基于改进WOA优化PID参数的水肥EC值调控方法

本发明涉及水肥一体机水肥溶液控制领域，具体涉及一种基于改进woa优化pid参数的水肥ec值调控方法。

背景技术：

1、水肥一体化是建立在滴灌系统基础上的现代农业技术旨在实现节水、节肥、高产、高效的目标。以肥调水、以水促肥为核心理念，在现代农业科学领域受到广泛关注，并对农业的可持续发展产生着重要的影响。

2、常见的水肥一体机在配制肥料原液时多为手控配液、机械配液，进行液体按比例配制。但在实际生产现场中，灌溉肥水需求的浓度不固定，由于参数整定复杂，常规pid控制器往往会出现参数设置不佳、控制精度不高，对实际生产的适应力较差，己经难以满足更高精度要求。水肥一体化系统的时变性、非线性和滞后性等问题也会对水肥灌溉的运行效率产生不利影响，因此制定高效的肥水灌溉控制策略至关重要。目前国内外主要采用优化算法、神经网络等与pid相结合的控制策略实现对系统的精确控制。基于智能算法的优化pid一定程度上解决了水肥系统时变性、自适应能力差等问题，但当前研究大多还处于试验仿真阶段，与智能算法结合的研究相对较少。

3、本发明使用智能算法，设计了一种基于改进woa优化pid参数的水肥ec值调控方法。利用改进后的鲸鱼优化算法收敛速度快、算法精度高等特点优化pid参数，实现对水肥ec值的精确调控。

技术实现思路

1、为解决现有技术中水肥一体机肥水调控控制精度不高等问题，本发明提出一种基于改进woa优化pid参数的水肥ec值调控方法，包括以下步骤：

2、步骤一：初始化woa种群相关参数，最大迭代次数，空间维度，变量边界值等算法各项参数；

3、步骤二：根据适应度值对搜索代理的位置进行排序，找到最优解的位置；

4、步骤三：初始化一个空的池存储解的位置，并调用池化机制函数更新池中解的位置；

5、步骤四：更新算法相关a2、a、p、c、l；

6、步骤五：如果p＜0.5，执行步骤6，否则执行步骤7；

7、步骤六：如果a＜0.5，根据公式(1)

8、xj+1＝x*-a·d                                               (10)结合人工蜂鸟算法局部搜索策略，更新当前搜索个体位置；如果a≥0.5，根据公式(2)

9、xj+1＝xrand-a·d                                             (11)结合差分进化局部搜索策略，更新当前个体搜索位置；

10、步骤七：使用螺旋气泡网攻击策略，根据公式(3)

11、xj+1＝x*+d·ebl·cos(2πl)                                      (12)更新当前个体搜索位置；

12、步骤八：当迭代次数达到设定的最大迭代值时，终止运行；若未满足终止条件，重复步骤四到步骤七。

13、在步骤一和步骤二中，传统woa局部搜索能力相对较弱，主要依赖于随机性和迭代次数的增加来探索更好的解空间，可能导致算法收敛速度较慢或者陷入局部最优解。故初始化改进woa算法的各项参数，记录最优适应值和最优解的位置。

14、在步骤三中，提出引入池化机制，使woa能够保留多样性的解，并且通过更新解向量来更好地探索搜索空间，有助于提高算法的探索能力和优化性能，更好地兼顾全局搜索和局部搜索。

15、在步骤四中，为提高解的多样性和探索性，引入随机权重因子，其数学模型公式为：

16、a＝0.5+0.1tan(π(s-0.5))                                       (13)

17、其中，s为行数为种群数量的列向量，其中每个元素都是独立且均匀分布在0和1之间的随机数，并对a内小于等于0的元素进行修正，使其不小于0。在步骤六中，为提高算法的探索性和多样性，引入随机权重因子后，其公式为：

18、xj+1＝x*-a·d                                                (14)

19、xj+1＝xrand-a·d                                              (15)

20、xj+1＝x*+d·ebl·cos(2πl)                                       (16)引入人工蜂鸟算法局部搜索机制策略和差分进化算法搜索机制策略，运用两种局部搜索机制策略，通过对woa当前解向量附近进行更细致的搜索，调整解和更新解的位置，以找到更优的解。人工蜂鸟算法局部搜索机制策略公式为：

21、xb_x(i)＝xw_x(i)+randn[0,1]*(xw_x(i)-xw_best)                       (17)差分进化算法搜索策略公式为：

22、xd_x(i)＝xw_best+randn[0,1]*(xr2-xr3)                            (18)其中，xb_x(i)为随机蜂鸟个体，xw_x(i)为随机鲸鱼个体，xw_best为全局最优鲸鱼个体，xd_x(i)为差分进化算法随机种群个体，xr2与xr3为两个随机候选解。

23、对于引入局部搜索机制策略具体实现过程如下：

24、步骤6.1：对局部搜索机制策略种群初始化，并存放于xw_best附近的局部解中；

25、步骤6.2：若随机权重a＜0.5，根据公式(8)对xw_best进行扰动产生局部新解；若随机权重a≥0.5，根据公式(9)对xw_best进行扰动产生局部新解；

26、步骤6.3：对于步骤2中的xb_x(i)和xd_x(i)进行评价，如果适应度值fitness(xb_x(i))＜fitness(xw_x(i))，则xw_x(i)＝xb_x(i)。

27、步骤4：若fitness(xb_x(i))＜fitness(xw_best)，xw_best＝xb_x(i)。

28、采用上述技术方案所产生的有益效果在于：本发明提供一种基于改进woa优化pid参数的水肥ec值调控方法。针对传统鲸鱼算法建立模型所存在的准确率低，容易陷入局部最优解的问题，本发明从包围猎物，气泡网攻击和全局搜索三个方向进行优化改进使用混合策略改进woa。引入池化机制平衡全局搜索和局部搜索；引入随机权重因子，增加搜索多样性，提高全局搜索能力。引入人工蜂鸟算法局部搜索策略和差分进化算法局部搜索策略，更新解的变量值，跳出局部最优解。

技术特征：

1.一种基于改进woa优化pid参数的水肥ec值调控方法，其特征在于：从woa的包围猎物，气泡网攻击和全局搜索三个方向进行优化改进，使用混合策略改进woa，包括池化机制，随机权重因子，人工蜂鸟算法局部搜索策略，差分进化搜索策略。具体为如下步骤：

2.根据权利要求1所述一种基于改进woa优化pid参数的水肥ec值调控方法，其特征在于：传统woa局部搜索能力相对较弱，主要依赖于随机性和迭代次数的增加来探索更好的解空间，可能导致算法收敛速度较慢或者陷入局部最优解。故改进版本的woa初始化算法各项参数，记录最优适应值和最优解的位置。

3.根据权利要求1所述一种基于改进woa优化pid参数的水肥ec值调控方法，其特征在于：所述权利要求1的步骤三提出引入池化机制，使woa能够保留多样性的解，并且通过更新解向量来更好地探索搜索空间，有助于提高算法的探索能力和优化性能，更好地兼顾全局搜索和局部搜索。

4.根据权利要求1所述一种基于改进woa优化pid参数的水肥ec值调控方法，其特征在于：所述权利要求1的步骤四中，为提高解的多样性和探索性，引入随机权重因子，其数学模型公式为：

5.根据权利要求1所述一种基于改进woa优化pid参数的水肥ec值调控方法，其特征在于：为提高算法的探索性和多样性，引入随机权重因子后，其公式为：

6.根据权利要求1所述一种基于改进woa优化pid参数的水肥ec值调控方法，其特征在于：引入人工蜂鸟算法局部搜索机制策略和差分进化算法搜索机制策略，运用两种局部搜索机制策略，通过对woa当前解向量附近进行更细致的搜索，调整解和更新解的位置，以找到更优的解。人工蜂鸟算法局部搜索机制策略公式为：

技术总结本发明公开了一种基于改进WOA优化PID参数的水肥EC值调控方法，用于水肥一体机的水肥控制系统。在调控水肥EC值时，传统鲸鱼算法的控制精度有待提高，且在搜索过程中容易陷入局部最优解。本发明设计一种混合策略方式来改进WOA。创新之处如下：引入池化机制，使算法能够在搜索过程中更好地平衡全局搜索和局部搜索；引入随机权重因子，增加搜索多样性，提高全局搜索能力；引入人工蜂鸟算法局部搜索策略和差分进化算法局部搜索策略，更新解的变量值，跳出局部最优解。技术研发人员：林泱邑,徐止政,陈寒,段纳受保护的技术使用者：江苏师范大学技术研发日：技术公布日：2024/6/18