用于太阳跟踪器的跟踪系统及跟踪方法技术方案

技术编号:15723418 阅读:113 留言:0更新日期:2017-06-29 07:30
本发明专利技术提供一种用于太阳跟踪器的跟踪系统及跟踪方法,通过GA样本数据预处理模块根据样本数据进行个体寻优,得到适应度最大的个体并传递给BP网络调整模块作为最优初值进行训练;在最优初值的基础上,通过BP网络调整模块反向传输,调整隐含层和输出层的权值和阈值,使得到的误差评价函数小于设定的误差阈值,得到调整好的P、I、D的参数;BP网络调整模块将调整好的P、I、D的参数传递给PID控制器模块,PID控制器模块根据二自由度进行控制,分别使跟踪性能和抗干扰性能达到最佳。本发明专利技术将遗传算法与神经网络相结合,充分利用了两者的优点,使控制系统既有神经网络的学习功能,鲁棒性和泛化能力,又有遗传算法的全局搜索优化能力。

【技术实现步骤摘要】
用于太阳跟踪器的跟踪系统及跟踪方法
本专利技术涉及太阳跟踪器
,具体来说是用于太阳跟踪器的跟踪系统及跟踪方法。
技术介绍
为了能够精确的跟踪太阳,用于太阳能发电和移动车载测量的掩日通量遥测技术(Solar-occulationflux,SOF)的太阳跟踪器应运而生。用于太阳能发电的太阳跟踪器是定点监测,目前多采用双轴太阳跟踪器,根据经纬度信息,可算出太阳实时的方位角和高度角,该输出做出控制信号用于调节俯仰轴和方位轴的状态从而实现太阳跟踪。而用于车载SOF的太阳跟踪器,目前采用PSD作为反馈元件,根据PSD上光斑的位置作为反馈信号用于调节主反射镜的位置,从而使后端的光谱仪获得最大的光强。而在控制算法上,根据PSD输出信号的大小设置不同的调节步长。其中,x为调节步长,a,b为常数,且a>b,e为PSD输出的太阳实际位置与中心点的误差信号,e0为设定的阈值常数。目前的控制算法跟踪速度慢和精度差且鲁棒性差,当车辆出现颠簸或有其他因素带来的干扰信号时,会出现跟踪效果差甚至不能跟踪的情况。为了改进移动太阳跟踪器的性能,采用GA算法优化BP网络的二自由度PID控制。
技术实现思路
本专利技术的目的是为了解决现有技术中太阳跟踪器的控制算法跟踪速度慢和精度差且鲁棒性差,当车辆出现颠簸或有其他因素带来的干扰信号时,会出现跟踪效果差甚至不能跟踪的缺陷,提供用于太阳跟踪器的跟踪系统及跟踪方法来解决上述问题。为了实现上述目的,本专利技术的技术方案如下:用于太阳跟踪器的跟踪系统,包括GA样本数据预处理模块、BP网络调整模块、PID控制器模块;所述GA样本数据预处理模块根据样本数据进行个体寻优,得到适应度最大的个体并传递给BP网络调整模块作为最优初值进行训练;在最优初值的基础上,通过BP网络调整模块反向传输,调整隐含层和输出层的权值和阈值,使得到的误差评价函数小于设定的误差阈值,得到调整好的P、I、D参数;BP网络调整模块将调整好的P、I、D参数传递给PID控制器模块,PID控制器模块根据二自由度对被控对象进行控制,使PID控制器跟踪性能和抗干扰性能达到最佳。优选的,跟踪系统还包括反馈系统模块;所述反馈系统获取被控对象的输出信号和PID控制器的输入信息,反馈系统根据给定的输入信号和被控对象的输出信号求得误差信号并根据误差信号进行调节,形成一个闭环控制。优选的,所述GA样本数据预处理模块包括选择、交叉、变异算子操作单元;所述选择、交叉、变异算子操作单元对交叉率pc和变异率pm进行自适应调整求得种群中适应度最优的个体,并将适应度最优的个体不经任何交叉、变异操作直接进入下一代种群,即新种群。优选的,所述GA样本数据预处理模块还包括灾变判断单元;所述灾变判断单元计算所述新种群的适应度,若灾变停止或到达设定的灾变次数,则GA算法预处理完成,将得到的最优初始权值和阈值传递给BP网络。优选的,所述BP网络调整模块包括BP网络训练单元;所述BP网络训练单元获取优化后的权值和阈值作为初始值,根据动量-自适应学习率调整初始权值和阈值,并采用Levenberg-Marquardt算法最优化算法寻找最优的PID参数值。本专利技术还提供一种应用于上述任一所述的用于太阳跟踪器的跟踪系统的跟踪方法,该方法首先以跟踪性能最佳为控制目标进行PID参数调节,再以抗干扰性能最佳为控制目标进行参数调节,具体调节步骤如下:1)样本数据预处理先通过GA算法对样本数据进行个体寻优,得到适应度最大的个体并传递给BP网络作为最优初值进行训练;2)BP网络训练在最优初值的基础上,通过BP网络反向传输,调整隐含层和输出层的权值和阈值,使得到的误差评价函数小于设定的误差阈值,得到调整好的P、I、D参数;3)PID控制BP网络调整模块将调整好的P、I、D参数传递给PID控制器模块,PID控制器模块根据二自由度对被控对象进行控制,使PID控制器跟踪性能和抗干扰性能达到最佳。优选的,所述跟踪方法还包括信号反馈调节过程;具体为:所述反馈系统获取被控对象的输出信号和PID控制器的输入信息,反馈系统根据PID控制器的输入信号和被控对象的输出信号求得误差信号并根据误差信号进行调节,形成一个闭环控制。优选的,所述步骤1)中,具体为通过选择、交叉、变异算子操作单元对交叉率pc和变异率pm进行自适应调整求得种群中适应度最优的个体,并将适应度最优的个体不经任何交叉、变异操作直接进入下一代种群,即新种群;采用的自适应交叉率pc和变异率pm的计算公式为:其中,α1,α2为两个大于0的常数,pc1,pc2,pm1,pm2为根据经验得出的常数,分别为0.85、0.65、0.1、0.001;favg、fmax、fc'分别为该种群的平均适应度、总适应度、该个体的适应度。优选的,得到所述新种群后,再对该新种群的适应度进行灾变判断,若灾变停止或到达设定的灾变次数,则GA算法预处理完成,将得到的最优初始权值和阈值传递给BP网络。优选的,所述步骤2)中,所述BP网络训练单元获取优化后的权值和阈值作为初始值,根据动量-自适应学习率调整初始权值和阈值,并采用Levenberg-Marquardt算法最优化算法寻找最优的PID参数值;其中,动量-自适应学习速率调整计算公式为:β(k+1)=τ*3λ*β(k)其中,β为学习速率因子,λ为梯度方向,τ为学习误差系数;Levenberg‐Marquardt算法的计算公式为:Δw=(JTJ+μI)-1JTe其中,e为误差量,J是网络误差度对权值的雅可比矩阵,I为的单位矩阵,μ为比例系数。本专利技术的与现有技术相比,具有以下有益效果:二自由度ID分别采用跟踪性能最佳和抗干扰能力最佳为控制参数,分别对PID参数进行调整。将遗传算法与神经网络相结合,充分利用了两者的优点,使控制系统既有神经网络的学习功能,鲁棒性和泛化能力,又有遗传算法的全局搜索优化能力。在本专利中采用GA算法优化BP网络根据控制参数分别完成PID参数的整定,从而在最短的时间内,得到最精确的P、I、D参数,从而输入更准确地控制信号,对于在太阳跟踪器而言,即是实现太阳的实时精确跟踪。采用启发式学习规则中的动量项和自适应学习率和数字优化学习方法相结合的方法,每个改进方法互补,有效的改善了BP网络存在的收敛速度缓慢,已陷入极小值的缺点,大大改善了后期的控制精度和速度。该算法用于对闭环的太阳跟踪系统的控制,具有跟踪精度高调节时间短,抗干扰能力强的特点附图说明图1为本专利技术实施例1的模块结构框图;图2为本专利技术实施例1的系统原理框图;图3为本专利技术实施例2中的4:7:3BP网络拓扑结构图;图4为本专利技术实施例2的算法流程图;图5为本专利技术实施例2的算法功能模块框图;图6为本专利技术实施例3中太阳跟踪器的控制回路图。具体实施方式为使对本专利技术的结构特征及所达成的功效有更进一步的了解与认识,用以较佳的实施例及附图配合详细的说明,说明如下:概念说明:下述中的样本为所有个体的组合,种群是一定数量个体的组合,这个数量由设定的种群大小决定。而个体则是神经网络初始值或是随机产生的训练数据。实施例1如图1、图2所示,用于太阳跟踪器的跟踪系统,包括GA样本数据预处理模块、BP网络调整模块、PID控制器模块、反馈系统模块。GA样本数据预处理模块根据样本数据进行个体寻优,得到适本文档来自技高网...
用于太阳跟踪器的跟踪系统及跟踪方法

【技术保护点】
用于太阳跟踪器的跟踪系统,其特征在于:包括GA样本数据预处理模块、BP网络调整模块、PID控制器模块;所述GA样本数据预处理模块根据样本数据进行个体寻优,得到适应度最大的个体并传递给BP网络调整模块作为最优初值进行训练;在最优初值的基础上,通过BP网络调整模块反向传输,调整隐含层和输出层的权值和阈值,使得到的误差评价函数小于设定的误差阈值,得到调整好的P、I、D参数;BP网络调整模块将调整好的P、I、D参数传递给PID控制器模块,PID控制器模块根据二自由度对被控对象进行控制,使PID控制器跟踪性能和抗干扰性能达到最佳。

【技术特征摘要】
1.用于太阳跟踪器的跟踪系统,其特征在于:包括GA样本数据预处理模块、BP网络调整模块、PID控制器模块;所述GA样本数据预处理模块根据样本数据进行个体寻优,得到适应度最大的个体并传递给BP网络调整模块作为最优初值进行训练;在最优初值的基础上,通过BP网络调整模块反向传输,调整隐含层和输出层的权值和阈值,使得到的误差评价函数小于设定的误差阈值,得到调整好的P、I、D参数;BP网络调整模块将调整好的P、I、D参数传递给PID控制器模块,PID控制器模块根据二自由度对被控对象进行控制,使PID控制器跟踪性能和抗干扰性能达到最佳。2.根据权利要求1所述的用于太阳跟踪器的跟踪系统,其特征在于:跟踪系统还包括反馈系统模块;所述反馈系统获取被控对象的输出信号和PID控制器的输入信息,求得误差信号并根据误差信号进行调节,形成一个闭环控制。3.根据权利要求1所述的用于太阳跟踪器的跟踪系统,其特征在于:所述GA样本数据预处理模块包括选择、交叉、变异算子操作单元;所述选择、交叉、变异算子操作单元对交叉率pc和变异率pm进行自适应调整求得种群中适应度最优的个体,并将适应度最优的个体不经任何交叉、变异操作直接进入下一代种群,即新种群。4.根据权利要求3所述的用于太阳跟踪器的跟踪系统,其特征在于:所述GA样本数据预处理模块还包括灾变判断单元;所述灾变判断单元计算所述新种群的适应度,若灾变停止或到达设定的灾变次数,则GA算法预处理完成,将得到的最优初始权值和阈值传递给BP网络。5.根据权利要求4所述的用于太阳跟踪器的跟踪系统,其特征在于:所述BP网络调整模块包括BP网络训练单元;所述BP网络训练单元获取优化后的权值和阈值作为初始值,根据动量-自适应学习率调整初始权值和阈值,并采用Levenberg-Marquardt算法最优化算法寻找最优的PID参数值。6.一种应用于上述权利要求1至5任一所述的用于太阳跟踪器的跟踪系统的跟踪方法,其特征在于:该方法首先以跟踪性能最佳为控制目标进行PID参数调节,再以抗干扰性能最佳为控制目标进行参数调节,具体调节步骤如下:1)样本数据预处理先通过GA算法对样本数据进行个体寻优,得到适应度最大的个体并传递给BP网络作为最优初值进行训练;2)BP网络训练在最优初值的基础上,通过BP网络反向传输,调整隐含层和输出层的权值和阈值,使得到的误差评价函数小于设定的误差阈值,得到调整好的P、I、D参数;3)PID控制BP网络调整模块将调整好的P、I、D参数传递给PID控制器模块,PID控制器模块根据二自由度对被控对象进行控制,使P...

【专利技术属性】
技术研发人员:李相贤韩昕高闽光童晶晶王亚萍陈军石建国李胜李妍
申请(专利权)人:中国科学院合肥物质科学研究院
类型:发明
国别省市:安徽,34

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1