一种数据驱动的分布式气囊隔振装置控制方法

本发明涉及工业控制，尤其是涉及数据驱动的分布式气囊隔振装置控制方法。

背景技术：

1、近年来，气囊隔振装置在船舶领域得到了广泛的使用，在降低机械噪声方面发挥了重要作用。特别是，气囊隔振装置可以大幅降低机械噪声的同时具备高精度姿态控制能力，有效解决了船舶主机隔振中难以兼顾轴系对中的难题。

2、然而，随着气囊隔振装置集成化水平的提升，隔振装置中存在筏架变形、承载设备多工况变化、承载设备老化等因素，使得系统呈现非线性和时变的特点，传统的控制方法难以适应当前的发展需要。一方面，现有的控制模型依赖于刚体假设，基于被控对象的动力学模型等方法构建。且这些数学模型一般需要了解承载设备的质心位置、重量等信息，而这些信息往往不能准确获取。比如专利cn101813152a。另一方面，当前的气囊隔振装置多采用中心化控制方式，存在单点失效的风险，无法满足极端条件下的使用需求。

技术实现思路

1、为了克服上述技术缺陷，本发明提供了一种数据驱动的分布式气囊隔振装置控制方法，依据采集的系统状态信息构建装置的数据化模型，使用集群优化算法依据优化目标和约束条件得到最佳系统状态信息，再将计算得到的最佳系统状态信息下发给各个相关的智能体，通过分布式的方式实现最终控制目标。

2、本发明提供的数据驱动的分布式气囊隔振装置控制方法具体过程为：

3、1)获取气囊隔振装置的状态空间信息和控制目标信息；

4、2)根据步骤1)中的状态空间信息和控制目标信息，建立气囊隔振装置状态空间到控制目标的数据映射模型，并训练数据映射模型；若测试误差小于等于训练目标阈值，则跳转步骤3)，否则跳转步骤1)；

5、3)采用集群优化算法计算得到全局最优状态值；

6、4)将全局最优状态值分别下发给各个相关的智能体；

7、5)智能体根据收到的最佳状态值，对比自身监测到的状态值，使用pid算法执行控制，实现分布式控制的目的。

8、进一步地，所述步骤1)中状态空间信息为气囊隔振装置自身的状态信息，包括气囊隔振器的压力值、气囊隔振装置承载设备的工况信息及承载设备为推进电机时电机的转速值等，假设共有n个状态空间信息，记为s＝{s1,s2,…,sn}。

9、进一步地，所述步骤1)中控制目标信息为单一控制目标或多目标，假设共有m个控制目标信息，记为γ＝{τ1,…,τm}。

10、进一步地，所述步骤s2中：

11、根据采集的状态空间信息s＝{s1,s2,…,sn}和控制目标信息γ＝{τ1,…,τm}，采用神经网络模型建立气囊隔振装置状态空间到控制目标的数据映射模型，记为：

12、γ≈f(s)

13、数据映射模型的测试误差记为l，若l>lt，lt为训练目标阈值，则训练误差过大，数据映射模型需进一步学习后才能使用，跳转步骤1)；若l≤lt，则跳转步骤3)。

14、进一步地，所述步骤3)中使用遗传算法进行全局最优值求解，具体过程为：

15、步骤31)设定优化目标函数和约束条件，使用控制目标的均方差作为优化目标函数，且在寻优过程中，满足约束条件；优化目标函数表示如下：

16、

17、

18、

19、其中，为最佳控制目标参数τj∈γ的目标值，为控制目标参数τj∈γ的下限值，为控制目标参数τj∈γ的上限值；为状态值si∈s的下限值，为状态值si∈s的上限值；wi(1≤i≤m)为常数，用于均衡不同目标值的权重。

20、此外，需要说明的是，这里的控制目标值γ是由步骤s2中的数据映射模型根据状态值计算所得。

21、步骤32)根据状态值的约束以及分辨率选择编码规则和编码长度，假设单个状态值的编码长度为k，则整个系统状态空间的编码长度为k·n。

22、步骤33)使用matlab等软件中标准的遗传算法优化器对优化目标函数和约束条件的最优化问题进行求解，得到最优的状态值，记为对应的最佳控制目标值为：

23、进一步地，所述步骤s4中将全局最优状态值下发给相关的智能体，这里使用的通信方式不局限于工业总线、以太网、无线网络等。

24、进一步地，所述步骤s4中相关智能体指的是直接实施控制动作且调整系统状态的智能体；比如，在气囊隔振装置中，充放气控制单元与气囊隔振器相连，可以独立的控制气囊进行充放气动作，此时，充放气控制单元称为气囊隔振器气压状态相关的智能体。

25、进一步地，所述步骤s5的具体过程为：

26、本发明采用的控制算法具体为pid(proportional integral derivative)算法，具体过程如下：

27、步骤51)设定pid算法的参数。

28、步骤52)智能体监测与自身相关的当前状态，如果当前状态为最优的状态，则继续监测当前状态，不控制；否则，跳转步骤53)。

29、步骤s53，根据当前状态值和最优状态值，使用pid算法计算得到控制策略。

30、步骤54)根据控制策略执行控制动作。

31、本发明引入数据驱动的建模方法，使用神经网络建立系统状态空间与控制目标的数据映射关系，该数据模型可通过实时监测数据及时更新。采用遗传算法求解得到优化目标函数对应的最优系统状态，而非控制策略。最优系统状态下发到智能体后由各个智能体根据控制算法自行制定控制策略，实现分布式控制的目的。

32、有益技术效果为：1)本发明提供的数据驱动的气囊隔振装置控制方法不需要建立针对控制对象的机理模型，建立的数据模型可通过实时监测数据实时更新，具有较强的环境适应性；2)本发明通过集中优化、分布式实施的方式实现控制目标，可靠性强；3)本发明提供的控制方法将优化算法和控制算法解耦，先计算最优系统状态，再通过分布式的方式根据最优系统状态计算得到控制策略，便于实施，可取得较好的控制效果。

技术特征：

1.一种数据驱动的分布式气囊隔振装置控制方法，其特征在于：所述控制方法如下：

2.根据权利要求1所述数据驱动的分布式气囊隔振装置控制方法，其特征在于：所述步骤1)中状态空间信息为气囊隔振装置自身的状态信息，共有n个状态空间信息，记为s＝{s1,s2,…,sn}；

3.根据权利要求2所述数据驱动的分布式气囊隔振装置控制方法，其特征在于：所述步骤s2中：根据采集的状态空间信息s＝{s1,s2,…,sn}和控制目标信息γ＝{τ1,…,τm}，采用神经网络模型建立气囊隔振装置状态空间到控制目标的数据映射模型，记为：

4.根据权利要求3所述数据驱动的分布式气囊隔振装置控制方法，其特征在于：所述步骤3)中使用遗传算法进行全局最优值求解，具体过程为：

5.根据权利要求4所述数据驱动的分布式气囊隔振装置控制方法，其特征在于：所述步骤s5的具体过程为：

技术总结本发明公开了一种数据驱动的分布式气囊隔振装置控制方法，获取气囊隔振装置的状态空间信息和控制目标信息；根据状态空间信息和控制目标信息，建立气囊隔振装置状态空间到控制目标的数据映射模型，并训练数据映射模型；采用集群优化算法计算得到全局最优状态值；将全局最优状态值下发给气囊隔振装置中相关的充放气控制单元；充放气控制单元根据收到的最佳状态值，对比监测到的状态值，使用PID算法执行控制。本发明不需要建立针对控制对象的机理模型，建立的数据模型可通过实时监测数据实时更新，具有较强的环境适应性；通过集中优化、分布式实施的方式实现控制目标，可靠性强；将优化算法和控制算法解耦，便于实施，可取得较好的控制效果。技术研发人员：刘松,胡泽超,刘志伟,施亮,徐伟,卜文俊受保护的技术使用者：中国人民解放军海军工程大学技术研发日：技术公布日：2024/7/15