一种基于粒子群算法优化的模糊决策船闸控制方法及系统技术方案

本发明专利技术涉及一种基于粒子群算法优化的模糊决策船闸控制方法及系统，该方法首先基于两个闸门的开关状态，定义智能船闸控制系统的两个输入变量：待过闸船舶与打开状态闸门的距离LGO和待过闸船舶与关闭状态闸门的距离LGC，以及智能船闸控制系统的输出变量LC；定义智能船闸控制系统输入、输出变量的隶属度函数μ(x)，以及基于隶属度函数优化的粒子群算法的终止条件；通过基于隶属度函数优化后的粒子群算法来进行最优输入变量LGO和LGC的计算和获取；将隶属度函数μ(x)曲线与横坐标围城面积的重心作为智能船闸控制系统的输出变量LC，完成船闸系统的控制。本发明专利技术能够实现水力发电厂通航船闸开度的自动调节与控制，为降低等待过闸次数和节约船闸操作能耗提供有效参考。

A Fuzzy Decision Lock Control Method and System Based on Particle Swarm Optimization

【技术实现步骤摘要】
一种基于粒子群算法优化的模糊决策船闸控制方法及系统
本专利技术涉及属于船闸控制
、特别是涉及一种基于粒子群算法优化的模糊决策船闸控制方法及系统。
技术介绍
船闸区是内河航道上的一个特定区域，用于克服内河航道大坝建设造成的水位差异，对船闸的控制往往需要综合考虑。内河运输是当今最重要、最发达的运输方式之一，但智能运输控制系统在内河运输中的应用仍处于起步阶段，目前的船闸控制主要是基于船闸管理员的经验和主观估计，船闸管理员按照在尽可能短的时间内以最小的紊流对闸室灌或泄的原则操作闸门。根据闸门开关状态的不同，将过闸类型分为两种：第一种为常规过闸，即船舶直接从打开的闸门一端进入闸室，无需等待闸室的水位变化；第二种为等待过闸，即船舶靠近闸门关闭的一端，在过闸前必须改变闸室水位，船舶等待时间与第一种相比较长。船主倾向于更少的过闸时间来提高商业航速，船闸管理员倾向于更少的操作船闸来降低能耗，因此船闸管理员通常会面临一个决策难题。在船闸优化控制问题中，最大限度的减少船舶过闸等待时间和降低操作船闸能耗是一个主要的目标。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种基于粒子群算法优化的模糊决策船闸控制方法及系统。本专利技术解决上述技术问题的技术方案如下：作为第一方面，本专利技术提供一种基于粒子群算法优化的模糊决策船闸控制方法，所述方法针对单通道且有双向过闸要求的船闸，包括以下步骤：步骤1，基于两个闸门的开关状态，定义智能船闸控制系统的两个输入变量：待过闸船舶与打开状态闸门的距离LGO和待过闸船舶与关闭状态闸门的距离LGC，以及智能船闸控制系统的输出变量LC；步骤2，定义智能船闸控制系统输入、输出变量的隶属度函数μ(x)，以及基于隶属度函数优化的粒子群算法的终止条件；步骤3，通过基于隶属度函数优化后的粒子群算法来进行最优输入变量LGO和LGC的计算和获取；将隶属度函数μ(x)曲线与横坐标围成面积的重心作为智能船闸控制系统的输出变量LC，完成船闸系统的控制。作为第二方面，本专利技术还提供一种基于粒子群算法优化的模糊决策船闸控制系统，所述系统用于控制单通道且有双向过闸要求的船闸，包括：第一定义模块，用于基于两个闸门的开关状态，定义智能船闸控制系统的两个输入变量：待过闸船舶与打开状态闸门的距离LGO和待过闸船舶与关闭状态闸门的距离LGC，以及智能船闸控制系统的输出变量LC；第二定义模块，用于定义智能船闸控制系统输入、输出变量的隶属度函数μ(x)，用于定义基于隶属度函数优化的粒子群算法的终止条件；计算模块，用于通过基于隶属度函数优化后的粒子群算法来进行最优输入变量LGO和LGC的计算和获取；将隶属度函数μ(x)曲线与横坐标围成面积的重心作为智能船闸控制系统的输出变量LC，完成船闸系统的控制。作为第三方面，本专利技术还提供一种基于粒子群算法优化的模糊决策船闸控制系统，所述系统用于控制单通道且有双向过闸要求的船闸，包括：存储器，用于存储计算机软件程序；处理器，用于读取并执行所述存储器中存储的计算机软件程序，实现上述的一种基于粒子群算法优化的模糊决策船闸控制方法。作为第四方面，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有用于实现上述的一种基于粒子群算法优化的模糊决策船闸控制方法的计算机软件程序。本专利技术的有益效果是：针对单通道有双向过闸要求的船闸，采用模糊控制算法实现闸门控制，并根据粒子群算法优化输入变量的隶属函数参数，解决多个局部最优解的非凸优化问题。该控制系统仿真显示取得了一定的效果，有效降低了等待过闸次数和操作船闸能耗，在自动化程度较高的环境下，该控制系统可以直接控制船闸，省去了人工成本，降低人为因素引起错误的概率。该方法可以充分保证供电质量，并节约人力、物力、财力，且实现方法简单易行，方法创新性和实用性均比较高，可为降低等待过闸次数和节约船闸操作能耗提供有效参考。附图说明图1为本专利技术实施例一提供的方法流程图；图2为本专利技术实施例二提供的系统结构图；图3为本专利技术实施例二中第二定义模块结构示意图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。实施例一如图1所示，本专利技术实施例提供一种基于粒子群算法优化的模糊决策船闸控制方法，所述方法针对单通道且有双向过闸要求的船闸，包括以下步骤：步骤(1)定义智能船闸控制系统的两个输入变量LGO和LGC；步骤(2)定义智能船闸控制系统的输出变量LC；步骤(3)根据船舶与闸门的距离，定义三个评估种类：小、中、大，通过该三个评估种类定义两个输入变量LGO和LGC的模糊集；步骤(4)定义如下函数为智能船闸控制系统输入、输出变量的隶属度函数，其中a为函数斜率，b为函数拐点。步骤(5)根据船闸优化控制问题的主要目标，对于不同船舶交通的实际情况，得到对应的等待过闸次数NEL和每艘船舶过闸的平均等待时间AWT。步骤(6)定义最优性标准值E，E＝α*NEL+β*AWT(2)其中α和β为权重系数，是多准则目标函数E定义的权重因子，α代表操作船闸能耗的重要程度，β代表过闸平均等待时间的重要程度；设定α和β的初值为1。步骤(7)定义判断参数δ，δ的初始值设定为3，实际运行过程中根据船闸控制需要可对参数δ进行动态的调整。将预先定义的最优标准E与判断参数进行比较计算二者之间的距离，|E-δ|≤1(3)当计算结果满足式(3)时认为算法得到的结果满足要求，即算法当前所得结果即是最优结果可以停止算法并输出结果。步骤(8)通过优化隶属度函数μ(x)中的函数斜率a使得其具有更好的拟合效果；随机初始化粒子的位置Xi和速度Vi，公式如下，其中u是搜索空间的上边界，l是搜索空间的下边界；步骤(9)更新粒子个体历史最优位置和群体历史最优位置，每个粒子个体的历史最优位置按照如下的公式进行更新，步骤(10)整个群体的历史最优位置按照如下的公式进行更新，步骤(11)更新粒个体的速度v和位置x，更新第i个粒子个体在第k+1次迭代时的速度和位置公式如下，其中，c1、c2代表学习因子，r1、r2代表区间[0,1]内的伪随机数，分别代表第i个粒子在第k次迭代的速度和位置，和分别表示第i个粒子个体在第k次迭代时的个体最优位置和群体最优位置，ωk是第k次迭代时惯性因子；。步骤(12)在迭代过程中，通过将惯性权重从ωmax线性减小到ωmin提高求解准确性，惯性权重ωk的公式如下，其中Itermax代表预定义的最大迭代次数，ωmax和ωmin代表最大惯性权重和最小惯性权重。步骤(13)检测粒子i是否到达粒子群规模N，若粒子i没有到达N，则返回重复执行上一步，若粒子i达到N，代表当前的是当前位置的最优值。步骤(14)通过设定最优性标准值E并计算E与判断参数δ之间的距离大小，判断是否迭代结束，当|E-δ|≤1时则迭代结束并得到最优隶属度函数μ(x)，迭代未结束则返回上一步。步骤(15)输入变量LGO和LGC通过最优隶属度函数实现模糊化。步骤(16)根据输入变量LGO和LGC均有三个模糊集(Small、Medium、Large)，依据上述三个模糊集可以定义九条模糊规则(具体规格见下述模糊规则表)。表模糊规则表步骤(17)取隶属度函数μ(x)曲线与横坐标围成面积的重心作为船闸控制系统的参数输本文档来自技高网...

【技术保护点】
1.一种基于粒子群算法优化的模糊决策船闸控制方法，所述方法针对单通道且有双向过闸要求的船闸，其特征在于，包括：步骤1，基于两个闸门的开关状态，定义智能船闸控制系统的两个输入变量：待过闸船舶与打开状态闸门的距离LGO和待过闸船舶与关闭状态闸门的距离LGC，以及智能船闸控制系统的输出变量LC；步骤2，定义智能船闸控制系统输入、输出变量的隶属度函数μ(x)，以及基于隶属度函数优化的粒子群算法的终止条件；步骤3，通过基于隶属度函数优化后的粒子群算法来进行最优输入变量LGO和LGC的计算和获取；将隶属度函数μ(x)曲线与横坐标围成面积的重心作为智能船闸控制系统的输出变量LC，完成船闸系统的控制。

【技术特征摘要】
1.一种基于粒子群算法优化的模糊决策船闸控制方法，所述方法针对单通道且有双向过闸要求的船闸，其特征在于，包括：步骤1，基于两个闸门的开关状态，定义智能船闸控制系统的两个输入变量：待过闸船舶与打开状态闸门的距离LGO和待过闸船舶与关闭状态闸门的距离LGC，以及智能船闸控制系统的输出变量LC；步骤2，定义智能船闸控制系统输入、输出变量的隶属度函数μ(x)，以及基于隶属度函数优化的粒子群算法的终止条件；步骤3，通过基于隶属度函数优化后的粒子群算法来进行最优输入变量LGO和LGC的计算和获取；将隶属度函数μ(x)曲线与横坐标围成面积的重心作为智能船闸控制系统的输出变量LC，完成船闸系统的控制。2.根据权利要求1所述的方法，其特征在于，所述步骤2，包括以下子步骤：步骤201，定义智能船闸控制系统输入、输出变量的隶属度函数，其中a为函数斜率，b为函数拐点；步骤202，根据船闸优化控制问题的主要目标，对于不同船舶交通的实际情况，得到对应的等待过闸次数NEL和每艘船舶过闸的平均等待时间AWT；步骤203，定义最优性准则E，E＝α*NEL+β*AWT(2)其中α和β为权重系数，是多准则目标函数E定义的权重因子，α代表操作船闸能耗的重要程度，β代表过闸平均等待时间的重要程度；步骤204，定义判断参数δ，将预先定义的最优标准E与判断参数δ进行比较计算二者之间的距离，|E-δ|≤1(3)当计算结果满足式(3)时认为算法得到的结果满足要求，即算法当前所得结果即是最优结果可以停止算法并输出结果。3.根据权利要求2所述的方法，其特征在于，所述步骤3，包括以下子步骤：步骤301，通过优化隶属度函数μ(x)中的函数斜率a使得其具有更好的拟合效果；随机初始化粒子的位置Xi和速度Vi，公式如下，其中u是搜索空间的上边界，l是搜索空间的下边界；步骤302，更新粒子个体历史最优位置和群体历史最优位置，每个粒子个体的历史最优位置按照如下的公式进行更新，步骤303，整个群体的历史最优位置按照如下的公式进行更新，步骤304，更新粒个体的速度v和位置x，更新第i个粒子个体在第k+1次迭代时的速度和位置公式如下，其中，c1、c2代表学习因子，r1、r2代表区间[0,1]内的伪随机数，分别代表第i个粒子在第k次迭代的速度和位置，和分别表示第i个粒子个体在第k次迭代时的个体最优位置和群体最优位置，ωk是第k次迭代时惯性因子；步骤305，在迭代过程中，通过将惯性权重从ωmax线性减小到ωmin提高求解准确性，惯性权重ωk的公式如下，其中Itermax代表预定义的最大迭代次数，ωmax和ωmin代表最大惯性权重和最小惯性权重；步骤306，检测粒子i是否到达粒子群规模N，若粒子...

【专利技术属性】
技术研发人员：吕桂林，王淑青，陈启明，庆毅辉，徐建文，万英杰，王华军，赵红，
申请(专利权)人：武汉四创自动控制技术有限责任公司，
类型：发明
国别省市：湖北,42