基于高效改进型差分进化算法的复合自适应内模控制优化方法技术

基于高效改进型差分进化算法的复合自适应内模控制优化方法，属于自动控制技术领域。本发明专利技术可以在较少的群体样本和较小的最大迭代次数下保持良好的全局优化功能，搜索系统逆模型的优化辨识参数，从而高效获取自适应内模控制的优化参数。利用本发明专利技术提出的复合自适应内模控制优化方法，对非线性气动弹性振动控制系统进行仿真实验，实验结果表明采用本发明专利技术方法中基于高效改进型差分进化算的复合自适应内模控制，与采用基于常规差分进化算法的复合自适应内模控制相比，具有优化效率高、计算成本低和优化控制超调小等优点，是一种具有推广价值的复合自适应内模控制优化方法。

Hybrid adaptive internal model control optimization method based on highly efficient modified differential evolution algorithm

The hybrid adaptive internal model control optimization method based on highly efficient modified differential evolution algorithm belongs to the field of automatic control technology. The invention can maintain good global optimization function under less group samples and smaller maximum iterations, search the optimization parameters of the inverse model of the system, and thus efficiently obtain the optimization parameters of adaptive internal model control. Using the composite adaptive internal model control optimization method proposed by the invention, the simulation experiment of nonlinear aeroelastic vibration control system is carried out. The experimental results show that the composite adaptive internal model control based on high efficiency and improved differential evolution in the present invention method and the compound adaptive based on the conventional differential evolution algorithm are used. Compared with the internal model control, it has the advantages of high optimization efficiency, low calculation cost and low control overshoot. It is a kind of composite adaptive internal model control optimization method with popularization value.

【技术实现步骤摘要】
基于高效改进型差分进化算法的复合自适应内模控制优化方法
本专利技术属于自动控制
，涉及一种基于智能进化优化算法的复合自适应内模控制技术，主要涉及非线性气动弹性振动系统的控制技术。
技术介绍
内模控制是一种基于过程数学模型进行控制器设计的控制策略。由于其设计简单、控制性能好、鲁棒性好和易于应用等优点，被广泛应用于工业过程控制。自适应内模控制是自适应控制方法与内模控制方法的结合，由于综合了各自的优点，使其控制效果更优。传统自适应内模控制通过获取系统过程模型和自适应调节滤波器参数，使得内模控制器参数适应控制对象本身参数或周围环境的变化，以获取满意的控制性能。为了进一步提高自适应内模控制效果，近年来，复合自适应内模控制策略受到关注。复合自适应内模控制避免了自适应滤波器的设计和调节问题，通过直接对系统的逆模型进行辨识获取更精确的系统逆模型，得到控制性能更优良的自适应内模控制系统。因此，复合自适应内模控制器的控制性能依赖于系统逆模型的精确辨识。差分进化算法(DifferentialEvolution，DE)是一种基于群体的启发式搜索算法，具有高效的全局优化能力。差分进化算法采用实数编码、基于差分的简单变异操作，可以动态跟踪当前的搜索情况来调整搜索策略，不断逼近全局最优值，具有待定参数少、不易陷入局部最优以及收敛速度快等优点。因此，利用差分进化算法对系统逆模型进行优化辨识，提高系统逆模型的精度，从而提高自适应内模控制性能。复合自适应内模控制方法相比传统自适应内模控制方法，通过直接辨识系统逆模型获取更加精确的内模控制器，在多种工业应用中获得了优良的控制效果。然而，在实际工业应用中还存在多种复杂环境影响因素，因此复合自适应内模控制需要进一步优化。差分进化算法具有良好的进化优化能力并在多种控制器的优化设计中成功应用。但是传统差分进化算法的优化时间较长影响控制实时性，但是如果缩短优化时间又会导致控制优化结果恶化，因此需要研究高效且优化性能优良的差分进化算法来实现复合自适应内模控制的优化，以满足工业应用的实时性和鲁棒性要求。然而在实际工业应用中，要求自适应内模控制系统具有较好的实时性，差分进化算法虽然能够获取更精确的系统逆模型，但是需要较长的优化计算时间。如果大幅缩短差分进化的计算时间又较难保证优良的进化优化效果。因此，如何设计可以高效计算且同时能够保证较强优化性能的差分进化算法，并将其运用于复合自适应内模控制参数的优化，对于工业控制应用的实时性和鲁棒性具有重要意义。
技术实现思路
为了克服现有技术中常规智能进化算法应用于复合自适应内模控制的不足，提供一种基于高效改进型自适应差分进化算法的复合自适应内模控制优化技术，通过设计基于新型变异操作和变范围自适应机制的改进型自适应差分进化算法，提高差分进化算法的优化效率和搜索性能，在获取复合自适应内模控制器最优参数的同时大幅降低计算成本，使得复合自适应控制系统具有较强的实时性和鲁棒性。本专利技术的目的是这样实现的：一种基于高效改进型差分进化算法的复合自适应内模控制优化方法，将被控系统等效逆模型的参数分别对应为差分进化算法种群中的一个个体，利用高效改进型差分进化算法在较小的群体规模和较少的最大迭代次数条件下全局搜索得到性能优良的优化辨识结果，从而计算出复合自适应内模控制的最优参数，同时大幅降低优化计算成本。基于高效改进型差分进化算法的复合自适应内模控制优化主要包括以下步骤：步骤1，根据优化计算成本要求和控制系统实时性要求，限制差分进化算法的群体规模S＜＜S0和最大寻优迭代次数Gmax＜＜G0；步骤2，确定系统等效逆模型待辨识参数的大致范围，在该范围随机产生S个个体，每个个体包含一组辨识参数；步骤3，将G代可行的辨识参数放入系统逆模型，得到辨识逆模型；对被控系统输入激励信号序列{x}，获取相应的输出信号序列{y}，即系统逆模型的输入信号序列为{y}，输出信号序列为{x}；将{y}作为辨识逆模型的输入信号，得到相应的辨识逆模型输出信号序列步骤4，求取G代辨识参数所对应的系统逆模型辨识误差指标：式中，x(k)为系统输出序列，为辨识逆模型输出序列，该辨识误差指标作为差分进化算法的适应度函数，n表示输出序列x的总个数，k表示第k个输出序列x(k)；步骤5，利用本专利技术所述变范围自适应机制(即下面FG和CRG这两个参数计算公式的变范围自适应机制)计算更新G代的自适应变异因子FG和自适应交叉因子CRG,所述变范围自适应机制能够结合自适应度动态调节FG和CRG的取值范围，能够在适应度没有改进的情况下扩大FG,CRG的取值范围来增强群体的多样性，避免过早收敛，在适应度明显改进的情况下缩小FG,CRG的取值范围来加快收敛速度，从而在总体上提高优化性能；FG＝f1exp(c1(k1)·rand),式中，Jbest(i)和Jbest(i-1)是i代和(i-1)代对应的适应度函数值，c1,c2是用于在变范围内智能选择FG和CRG的因子，rf,rcr是基于适度应函数值动态调节变异因子和交叉因子数值范围的线性函数，f1,f2,af1,acr1是用于定义FG和CRG初始范围的常量，af2,acr2,kf,kcr用于根据适度应函数值定义FG和CRG变范围的常量，rand用于产生分布于(0,1)范围之内的随机数，number用来计数优化迭代过程中适度应函数值改进的次数；步骤6，新型变异操作，利用G代群体中的当代个体xi,G、随机个体xp1,G和最优个体xbest,G，结合自适应变异因子FG进行新型变异操作，获取混合变异向量vi,G：vi,G＝xi,G+0.5FG(xp1,G-xi,G)+0.5FG(xbest,G-xi,G)步骤7，交叉操作，对上一步变异操作得到的新个体利用自适应交叉因子CRG进行交叉操作得到实验向量ui,G，以此增强群体的多样性；步骤8，选择操作，将实验向量ui,G和目标向量(即当代个体)xi,G作为两组不同的辨识参数分别放入系统等效逆模型，得到两个辨识逆模型，分别计算这两个辨识逆模型对应的辨识误差(即适应度值)，适应性较好的个体成为下一代成员xi,G+1；步骤9，反复执行步骤3至步骤8，直至达到最大迭代次数Gmax；步骤10，输出最优个体的值，即最优逆模型辨识参数；步骤11，通过复合自适应内模控制结构，利用系统等效逆模型的优化辨识参数和系统过程模型参数，计算出复合自适应内模控制的优化参数。本专利技术采用基于高效改进型自适应差分进化算法的复合自适应内模控制优化方法，具有以下积极有益效果：本专利技术采用的自适应内模控制优化方法不需要进行滤波器的设计与优化，也不需要十分精确的系统过程模型，通过对系统等效逆模型的优化辨识，自适应优化内模控制器参数；本专利技术采用高效改进型自适应差分进化算法，利用新型变异操作和变范围自适应机理可以利用较小的群体个体和较少的迭代次数达到比较理想的差分进化优化辨识效果，在保证优化效果的同时使得优化计算时间大大降低，从而降低计算成本，增强复合自适应内模优化控制的实时性。本专利技术易于在工程应用中实施，针对非线性气动弹性振动系统，不仅实现了优良的复合自适应内模控制优化效果，同时大大降低了优化所需的群体规模和优化迭代次数，能够满足实际工业控制的实时性和控制性能要求，具有较好的工业推广价值。附图说明本文档来自技高网...

【技术保护点】
基于高效改进型差分进化算法的复合自适应内模控制优化方法，包括以下步骤：步骤1，根据优化计算成本要求和控制系统实时性要求，限制差分进化算法的群体规模S<<S0和最大寻优迭代次数Gmax<<G0；步骤2，确定系统等效逆模型待辨识参数的大致范围，在该范围随机产生S个个体，每个个体包含一组辨识参数；步骤3，将G代可行的辨识参数放入系统逆模型，得到辨识逆模型；对被控系统输入激励信号序列{x}，获取相应的输出信号序列{y}，即系统逆模型的输入信号序列为{y}，输出信号序列为{x}；将{y}作为辨识逆模型的输入信号，得到相应的辨识逆模型输出信号序列

【技术特征摘要】
1.基于高效改进型差分进化算法的复合自适应内模控制优化方法，包括以下步骤：步骤1，根据优化计算成本要求和控制系统实时性要求，限制差分进化算法的群体规模S&lt;&lt;S0和最大寻优迭代次数Gmax&lt;&lt;G0；步骤2，确定系统等效逆模型待辨识参数的大致范围，在该范围随机产生S个个体，每个个体包含一组辨识参数；步骤3，将G代可行的辨识参数放入系统逆模型，得到辨识逆模型；对被控系统输入激励信号序列{x}，获取相应的输出信号序列{y}，即系统逆模型的输入信号序列为{y}，输出信号序列为{x}；将{y}作为辨识逆模型的输入信号，得到相应的辨识逆模型输出信号序列步骤4，求取G代辨识参数所对应的系统逆模型辨识误差指标：式中，x(k)为系统输出序列，为辨识逆模型输出序列，该辨识误差指标作为差分进化算法的适应度函数；步骤5，利用本发明所述变范围自适应机制计算更新G代的自适应变异因子FG和自适应交叉因子CRG,所述变范围自适应机制能够结合自适应度动态调节FG和CRG的取值范围，能够在适应度没有改进的情况下扩大FG,CRG的取值范围来增强群体的多样性，避免过早收敛，在适应度明显改进的情况下缩小FG,CRG的取值范围来加快收敛速度，从而在总体上提高优化性能；FG＝f1exp(c1(k1)·rand),CRG＝f2exp(c2(k2)·(1-rand)),rf(k1)＝af1-af2k1,rcr(k...

【专利技术属性】
技术研发人员：李迺璐，许博杰，潘佳男，金鹏飞，方正哲，
申请(专利权)人：扬州大学，
类型：发明
国别省市：江苏,32