一种基于改进麻雀算法的PID参数优化方法技术

本发明专利技术公开了一种基于改进麻雀算法的PID参数优化方法，其特征在于，包括：S1、初始化麻雀种群；S2、将N个麻雀个体按照适应度值进行排序，确定当前最优适应度值和当前最差适应度值；S3、根据发现者的位置更新公式更新发现者的位置；S4、利用迭代局部搜索和变螺旋因子改进加入者的位置更新方式；S5、借助透镜学习改进警戒者的位置更新方式；S6、确定当前迭代麻雀的位置；S7、当达到麻最大迭代次数时，输出麻雀种群中的最优适应度值和最佳位置，以得到PID的参数K

【技术实现步骤摘要】
一种基于改进麻雀算法的PID参数优化方法


[0001]本专利技术属于PID
，具体涉及一种基于改进麻雀算法的PID参 数优化方法。

技术介绍

[0002]随着各种优化问题的不断出现，各类算法不断涌现，群体智能算法的出 现为各种优化问题提供了问题解决的新思路。群体智能优化算法是一种模 仿自然界生物种群行为或生物行为以及自然现象的元启发式优化算法。随 着群体智能算法的优化效果被大众所认可，群体智能算法不断发展，越来越 多的群体智能算法被提出，其中包括Firefly Algorithm(FA)、Ant LionOptimizer(ALO)、Whale Optimization algorithm(WOA)、Sine cosinealgorithm(SCA)、crow search algorithm(CSA)and Harris hawksoptimization(HHO)等新型优化算法。
[0003]麻雀搜索算法(SSA)是在2020年由XUE等人提出来的新型群智能优化 算法。该算法受麻雀觅食等行为启发，在优化问题上较Grey Wolf Optimizer (GWO)、Particle Swarm Optimization(PSO)and Genetic Algorithm等传统的 智能优化算法有着明显的优势，稳定性高、寻优精度较好、收敛速度快。该 算法尽管收敛速度较快，但是容易陷入局部最优且寻优结果具有较大的随 机性。针对此缺陷，许多学者提出了麻雀搜索算法的不同策略的优化算法， 并成功解决了许多工程问题。LV等学者根据麻雀搜索算法的原理和模型提 出了鸟群算法和麻雀算法融合算法，以及混沌麻雀搜索算法，前者利用在麻 雀算法的发现者和加入者中加入了鸟群算法的搜索机制，改变了“全维度缩 减”的更新策略，有效突破了局部限制搜索，加强了全局搜索能力；后者采 用tent混沌映射初始化种群，使得种群更加均匀，再在迭代一次后，根据个 体适应度与平均适应度的情况进行混沌扰动和高斯变异的二次迭代防止寻 优过程中出现局部聚集，增强了其跳出局部最优的能力并在图像分割的应 用上取得了良好的效果。HAN等学者提出了一种基于立方映射和精英反向 学习初始化种群的混沌麻雀算法，同时引入了正弦螺旋算法，平衡了算法的 开发和探索能力，最后在算法陷入停滞时，采用高斯游走策略跳出停滞，在 15个基准测试函数中验证了其寻优性能，同时在有威胁的情况下进行并在 无人机航迹规划仿真，与其它优化算法相比，该算法得到了代价最优且满足 约束的安全可行航迹。OUYANG等学者提出了一种学习麻雀算法，在发现 者搜索阶段加入透镜反向学习，使得搜索更加灵活，增加了种群的多样性， 同时引入了螺旋的指导机制，使得发现者搜索更加精密，随后加入一种局部 搜索机制，防止遗漏高质量解，并在12个基本测试函数和cec2017测试集 中与其他群智能算法和改进的麻雀算法进行对比，表现出来良好的寻优能 力，最后将改进的麻雀算法在机器人路径规划上验证了有效性，规划出了稳 定且安全的最优路径。
[0004]上述算法都在麻雀算法的基础上取得了一定成效，但是仍然有一些不 足：
[0005](1)改进初始化种群的方法仍然存在一定的随机性，不能保证每次初始 化的种群的达到绝对均匀。
[0006](2)选取的改进搜索策略会受到区域的局限性，容易超出边界，未能在 整个空间
进行有效的全局搜索，这样导致大量个体超出边界，仍然存在陷入 局部最优的情况。
[0007](3)加入者向发现者采取直接跳跃的方式，容易遗漏最优解，改进的局 部搜索精度提升并不显著，在搜索精度上还可以有更大的提升。
[0008](4)在边界控制方面，针对超出边界的个体，采用更新为边界的策略， 并没有利用好个体的位置，减少了种群的多样性。
[0009]基于上述问题，如何提供一种能够更好的确定PID的最优参数的方法， 成为了亟待解决的问题。

技术实现思路

[0010]为了解决现有技术中存在的上述问题，本专利技术提供了一种基于改进麻 雀算法的PID参数优化方法。本专利技术要解决的技术问题通过以下技术方案 实现：
[0011]一种基于改进麻雀算法的PID参数优化方法，包括：
[0012]S1、初始化麻雀种群，设置所述麻雀种群参数；
[0013]S2、计算麻雀种群中N个麻雀个体的适应度值，将N个麻雀个体按照适 应度值进行排序，确定当前最优适应度值和当前最差适应度值；
[0014]S3、选取适应度值靠前的前pd个麻雀作为发现者，根据发现者的位置 更新公式更新所述发现者的位置；
[0015]S4、选取N个麻雀中除作为发现者的麻雀外的麻雀作为加入者，根据加 入者的位置更新公式更新所述加入者的位置；
[0016]S5、从麻雀种群中选取Sd个麻雀作为警戒者，根据警戒者的位置更新 公式更新所述警戒者的位置：
[0017]S6、根据每个麻雀当前位置的适应度值和前一次迭代该麻雀所保留的 适应度值确定当前迭代麻雀的位置；
[0018]S7、判断当前迭代次数是否达到设定的最大迭代次数，若否，则继续执 行步骤S2至步骤S6，当达到麻最大迭代次数时，输出麻雀种群中的最优适 应度值和最佳位置，以得到PID的参数K
p
、K
i
和K
d
。
[0019]在本专利技术的一个实施例中，所述麻雀种群参数包括麻雀总数量N、当前 迭代次数t，最大迭代次数M、维度D和安全阈值ST。
[0020]在本专利技术的一个实施例中，计算麻雀种群中N个麻雀个体的适应度值的 函数为：
[0021][0022]其中，e(t)表示输入值与输出值之间的误差，u(t)表示控制值，w1和w2表示权重，取值范围为[0,1]。
[0023]在本专利技术的一个实施例中，所述发现者的位置更新公式为：
[0024][0025]其中，x
i,j
表示当前第i个麻雀在第j维中的位置，α∈[0,1]且是一个随机数， R2表
示预警值，且R2∈[0,1]，ST∈[0.5,1]，Q表示一个服从正态分布的随机 数，L表示一个元素全为1的1
×
d的矩阵。
[0026]在本专利技术的一个实施例中，当时，所述加入者的位置更新公式为：
[0027][0028]其中，Xworst表示当前的最坏位置，Xi,j表示当前第i个麻雀在第j维中的 位置，
[0029]在本专利技术的一个实施例中，当时，所述加入者的位置更新公式为：
[0030][0031]其中，x
i,j
表示当前第i个麻雀在第j维中的位置，rand()表示一个属于0和 1之间的随机数，f(X1)表示X1的适应度值，f(X2)表示X2的适应度值，A表示 一个元素仅是1或
‑
1的1
×
d的矩阵，A
+
＝A
T
(AA
T
)
‑1，L表示一个元素全为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进麻雀算法的PID参数优化方法，其特征在于，包括：S1、初始化麻雀种群，设置所述麻雀种群参数；S2、计算麻雀种群中N个麻雀个体的适应度值，将N个麻雀个体按照适应度值进行排序，确定当前最优适应度值和当前最差适应度值；S3、选取适应度值靠前的前pd个麻雀作为发现者，根据发现者的位置更新公式更新所述发现者的位置；S4、选取N个麻雀中除作为发现者的麻雀外的麻雀作为加入者，根据加入者的位置更新公式更新所述加入者的位置；S5、从麻雀种群中选取Sd个麻雀作为警戒者，根据警戒者的位置更新公式更新所述警戒者的位置：S6、根据每个麻雀当前位置的适应度值和前一次迭代该麻雀所保留的适应度值确定当前迭代麻雀的位置；S7、判断当前迭代次数是否达到设定的最大迭代次数，若否，则继续执行步骤S2至步骤S6，当达到麻最大迭代次数时，输出麻雀种群中的最优适应度值和最佳位置，以得到PID的参数K
p
、K
i
和K
d
。2.根据权利要求1所述的基于改进麻雀算法的PID参数优化方法，其特征在于，所述麻雀种群参数包括麻雀总数量N、当前迭代次数t，最大迭代次数M、维度D和安全阈值ST。3.根据权利要求2所述的基于改进麻雀算法的PID参数优化方法，其特征在于，计算麻雀种群中N个麻雀个体的适应度值的函数为：其中，e(t)表示输入值与输出值之间的误差，u(t)表示控制值，w1和w2表示权重，取值范围为[0,1]。4.根据权利要求2所述的基于改进麻雀算法的PID参数优化方法，其特征在于，所述发现者的位置更新公式为：其中，x
i,j
表示当前第i个麻雀在第j维中的位置，α∈[0,1]且是一个随机数，R2表示预警值，且R2∈[0,1]，ST∈[0.5,1]，Q表示一个服从正态分布的随机数，L表示一个元素全为1的1
×
d的矩阵。5.根据权利要求2所述的基于改进麻雀算法的PID参数优化方法，其特征在于，当时，所述加入者的位置更新公式为：
其中，Xworst表示当前的最坏位置，Xi,j表示当前第i个麻雀在第j维中的位置，6.根据权利要求2所述的基于改进麻雀算法的PID参数优化方法，其特征在于，当时，所述加入者的位置更新公式为：其中，x
i,j
表示当前第i个麻雀在第j维中的位置，rand()表示一个属于0和1之间的随机数，f(X1)...

【专利技术属性】
技术研发人员：闫少强，杨萍，汪江鹏，吴丰轩，阎哲，郑万里，燕松，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：