一种基于改进红嘴蓝鹊算法的陶瓷智能发汗控制方法
- 国知局
- 2024-08-22 14:35:19
本发明属于pid控制优化,尤其涉及一种基于改进红嘴蓝鹊算法的陶瓷智能发汗控制方法。
背景技术:
1、在现代高速飞行物的设计中,以导弹为例,导弹前端的陶瓷材料因其出色的耐高温性能和优异的热稳定性被广泛使用。由于空气对流,这些陶瓷材料在飞行过程中温度会快速升高,这就对冷却系统的要求异常严苛。因此,开发一种能够有效管理热流的智能冷却控制系统变得尤为重要,这不仅关系到导弹的性能和可靠性,也直接影响到任务的成功率。
2、在此背景下陶瓷智能发汗系统应运而生,该系统利用先进的控制算法,实时监测和调整陶瓷表面的温度,通过智能调控陶瓷表面“发汗”过程,以达到快速有效精确的温度控制,利用pid控制技术,系统可以根据飞行条件和环境变化,自动调节陶瓷表面的发汗量,从而控制陶瓷的冷却速率,确保导弹在各种飞行状况下的最优热性能。
3、pid控制理论是一种基础且广泛应用于各种工业中的自动化技术,包含比例(p)、积分(i)、微分(d)三个部分,通过比例单元对系统偏差的反应、积分单元对偏差累积的调整以及微分单元对偏差变化率的预测,协同作用,实现对系统误差的有效控制。导弹飞行环境差异大,这就对控制系统的要求更高,传统的pid控制方法依赖于固定的比例、积分、微分参数,这种固定参数的设置在面对复杂多变的环境时有着不够灵敏,控制性能下降和响应速度不足的缺陷,这就需要设计更为智能化,适应性更强的pid控制方法来满足飞行过程中的复杂多变的环境对控制系统高精度、高响应和高稳定性的需求。
4、红嘴蓝鹊优化算法作为一种新兴的元启发式算法,其设计灵感来源于自然界中红嘴蓝鹊的捕食行为和食物寻找策略,这种算法通过模拟红嘴蓝鹊在复杂环境中的集体行动和个体探索,有效地平衡了探索和开发之间的矛盾,算法在初始阶段通过集体行动快速探索解空间,识别潜在的希望区域,随后通过精细的个体搜索,细致开发这些区域,寻找全局最优解,此外红嘴蓝鹊优化算法引入了自适应调整机制,根据搜索过程中的动态反馈调整搜索策略,显著提高了算法跳出局部最优的能力并加速了收敛过程,也进一步增强了算法的鲁棒性和效率。
技术实现思路
1、本发明的目的在于:提出一种基于改进红嘴蓝鹊算法的陶瓷智能发汗控制方法,该方法使得智能发汗控制系统能够对陶瓷材料表面温度实现精确调节,尤其适用于飞行过程中环境和热流时刻变化的复杂环境中,解决了原有红嘴蓝鹊优化算法容易陷入局部最优,寻优速度不稳定和寻优精度低的问题,提高了系统的响应时间和控制精度,增强了系统的稳定性和鲁棒性。
2、为实现上述目的,本发明采用了如下技术方案:
3、一种基于改进红嘴蓝鹊算法的陶瓷智能发汗控制方法,其利用改进红嘴蓝鹊优化算法快速寻优,找到陶瓷智能发汗系统的pid控制参数,提升陶瓷智能发汗系统的可靠性、稳定性、响应速度和控制精度,具体步骤如下。
4、步骤一:建立基于pid控制器的陶瓷智能发汗控制模型。
5、步骤二:改进红嘴蓝鹊优化算法,包括采用协同捕猎思想,引入协同捕猎向量初始化种群,采用环境感应权衡法,引入环境感应因子来动态调整搜索代理的探索与开发权重,采用量子云导航法,使用量子云导航法更新种群位置,最后利用经验优化法,利用好历史信息,从而更好的寻找全局最优解。
6、其中,步骤二中所述算法改进共有四处。
7、第一处、基于协同捕猎思想,引入协同捕猎向量来初始化种群,对于每个个体,协同捕猎向量公式为:
8、
9、
10、式中为初始化的个体的位置向量,,,是从种群中随机选择的三个不同个体的位置向量,用于计算新位置,是缩放因子,用于控制协同捕猎向量的影响强度,,为搜索空间的上界向量和下界向量,确保新位置在可行域内。
11、第二处、引入环境感应因子来动态调整搜索代理的探索与开发权重,相关公式为:
12、
13、
14、式中为当前环境感应因子值,为初始环境感应因子值,为结束时环境感应因子值,为当前迭代次数,为最大迭代次数,为个体的位置向量,为当前搜索到的最优解向量,为小的随机扰动,用于增加多样性。
15、第三处、使用量子云导航法更新位置,相关公式为:
16、
17、式中为个体的位置向量,为导航因子,用来控制量子云大小,为当前搜索到的最优解向量,为种群中随机的一个个体,为[0,1]之间的随机数。
18、第四处、采用经验优化法,通过利用历史最优解来引导搜索过程,相关公式为:
19、
20、式中为个体的位置向量,为历史上的最优解向量,为记忆影响系数,通过调整它可以权衡历史最优解对当前解的影响作用,为小的随机扰动,用于增加解的多样性,为收缩因子,随着迭代次数增加而逐渐增大,为当前迭代次数,为最大迭代次数。
21、步骤三:利用改进的红嘴蓝鹊优化算法对pid控制器的参数进行优化求解,迭代得到改进后的pid控制器的三个参数,即kp、ki、kd,并将三个参数赋给pid控制器,实现对陶瓷智能发汗系统的迅速且精确的控制。
22、步骤四:采用matlab和simulink对陶瓷智能发汗控制模型的pid控制器进行仿真,验证陶瓷智能发汗系统的自适应控制。
23、进一步的,所述步骤一中,pid控制器的陶瓷智能发汗控制模型包括以下几个模块:温度差计算模块、改进红嘴蓝鹊优化优化算法模块、发汗量控制模块、热量检测模块、流量控制模块、位置和速度检测模块;其中,温差计算模块用于计算目标温度与实际温度的误差值,计算目标与实际发汗量的误差值;改进红嘴蓝鹊优化算法模块用于快速迭代得到效果好的pid控制器的三个参数,并将三个参数传入到发汗量控制模块;发汗量pid控制器模块根据温差计算模块得到的温度误差值调节输出发汗量给流量控制模块;流量控制模块根据pid调节输出,控制发汗量的流量;热量检测模块用于检测陶瓷表面的实际温度和流量;位置和速度检测模块用于检测陶瓷材料的实际运动情况。
24、进一步的,所述步骤三中利用改进红嘴蓝鹊算法优化pid控制器具体步骤为:
25、s1、初始化改进红嘴蓝鹊优化算法参数,包括:基于协同捕猎思想,引入协同捕猎向量来初始化红嘴蓝鹊种群位置、种群数量n、搜索空间的上界和下界、解空间维度dim、种群最大迭代次数,协同捕猎相关公式见式(1)和式(2);
26、s2、选取适应度函数,适应度函数公式为:
27、
28、式中为pid控制系统中实际温度与目标温度之间的差值的平方,定义了误差随时间减小的速率,为随时间衰减的指数权重因子,可使系统快速纠正最近的偏差,为目标函数值;
29、s3、在寻找食物阶段,为了防止陷入局部最优,计算概率因子k,若k<k1,则执行:
30、
31、否则执行:
32、
33、其中k1为实验设定值,取值为0.5,表示当前迭代次数,表示第个新的搜索代理位置,表示从所有搜索个体中随机选择的2到5个小群体中的红嘴蓝鹊的数量,表示随机选择的第个个体,表示第个个体,表示当前迭代中随机选择的搜索代理,表示集群在探索食物时的搜索代理数量,介于10到n之间,同样,它也是从整个群体中随机选择的,表示用于生成标准正态分布的随机数;
34、在食物搜索后根据量子云导航法的公式进行更细致的搜索,为每个代理位置进行更为细致的调整,细化探索过程并优化解的精度,量子云导航法相关公式见式(5);
35、s4、在攻击猎物阶段,为了防止陷入局部最优,计算概率因子k,若k<k1,则执行:
36、
37、否则执行:
38、
39、其中k1为实验设定值,取值为0.5,表示食物的位置,调整因子,表示用于生成标准正态分布的随机数,其余参数和函数意义同s3;
40、s5、在食物存储阶段,采用经验优化法,计算适应度值,在更新过程中,不仅比较当前代理的适应度值和已知的最佳适应度值,还考虑历史的适应度值,基于以往表现调整策略,从而更好的利用历史信息,经验优化法相关公式见式(6);
41、s6、在存储食物阶段,红嘴蓝鹊更新食物位置并利用如下公式进行食物存储,方便找到全局最优解:
42、
43、式中和分别表示第只红嘴蓝鹊位置更新前后的适应度值,其余参数和函数意义同s3;
44、s7、使用引入的环境感应因子来更新种群中红嘴蓝鹊的位置,从而增强算法的适应性,改善算法的搜索效率,相关公式见式(3)和式(4);
45、s8、判断是否达到种群的最大迭代次数,若达到则停止迭代,将得到的最优解拆分为kp,ki,kd三个参数输入到pid控制器中,完成pid参数的优化整定,否则返回s3继续迭代寻优。
46、进一步的,所述步骤四中,采用matlab和simulink对陶瓷智能发汗控制模型的pid控制器进行仿真的发汗量pid控制器包括:期望发汗量,偏差计算模块,pid控制器模块,输出控制量,执行单元模块,受控对象模块,输出发汗量,发汗量pid控制器通过偏差计算模块得到期望发汗量target和实际发汗量之间的偏差e(t),结合改进红嘴蓝鹊优化算法计算出的kp、ki、kd参数进行计算,输出控制量y(t)到执行单元模块,再发送命令给受控对象,控制受控对象输出实际发汗量在短时间内到达期望发汗量,并稳定在期望发汗量附近,仿真过程中选取了相应的系统被控对象的传递函数,证明了这个改进算法对pid控制器参数优化的优越性,传递函数公式为:
47、
48、式中,为传递函数,为函数变量。
49、综上所述,由于采用了上述技术方案,本发明的有益效果是:
50、本发明中,基于改进的红嘴蓝鹊优化算法的陶瓷智能发汗pid控制优化方法,通过采用协同捕猎思想、环境感应法、量子云导航法和经验优化法,引入协同捕猎向量和环境感应因子,将标准的红嘴蓝鹊优化算法在迭代后期容易陷入局部最优的问题解决,加快了算法的收敛速度和寻优精度,相对于传统的pid控制方法更能适应复杂和迅速变化的环境,提供更加准确的控制效果,提高了发汗装置的稳定性和可靠性。
本文地址:https://www.jishuxx.com/zhuanli/20240822/279205.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。