基于glbest-pso算法的cstr系統(tǒng)魯棒pid控制(編輯修改稿)
2024-07-21 15:34 本頁面
【文章內(nèi)容簡介】 而是表示成局部最優(yōu)和全局最優(yōu)的適應(yīng)度函數(shù),可以用下面兩個表達(dá)式來表示:式中,為每個進化代數(shù)的慣性權(quán)重。為每個進化代數(shù)的加速度常數(shù)。為該進化代數(shù)對應(yīng)的所有粒子歷史最優(yōu)位置的平均值。表達(dá)式(10)稱為全局局部平均最優(yōu)慣性權(quán)重(GlobalAverage Local Best IW,GLBest IW)。表達(dá)式(11)稱為全局局部最優(yōu)加速度常數(shù)(GlobalLocal BestAC,GLBestAC),則相應(yīng)的速度更新表達(dá)式為:式中,為[0,1]的隨機數(shù),表達(dá)式(10)(13)稱為GLBestPSO算法。可以看出,當(dāng)全局最優(yōu)值等于局部最優(yōu)值時,全局局部平均最優(yōu)慣性權(quán)重的值達(dá)到最小,這實際上使粒子在全局最優(yōu)值附近搜索,并迅速地向最優(yōu)值收斂。同樣,當(dāng)全局最優(yōu)值等于局部最優(yōu)值時,全局局部最優(yōu)加速度常數(shù)等于2,并且在整個搜索過程中,其值始終位于2附近。該兩個參數(shù)幫助算法提高搜索精度和效率,獲得更佳的尋優(yōu)性能。 合作進化GLBestPSO算法針對解決最大最小問題,本文提出用合作進化(coevolutionary)GLBestPSO算法來解決魯棒PID控制器問題,其基本思想為:假設(shè)在空間中,存在一有個粒子的粒子群,記為對于群中的每一個粒子,均有與其相對應(yīng)的一個含有個粒子的粒子群,記為表示是第個粒子所對應(yīng)的粒子群。粒子群均具有各自的種群數(shù)、初始速度、初始位置等,兩者不相關(guān)。用合作進化GLBestPSO算法整定魯棒PID控制器參數(shù)的方法流程如下:第一步:分別設(shè)置粒子群的各自參數(shù),如群體規(guī)模和加速度常數(shù)第二步:初始化速度和位置。第三步:對于中的每一個粒子,執(zhí)行下述第四步到第六步。第四步:對于中的第個粒子,初始化其所對應(yīng)的的速度和位置。第五步:將第個粒子的值作為常值,根據(jù)目標(biāo)式(8),通過進化尋找最優(yōu)的頻率值,使第個粒子對應(yīng)的內(nèi)層達(dá)極小值,并計算對應(yīng)的最優(yōu)目標(biāo)函數(shù)值。完成進化的終止條件是達(dá)到代數(shù)第六步:將上一步第個粒子的位置值和對應(yīng)的目標(biāo)值保存作為第七步的比較使用。判斷個粒子的位置值和對應(yīng)的目標(biāo)值保存作為第七步的比較使用。判斷中n個粒子的位置值及其對應(yīng)的目標(biāo)函數(shù)值值,使第的大小,通過比較尋找出對應(yīng)最大目標(biāo)函數(shù)值的最優(yōu)粒子位置值。第八步:判斷的進化是否已達(dá)到終止條件,如果達(dá)到,則停止算法的執(zhí)行并返回第七步最優(yōu)粒子的位置值作為結(jié)果,該位置值就是要尋找的魯棒PID控制器參數(shù)。否則,依據(jù)方程(10)(13),對進化一代,返回第三步,繼續(xù)下次循環(huán)。進化的終止條件是達(dá)到進化代數(shù)。4 仿真研
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1