System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及柴油机控制,是一种结合柴油机基于lstm算法对pid参数进行优化方法。
技术介绍
1、当今世界,能源短缺与环境污染已成为人类社会发展所不可避免的障碍,柴油机作为人类世界发展的动力心脏之一,也需要进一步的发展升级,这就对柴油机电控系统提出了更高的要求。
2、在整个柴油机系统中,电子调速器是至关重要的一个部分,它的性能优劣直接影响着整机性能的好坏。目前在柴油机领域中电子调速器采用的控制技术也是pid控制,但是普通的pid控制策略也有其缺陷,例如在非标定好的工况下,最佳pid参数发生变化,与之相对应的参数将不再契合新的工况,进而对柴油机的整机性能造成很大的不好的影响,因此迫切需要一种新的自适应参数的控制方法,来满足并且匹配柴油机的不同复杂工作状况。
3、同时社会广泛应用的柴油机调速控制算法为双闭环控制策略,即转速环和位置环两个闭环控制策略,转速环是直接控制柴油机转速,由于其复杂的时变性和非线性,普通pid算法调参效率不如lstm-pid策略,因此需要通过智能算法对pid算法的三个变量进行在线寻优调整,相比于人工调参的效率提升巨大。
4、在现有的公开资料中,公开号为cn106773649a的专利技术专利中公开了一种基于pso与pid算法的燃气自动控制阀门智能调控方法,以燃气自动控制阀门为研究对象,充分考虑pid控制系统的特征,并建立了被控对象的传递函数模型,引入人工智能技术,采用带有收敛因子的改进型粒子群算法搜索pid参数最优解,实现了对燃气流量的自动控制。该专利技术专利中克服了传统pi
技术实现思路
1、本专利技术为了解决上述问题,本专利技术提出一种结合柴油机基于lstm算法对pid参数进行优化方法。
2、需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
3、本专利技术提供了一种结合柴油机基于lstm算法对pid参数进行优化方法,本专利技术提供了以下技术方案:
4、一种结合柴油机基于lstm算法对pid参数进行优化方法,所述方法包括以下步骤:
5、步骤1:设置lstm训练学习损失率、隐藏层神经元数、批次大小以及迭代次数;
6、步骤2:采样得到给定信号以及输出信号,通过公式计算求得时刻误差;
7、步骤3:对网络的输入信号完成归一化过程,此后完成前向运算,根据加权运算,求得网络结构的输出值。;
8、步骤4:将网络的输出值进行反归一化处理,得到即为pid算法的三个变量kp、ki、kd;
9、步骤5:输入三个参数到pid控制器,根据增量式pid运算方法求得输出;
10、步骤6:利用驱动模块把控制量u(k)输出给被控目标,循环控制过程;
11、步骤7:使用lstm神经网络,优化隐含层节点的中心向量、输出权值。
12、步骤8:返回步骤2,开始下一个周期,逐步完成pid三个变量参数的自整定修正;
13、步骤9:直至满足要求即可停止训练,使得pid具有最优参数。
14、优选地,pid控制器是依据设定的期望值和系统真实输出的结果组合一个系统控制偏差,再使这个偏差经由比例、积分和微分三个环节部分完成线性组合然后构成一个量作用于被控对象,关于pid控制器的输出与输入信号的关联,用以下公式表达:
15、
16、其中,u(t)为柴油机控制器输出信号,e(t)为柴油机控制器输入偏差,kp为柴油机比例常数,ti为积分时间常数,td为微分时间常数;
17、将连续等间隔的离散采样时间替换,依据数值积微分原理,积分使用梯形积分,微分采用增量算法,变形如下:
18、
19、
20、
21、
22、
23、通过加权的处理方式方便的获得控制效果。
24、优选地,将输入信号减去其均值,并除以标准差,使其均值为0,标准差为1,公式如下:
25、x_normalized=(x-x_mean)/x_std
26、随后将数据传递进入网络,输入进lstm网络后,运算过程如下:
27、遗忘门的输出ft为
28、ft=σ(wf·[ht-1,xt]+bf)
29、输入门的输出it为
30、it=σ(wi·[ht-1,xt]+bi)
31、输入的单元状态为
32、
33、单元状态ct的更新是由上一时刻的单元状态ct-1和当前时刻输入的单元状态ct共同决定的.遗忘门ft控制长时记忆信息的保存;输入门it控制剔除当前无关紧要的输入信息;
34、
35、输出门的输出ot为
36、ot=σ(wo·[ht-1,xt]+bo)
37、lstm神经元的输出ht为
38、ht=ot⊙tanh(ct)
39、其中,xt为当前时刻的输入;ht-1为上一时刻的隐藏层状态;[ht-1,xt]表示矩阵ht-1和xt的组合;符号“⊙”表示矩阵按元素相乘;σ为门的激活函数,一般采用sigmoid函数;w和b分别表示对应门的权重和偏置矩阵。
40、优选地,使用以下公式将归一化后的值重新映射为原始数据的范围:
41、x_original=x_normalized*x_std+x_mean
42、反归一化通常需要在模型训练完成后进行,以便对模型的输出结果进行解释和分析。
43、优选地,输入三个参数到pid控制器,根据增量式pid运算方法求得输出,其称为u(k),公式如下:
44、。
45、
46、优选地,使用lstm神经网络,优化隐含层节点的中心向量、输出权值,过程如下:
47、遗忘门的输出ft为:
48、ft=σ(wf·[ht-1,xt]+bf)
49、输入门的输出it为:
50、it=σ(wi·[ht-1,xt]+bi)
51、输入的单元状态为:
52、
53、单元状态ct的更新是由上一时刻的单元状态ct-1和当前时刻输入的单元状态ct共同决定的,遗忘门ft控制长时记忆信息的保存;输入门it控制剔除当前无关紧要的输入信息;
54、<本文档来自技高网...
【技术保护点】
1.一种结合柴油机基于LSTM算法对PID参数进行优化方法,其特征是:所述方法包括以下步骤:
2.根据权利要求1所述的方法,其特征是:
3.根据权利要求2所述的方法,其特征是:
4.根据权利要求3所述的方法,其特征是:
5.根据权利要求4所述的方法,其特征是:
6.根据权利要求5所述的方法,其特征是:
7.根据权利要求6所述的方法,其特征是:
8.一种结合柴油机基于LSTM算法对PID参数进行优化系统,其特征是:所述系统具体为:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-7任意一项所述的方法。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征是:所述处理器执行所述计算机程序时实现权利要求1-7任意一项所述的方法。
【技术特征摘要】
1.一种结合柴油机基于lstm算法对pid参数进行优化方法,其特征是:所述方法包括以下步骤:
2.根据权利要求1所述的方法,其特征是:
3.根据权利要求2所述的方法,其特征是:
4.根据权利要求3所述的方法,其特征是:
5.根据权利要求4所述的方法,其特征是:
6.根据权利要求5所述的方法,其特征是:
7.根据权利要求6所述的方法,其特...
【专利技术属性】
技术研发人员:侯仕卿,李文辉,霍天源,郭泰,韩明泽,石泽太,王政,刘仁余,周叶培,崔永东,王勇文,孙志斌,屠建华,
申请(专利权)人:哈尔滨工程大学,
类型:发明
国别省市:
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。