基于开普勒优化-神经网络PID的电子离合器位置控制法

本发明属于自动控制，具体涉及一种基于开普勒优化-神经网络pid的电子离合器位置控制法。

背景技术：

1、pid控制器是一种不依赖于被控对象的数学模型的控制器，它具有稳定性良好、易于实现和抗干扰能力强等优点，因此在工业控制中得到了广泛应用。然而，传统的pid控制方法中控制参数为固定值，这使得在面对具有较强非线性和时变性的系统时，难以满足较高的控制要求。此外，pid控制器的参数整定是一件比较困难的事情，因为需要手动调整参数以适应不同的系统和任务，对参数调节的要求较高，且对系统的稳定性要求也较为严格。

2、为解决上述问题，可考虑采用自适应pid控制策略，该策略能根据系统输入和输出信号自动调整控制参数，以适应系统动态变化。bp神经网络被引入到pid控制系统中，以优化pid参数整定。bp神经网络具有逼近复杂非线性关系、强大信息综合能力和适应严重不确定系统动态特性的能力，在pid控制器设计中发挥重要作用。然而，采用bp神经网络设计的bp神经网络pid控制系统面临学习效率低、收敛速度慢、全局搜索能力弱和易陷入局部最优等挑战，控制效果不理想，限制了神经网络在pid控制器中的应用。

3、为提升神经网络pid的控制效果，可采用参数优化算法来优化神经网络的权重系数，以提升训练效率和训练质量。而常用的遗传算法、粒子群算法和模拟退火算法等优化算法，在大范围内进行搜索时表现良好，但它们往往只能在大范围内进行搜索，难以通过局部搜索精确地逼近最优解。此外，全局搜索算法通常需要进行大量的迭代和计算，导致计算量较大。同时，这些算法对参数的选择非常敏感，参数调整不当可能会严重影响算法的性能，甚至可能导致算法陷入局部最优。

技术实现思路

1、本发明的目的在于提供一种基于开普勒优化-神经网络pid的电子离合器位置控制法，能在解空间中快速收敛到全局最优解，避免陷入局部最优，从而提高电子离合器位置控制的精确性和稳定性。

2、一种基于开普勒优化-神经网络pid的电子离合器位置控制法，包括以下步骤：

3、步骤1、获取历史输入集和历史输出集，具体包括：

4、对电子离合器历史时刻的位置误差e(x)进行采样并处理，获取包含位置误差e(x)、误差的变化率和误差的积分三类数据的历史输入集；x代表时刻；

5、其中，位置误差e(x)为目标位置与实际位置的差值；

6、对电子离合器历史时刻的pid控制器的比例系数kp、积分系数ki、微分系数kd进行采样，以获取历史输出集；

7、其中，历史输入集和历史输出集构成训练集；

8、步骤2、建立并对循环神经网络模型进行初始化，之后利用步骤1中的训练集训练循环神经网络模型；

9、其中，初始化包括对循环神经网络模型、各层权重矩阵u、v和w分别进行初始化；

10、步骤3、利用开普勒优化算法koa修正各层权重矩阵u、v和w，得到优化的循环神经网络模型；

11、步骤4、对电子离合器当前时刻的位置误差e(x)进行采样并处理，获得当前采样数据，将当前采样数据输入至步骤3优化的循环神经网络模型，优化的循环神经网络模型输出当前时刻的pid控制器中的比例系数kp、积分系数ki、微分系数kd；

12、步骤5、pid控制器根据当前时刻的比例系数kp、积分系数ki、微分系数kd，计算控制量以对电子离合器的位置进行控制。

13、优选地，步骤2具体包括：

14、步骤21、建立包含输入层、隐含层和输出层的三层结构的循环神经网络模型并进行初始化；

15、所述循环神经网络模型包含3个输入节点，3个隐含节点和3个输出节点；

16、步骤22、利用步骤1得到的训练集训练循环神经网络模型，所述3个输入节点的输入均包括位置误差e(x)、误差的变化率和误差的积分；

17、所述3个输出节点的输出均包括汽车底盘电子离合器的pid控制器中的比例系数kp、积分系数ki、微分系数kd。

18、优选地，步骤3中，以各层权重矩阵u、v和w做为行星。

19、优选地，步骤5中控制量的计算模型为：

20、u(x)＝u(x-1)+δu(x),

21、δu(x)＝kp(e(x)-e(x-1))+kie(x)+kd(e(x)+2e(x-1)+e(x-2)),

22、其中，δu(x)表示第x次的控制增量；

23、e(x)、e(x-1)、e(x-2)分别表示第x包括、第x-1时刻和第x-2次的位置误差值。

24、与现有技术相比，本发明的优点为：

25、1、开普勒优化算法koa能使循环神经网络pid迅速收敛到全局最优解，采用优化后的网络系数，使得循环神经网络能输出最优的pid控制参数，可以更精确地控制电子离合器的位置，提高了控制的准确性和稳定性。

26、2、将单一循环神经网络和pid控制算法相结合，相比于多个神经网络的共同作用，该循环神经网络收敛速度快且稳定；同时其能捕捉序列数据中的时间依赖性，提升控制的鲁棒性和自适应性。

27、3、开普勒优化算法、单一循环神经网络和pid控制器协同作用，提高了控制的准确性和稳定性。具体的：开普勒优化算法优化循环神经网络的权重矩阵，优化后循环神经网络输出最优的pid控制参数，从而pid控制器输出高精度的控制量。

28、4、对于电子离合器位置这类非线性控制的问题，循环神经网络pid能够根据不同的工况和环境条件进行自适应调整，提高了系统的适应性和鲁棒性。

技术特征：

1.一种基于开普勒优化-神经网络pid的电子离合器位置控制法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于开普勒优化-神经网络pid的电子离合器位置控制法，其特征在于，步骤2具体包括：

3.根据权利要求1所述的基于开普勒优化-神经网络pid的电子离合器位置控制法，其特征在于，步骤3中，以各层权重矩阵u、v和w做为行星。

4.根据权利要求1所述的基于开普勒优化-神经网络pid的电子离合器位置控制法，其特征在于，步骤5中控制量的计算模型为：

技术总结本发明提出了一种基于开普勒优化‑神经网络PID的电子离合器位置控制法，包括以下步骤：步骤1、获取历史输入集和历史输出集；步骤2、建立并对循环神经网络模型进行初始化，之后利用步骤1中的训练集训练循环神经网络模型；步骤3、利用开普勒优化算法KOA修正各层权重矩阵U、V和W，得到优化的循环神经网络模型；步骤4、对电子离合器当前时刻的位置误差e(x)进行采样并处理，获得当前采样数据，将当前采样数据输入至步骤3优化的循环神经网络模型，优化的循环神经网络模型输出当前时刻的PID控制器中的比例系数Kp、积分系数Ki、微分系数Kd；步骤5、PID控制器根据当前时刻的比例系数Kp、积分系数Ki、微分系数Kd，计算控制量以对电子离合器的位置进行控制。本发明能在解空间中快速收敛到全局最优解，避免陷入局部最优，从而提高电子离合器位置控制的精确性和稳定性。技术研发人员：吴光强,骆启瑞,毛瑞驰,刘思宇,鞠丽娟受保护的技术使用者：同济大学技术研发日：技术公布日：2024/6/26