进一步的，基于鲸鱼种群的迭代行为，选择性更新鲸鱼个体的位置包括以下步骤：

29、s3141、定义自适应收敛因子与自适应惯性权重，并基于自适应收敛因子，计算收敛系数向量；

30、s3142、若收敛系数向量的绝对值小于向量阈值且搜索概率小于概率阈值，鲸鱼种群则采用包围捕食策略；在最优鲸鱼位置确认后，其他鲸鱼向最优鲸鱼位置靠近并更新自身的个体位置；

31、s3143、若收敛系数向量的绝对值大于等于向量阈值且搜索概率小于概率阈值，鲸鱼种群则采用随机搜索策略；每只鲸鱼随机进行全局搜索并更新自身的个体位置；再采用莱维飞行对最优鲸鱼位置进行莱维飞行扰动，对每只鲸鱼的个体位置进行优化，最终更新每只鲸鱼的个体位置；

32、s3144、若搜索概率大于等于概率阈值，鲸鱼种群则采用气泡网包围猎物策略；每只鲸鱼首先计算自身至最优鲸鱼位置之间的距离，再以螺旋形姿势向上游动捕食鱼虾并更新自身的个体位置。

33、进一步的，自适应收敛因子的表达式为：

34、

35、式中，a表示自适应收敛因子；maxiter为最大迭代次数。

36、进一步的，自适应惯性权重的表达式为：

37、

38、式中，ω表示自适应惯性权重；k、d均表示调节系数；maxiter为最大迭代次数。

39、进一步的，采用莱维飞行对最优鲸鱼位置进行莱维飞行扰动，对每只鲸鱼的个体位置进行优化，最终更新每只鲸鱼的个体位置的计算表达式为：

40、

41、式中，表示t+1采样时刻鲸鱼种群中第i只鲸鱼的个体位置；表示t采样时刻鲸鱼种群中随机的一只鲸鱼的个体位置；α表示随机向量；ω表示自适应惯性权重；levy(γ)表示步长分布函数。

42、本发明的有益效果为：

43、1、本发明从随机解出发，通过迭代寻找最优解，以适应度来评价解的品质并追随当前搜索到的最优值来确定全域或局域最优解，具有操作简单、全局优化能力强、精度高、收敛快等优点；本发明利用采用改进的鲸鱼优化算法与模糊pid相结合的智能控制算法，使电阻加热炉的温度控制精度更高、自适应性更强、稳定性更高；同时，本发明将自适应收敛因子，自适应惯性权重和莱维飞行应用到鲸鱼优化算法寻优过程中，使其能够跳出局部最优，增强了全局搜索能力，进而缩短温度控制的调节时间，减小超调量，实现对电阻加热炉炉温的精准控制，使炉温更快更稳达到温度设定值。

44、2、本发明利用改进的鲸鱼优化算法优化pid参数实现炉温控制的高精度和低时延，同时自适应调整后的鲸鱼优化算法在迭代前期以较小的迭代速度维持一个较大的权重，经过一定迭代后权重迅速下降，在迭代后期能够提高寻优精度；莱维飞行改进在随机搜索之后，对最优鲸鱼个体进行莱维飞行扰动，通过缩放因子对算法进一步优化，达到更好的全局搜索能力；实现减小温度控制的调节时间，提高温度控制精度，从而更快达到稳定状态的设定温度值。