本发明专利技术属于伺服系统控制领域，是一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法。本发明专利技术包括：采集各时刻的伺服系统的位置的数据；根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型；根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识；根据当前的伺服系统的位置，进行伺服系统的位置控制；使之按照预定的轨迹进行运动；进入下一个时刻返回步骤(1)。本发明专利技术公开的自动控制技术领域中的一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法，能够满足实际工业过程的需要。
【技术实现步骤摘要】
一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法
本专利技术属于伺服系统控制领域，是一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法。
技术介绍
伺服系统在许多方面有着广泛的用途，如数控机床，机器人。对伺服系统的精确控制不仅关系到产品的质量，更是保障生产效果。因此研究伺服系统的控制具有非常强的现实意义。自从Richalct等人提出来了大范围预测控制概念以来，人们对于预测控制的研究一直进行着，在Richalct基础上clarke等人提出来了广义预测控制自校正器，该算法以carima模型为基础，采用了长时段的优化性能指标，结合辨识和自校正机制，具有较强的鲁棒性和模型要求低等特点，并具有广泛的适用范围。在检索文献及专利中也有不少关于广义预测算法。如基于广义预测控制优化的水箱液位控制方法(公开号：CN104076831A)，其特点是采集各时刻水箱液位的高度和入水阀门开度的数据，根据采集的数据，基于广义预测优化控制算法辨识计算当前时刻入水阀门的PID参数，根据当前时刻如水阀门的PID控制器参数，控制入水阀门开度，进而控制水箱液位。该算法依旧采用传统广义预测控制，利用最小二乘法进行辨识，并且在模型构建上忽略了系统非线性。
技术实现思路
本专利技术的目的在于提供自动控制
中的一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法。本专利技术的目的是这样实现的：基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法，述方法包括：(1)采集各时刻的伺服系统的位置的数据；(2)根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型；(3)根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识(4)根据当前的伺服系统的位置，进行伺服系统的位置控制；使之按照预定的轨迹进行运动；(5)进入下一个时刻返回步骤(1)；所述根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型具体包括如下步骤：根据丢番图预测方程可得n个并列预报器为y(k)，u(k)，dnl(k)，f(k)分别表示系统的输出、输入，系统的非线性部分和开环预测向量；y(k+n)＝gn-1Δu(k)+…+g0Δu(k+n-1)+f(k+n)+dnl(k+n)令X(k)＝[Δu(k),Δu(k+1),…,Δu(k+n-1),1],θ(k)＝[gn-1,gn-1,…,g0,f(k+n)]T，y(k+n)＝X(k)θ(k)+dnl(k+n)输出预测值为y(k+n/k)＝X(k)θ(k)+dnl(k+n)或y(k/k-n)＝X(k-n)θ(k)+dnl(k)辅助模型最小二乘法的递推式为式中，λ1为遗忘因子，0＜λ1＜1，所得θ(k)的估计值g0,g1,…,gn-1和f(k+n)，k时刻n步估计值算出：式中，X(k)＝[Δu(k),Δu(k+1),…,Δu(k+n-1),1]，Δu(k),Δu(k+1),…,Δu(k+n-1)根据误差校正得：式中，p为模型时域长度(p≥n)，h2,h3,…,hp为误差校正系数；为预测误差，h2＝h3＝…＝hp＝1；由f与Y0的等价性，得到下一时刻的预测向量f为所述根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识的步骤是：非线性只与输入量有关，即dnl＝au(k)b，适应值函数为Xi＝(xi1,xi2,...,xiD)为第i个粒子的D维位置矢量，由于未知数只有a和b，那么粒子的位置的维数为2，即D＝2，根据辅助模型最小二乘法辨识得到的参数θ(k)，然后计算Xi当前的适应值函数，在每次迭代中，粒子更新自身的速度和位置；其中：i＝1，2，…,N；j＝1，2，…,D；N为粒子个数，n是迭代次数，w为惯性权重；r1和r2为均匀分布在(0,l)中的随机数；C1和C2为学习因子，通常取为2，是第i个粒子在第j维中第n个位置迭代，pij是第i个粒子在第j维迄今为止搜索到最佳位置，pgj是粒子在第j维迄今为止搜索到全局最佳位置，是在第n次迭代中第i个粒子在第j维的速度；进行更新粒子的自身最佳位置和全局最佳位置：式中，J(·)为适应值函数，pgj＝minJ(pij)i＝1,2...N惯性权重w更新：式中，因此每个粒子的速度迭代：式中，C1C2为常数，rand(·)为随机数，当到达阈值时或者达到迭代步数时，退出计算，输出最优位置，然后再进行滚动优化。本专利技术的有益效果在于：本专利技术公开的自动控制
中的一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法，能够满足实际工业过程的需要。附图说明图1是本专利技术的流程图。图2是基于改进粒子群(IPSO)的隐式广义预测自校正控制的输出曲线和规划曲线。具体实施方式下面结合附图对本专利技术做进一步描述：本专利技术的步骤(1)采集各时刻的伺服系统的位置的数据；(2)根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型；(3)根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识(4)根据当前的伺服系统的位置，进行伺服系统的位置控制；使之按照预定的轨迹进行运动；进入下一个时刻返回步骤(1)；根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型具体包括如下步骤：根根据丢番图预测方程可得n个并列预报器为y(k)，u(k)，dnl(k)，f(k)分别表示系统的输出、输入，系统的非线性部分和开环预测向量。由式(19)最后的一个方程得：y(k+n)＝gn-1Δu(k)+…+g0Δu(k+n-1)+f(k+n)+dnl(k+n)(20)令X(k)＝[Δu(k),Δu(k+1),…,Δu(k+n-1),1],θ(k)＝[gn-1,gn-1,…,g0,f(k+n)]T,则式(20)可写为y(k+n)＝X(k)θ(k)+dnl(k+n)(21)输出预测值为y(k+n/k)＝X(k)θ(k)+dnl(k+n)或y(k/k-n)＝X(k-n)θ(k)+dnl(k)(22)辅助模型最小二乘法的递推式为式中，λ1为遗忘因子，0＜λ1＜1。利用公式(23)(24)(25)所得θ(k)的估计值g0,g1,…,gn-1和f(k+n)。k时刻n步估计值可以由式(26)算出：式中，X(k)＝[Δu(k),Δu(k+1),…,Δu(k+n-1),1]，Δu(k),Δu(k+1),…,Δu(k+n-1)用相应点上的控制增量代替。根据误差校正得：式中，p为模型时域长度(p≥n)，h2,h3,…,hp为误差校正系数；为预测误差，在这里取h2＝h3＝…＝hp＝1。由f与Y0的等价性，利用式(28)可得到下一时刻的预测向量f为根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识的步骤是：假设非线性只与输入量有关，即dnl＝au(k)b。适应值函数为Xi＝(xi1,xi2,...,xiD)为第i个粒子的D维位置矢量。由于未知数只有a和b，那么粒子的位置的维数为2，即D＝2。根据辅助模型最小二乘法辨识得到的参数θ(k)，然后计算Xi当前的适应值函数。在每次迭代中，粒子利用式(29)和式(30本文档来自技高网...
【技术保护点】
一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法，其特征是，所述方法包括：(1)采集各时刻的伺服系统的位置的数据；(2)根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型；(3)根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识(4)根据当前的伺服系统的位置，进行伺服系统的位置控制；使之按照预定的轨迹进行运动；(5)进入下一个时刻返回步骤(1)。
【技术特征摘要】
1.一种基于IPSO的扩展隐式广义预测的伺服系统位置的控制方法，其特征是，所述方法包括：(1)采集各时刻的伺服系统的位置的数据；(2)根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型；(3)根据采集的数据以及辨识出来的隐式广义预测模型的预测输出值利用粒子群算法进行系统模型的非线性部分的辨识；(4)根据当前的伺服系统的位置，进行伺服系统的位置控制；使之按照预定的轨迹进行运动；(5)进入下一个时刻返回步骤(1)；所述根据采集的数据利用辅助模型最小二乘法辨识当前时刻伺服系统的隐式广义预测模型具体包括如下步骤：根据丢番图预测方程可得n个并列预报器为y(k)，u(k)，dnl(k)，f(k)分别表示系统的输出、输入，系统的非线性部分和开环预测向量；y(k+n)＝gn-1Δu(k)+…+g0Δu(k+n-1)+f(k+n)+dnl(k+n)令X(k)＝[Δu(k),Δu(k+1),…,Δu(k+n-1),1],θ(k)＝[gn-1,gn-1,…,g0,f(k+n)]T，y(k+n)＝X(k)θ(k)+dnl(k+n)输出预测值为y((k+n)/k)＝X(k)θ(k)+dnl(k+n)或y(k/(k-n))＝X(k-n)θ(k)+dnl(k)辅助模型最小二乘法的递推式为式中，λ1为遗忘因子，0＜λ1＜1，所得θ(k)的估计值g0,g1,…,gn-1和f(k+n)，k时刻n步估计值算出：式中，X(k)＝[Δu(k),Δu(k+1),…,Δu(k+n-1),1]，Δu(k),Δu(k+1),…,Δu(k+n-1)根据误差校正得：
【专利技术属性】
技术研发人员：姚建均，余瀚，肖蕊，陈硕，王涛，牛庆涛，孙程，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23
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。