改进麻雀种群算法优化RBF神经网络的PID控制方法及装置制造方法及图纸

本发明专利技术涉及一种改进麻雀种群算法优化RBF神经网络的PID控制方法及装置，所述方法包括对麻雀搜索算法进行改进，得到改进的麻雀搜索算法，改进的麻雀搜索算法输出全局最优参数；将全局最优参数作为RBF神经网络的初始化网络权值和阈值；对优化后的RBF神经网络进行训练，在训练误差满足结束条件时判断是否满足收敛条件，并在满足收敛条件时计算输出PID的调整值。本发明专利技术通过对麻雀搜索算法改进，优化RBF神经网络，最后对PID参数进行控制，以此来进一步提高控制系统的收敛速度、抗噪和修复能力以及提升了学习速度等。提升了学习速度等。提升了学习速度等。

【技术实现步骤摘要】
改进麻雀种群算法优化RBF神经网络的PID控制方法及装置


[0001]本专利技术属于车辆控制
，具体涉及一种改进麻雀种群算法优化RBF神经网络的PID控制方法及装置。

技术介绍

[0002]在自动驾驶车辆中，PID控制器是最基础的控制器，控制器必须准确，避免车辆偏离目标轨迹，且控制器需操作平稳，否则造成乘客的不适，常规的PID控制器已经无法满足自动驾驶车辆控制，把改进的麻雀搜索算法引入到神经网络中，再把神经网络具有的自学习、自组织、和自适应控制性能等被引入到PID控制器设计中。
[0003]目前PID算法控制包括：基于遗传的PID控制算法，基于粒子群的PID控制算法，自适应PID控制算法等。基于粒子群PID控制方法中，将粒子群算法应用于自适应PID控制，实时动态改变PID参数，因为粒子群算法可以进行并行迭代逼近，具有参数少，易于实现等特点。基于遗传算法的PID控制中，首先确定参数的范围，根据精度的要求，接着进行编码，选取初始种群，对适配函数进行确定，在遗传操作中进行复制、交叉和变异，最终达到预定的指标。在自适应PID控制算法中，可以通过极点配置自适应PID调节器，根据优化策略选择闭环极点分布，设计反馈控制，整定PID控制器参数，利用加权递推最小二乘法得出模型参数，最终得到自适应PID控制器。
[0004]目前已经研究出的神经网络改进的PID控制算法有：基于BP神经网络的 PID 控制算法、基于RBF神经网络的PID控制方法。在基于BP神经网络的 PID 控制算法中，也可以运用麻雀搜索算法优化，通过麻雀搜索算法确定神经网络的初始连接矩阵和阈值，取BP神经网络的性能指标函数，优化BP神经网络权值从而得到最优的PID参数。基于RBF神经网络的 PID 控制算法中，可以利用粒子群优化RBF神经网络，或者通过模糊 RBF神经网络 PID 控制，提高模糊RBF神经网络的训练速度与逼近效果，对所建立的模糊RBF神经网络进行优化。
[0005]综上所述，BP神经网络的PID控制方法中存在学习速度慢，因此网络的收敛速度慢，需要较长的训练时间。而RBF神经网络是由于它是一个局部逼近网络，相对于全局逼近网络，它在训练学习过程中收敛速度较快，不需要对所有的权值和阈值进行修正，减少了训练时间，且RBF神经网络拓扑结构简单，能实现最优秀的逼近效果，而传统的麻雀搜索算法虽然具有良好的搜索性能，但其在迭代后期时，会出现种群多样性减少以及探索和利用之间的不平衡的现象，收敛速度变慢。
[0006]随着控制理论的不断发展和工况复杂性的不断提高，一般的PID控制器的参数整定对经验依赖性强，对初值敏感，整定过程繁琐且耗时，缺乏自整定能力，已经不能满足现代的控制系统要求。

技术实现思路

[0007]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种改进麻雀种群算法优化RBF神经网络的PID控制方法及装置，以解决现有技术中PID控制器的参数整定无法满
足现在的控制要求的问题。
[0008]为实现以上目的，本专利技术采用如下技术方案：一种改进麻雀种群算法优化RBF神经网络的PID控制方法，包括：对麻雀搜索算法进行改进，得到改进的麻雀搜索算法，所述改进的麻雀搜索算法输出全局最优参数；将所述全局最优参数作为RBF神经网络的初始化网络权值和阈值；对优化后的RBF神经网络进行训练，在训练误差满足结束条件时判断是否满足收敛条件，并在满足收敛条件时计算输出PID的调整值。
[0009]进一步的，所述对麻雀搜索算法进行改进，得到改进的麻雀搜索算法，包括：初始化麻雀种群，设置所述麻雀种群参数；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；其中，所述麻雀搜索算法中的每个麻雀个体由基函数的中心、方差以及隐含层到输出层的权值构成，目标函数为样本真实值与预测值的均方误差；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；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；从麻雀种群中选取Sd个麻雀作为预警者，根据预警者的位置更新公式更新所述预警者的位置；重新计算麻雀种群中N个麻雀个体的适应度值，将前m个麻雀个体的适应度值交叉与变异；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，采用适应能力强的子代位置替换父代位置；对自适应交叉和变异的个体适应度与历史最优个体适应度进行比较，并进行全局更新；判断当前迭代次数是否达到设定的最大迭代次数，如果是，则输出全局最优参数，否则继续迭代。
[0010]进一步的，麻雀种群为麻雀种群的适应度函数为
其中，d表示待优化问题的维数，n表示麻雀种群的数量。
[0011]进一步的，所述发现者的位置更新公式为其中，表示在第t带中第i个个体的第j维位置，t代表迭代次数，是一个标准的正态分布的随机数，代表为1*dim矩阵，dim是维度值，和分别是预警者和预警阈值，当<时，觅食区域安全，可以较大氛围觅食，当时，觅食区域安全，可以较大氛围觅食，当时，觅食区域安全，可以较大氛围觅食，当时，觅食区域不安全，发现者需飞去安全区域；其中，i为第i个麻雀的位置信息，i由1增加到7，i最小为1，最大为7，N为30，证明中不等于，；因此，改进的发现者表达式收敛。
[0012]进一步的，所述加入者的位置更新公式为式中，为第代种群中适应度最好的个体位置，为当前第代中个体适应度值最差的个体，为当前第代中个体适应度值最差的个体，为1*dim的矩阵，其中元素为1或
‑
1的随机值，，为种群数；因为，所以，加入者数量是在加入者的基础上增加到10，i取值范围为[8，10]，i/n不等于，所以，因此，改进的加入者表达式收敛。
[0013]进一步的，所述预警者的位置更新公式为式中，和为此时全局最好和最差的个体适应度值，代表当前种群个体适应度值，，设为一个较小的常数，避免出现分母为0的情况，当，表示当前该个体处于种群外围，需改变位置去安全区域，以获得更好的适应度值，当时，代
表当前该个体处于中种群正中心，会随机靠近其他安全的个体，以降低自己被捕的危险，对条件下的公式进行求导，得，，服从正态分布，其方差是1，均值是0，即，的范围是，因此，改进后的预警者表达式小于1，改进的预警者表达式是收敛的。
[0014]进一步的，所述计算麻雀种群中N个麻雀个体的适应度值，将前m个麻雀个体的适应度值交叉与变异，包括：对麻雀个体进行配对，采用以下方式根据概率对选定的已配对的麻雀进行交叉，其中，位置交叉的麻雀，是(0,1)中的随机数；采用以下方式根据概率对麻雀个体产生变异，对个体最优值的第d维变量随机进行变异，其中，是随机扰动变量。
[0015]进一步的，所述满足收敛条件时计算输出PID的调整值，包括：当训练次数大于预定值的误差以及小于目标值时，采用传递函数进行系统建模，通过自动调整PID参数，计算出PI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进麻雀种群算法优化RBF神经网络的PID控制方法，其特征在于，包括：对麻雀搜索算法进行改进，得到改进的麻雀搜索算法，所述改进的麻雀搜索算法输出全局最优参数；将所述全局最优参数作为RBF神经网络的初始化网络权值和阈值；对优化后的RBF神经网络进行训练，在训练误差满足结束条件时判断是否满足收敛条件，并在满足收敛条件时计算输出PID的调整值。2.根据权利要求1所述的方法，其特征在于，所述对麻雀搜索算法进行改进，得到改进的麻雀搜索算法，包括：初始化麻雀种群，设置所述麻雀种群参数；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；其中，所述麻雀搜索算法中的每个麻雀个体由基函数的中心、方差以及隐含层到输出层的权值构成，目标函数为样本真实值与预测值的均方误差；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；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；从麻雀种群中选取Sd个麻雀作为预警者，根据预警者的位置更新公式更新所述预警者的位置；重新计算麻雀种群中N个麻雀个体的适应度值，将前m个麻雀个体的适应度值交叉与变异；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，采用适应能力强的子代位置替换父代位置；对自适应交叉和变异的个体适应度与历史最优个体适应度进行比较，并进行全局更新；判断当前迭代次数是否达到设定的最大迭代次数，如果是，则输出全局最优参数，否则继续迭代。3.根据权利要求2所述的方法，其特征在于，麻雀种群为麻雀种群的适应度函数为
其中，d表示待优化问题的维数，n表示麻雀种群的数量。4.根据权利要求3所述的方法，其特征在于，所述发现者的位置更新公式为其中，表示在第t带中第i个个体的第j维位置，t代表迭代次数，是一个标准的正态分布的随机数，代表为1*dim矩阵，dim是维度值，和分别是预警者和预警阈值，当<时，觅食区域安全，可以较大氛围觅食，当时，觅食区域安全，可以较大氛围觅食，当时，觅食区域安全，可以较大氛围觅食，当时，觅食区域不安全，发现者需飞去安全区域；i为第i个麻雀的位置信息，i由1增加到7，i最小为1，最大为7，N为30，证明中不等于，；因此，改进的发现者表达式收敛。5.根...

【专利技术属性】
技术研发人员：谢静如，常琳，蒋华涛，仲雪君，
申请(专利权)人：斯润天朗北京科技有限公司，
类型：发明
国别省市：