一種基于改進(jìn)粒子群算法優(yōu)化無(wú)刷直流電機(jī)模糊控制器的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及控制技術(shù)領(lǐng)域，尤其涉及一種基于改進(jìn)粒子群算法優(yōu)化無(wú)刷直流電機(jī) 模糊控制器的方法。
【背景技術(shù)】
[0002] 無(wú)刷直流電機(jī)一直是近些年研究發(fā)展熱點(diǎn)，它不但具有良好的調(diào)速特性，而且具 有運(yùn)行可靠，結(jié)構(gòu)簡(jiǎn)單、多變量、強(qiáng)耦合、非線性等特點(diǎn)，在工業(yè)控制、航空航天、汽車(chē)家電 等領(lǐng)域都有著廣泛的應(yīng)用和研究?jī)?yōu)化價(jià)值。BLDCM-般采用PID控制，傳統(tǒng)PID控制方法簡(jiǎn) 單成熟，參數(shù)整定方便，穩(wěn)定性好等優(yōu)點(diǎn)，但也存在控制精度差，適應(yīng)性慢等缺陷，很難滿足 當(dāng)今智能控制的精確要求。在這種情形下，人們把模糊控制技術(shù)應(yīng)用到無(wú)刷電機(jī)中，近些年 來(lái)，模糊控制在模仿人類思維的智能化控制中得到了廣泛的應(yīng)用，但在一些實(shí)際應(yīng)用中，對(duì) 于無(wú)刷電機(jī)時(shí)變、非線性，一些模糊控制規(guī)則很難確定，導(dǎo)致了模糊控制存在在線調(diào)節(jié)不是 很理想。隨著科學(xué)計(jì)算方法的快速發(fā)展，一些學(xué)者提出了很多智能控制策略如粒子群算法， 遺傳算法，神經(jīng)網(wǎng)絡(luò)等，這些算法已大量應(yīng)用于無(wú)刷直流電機(jī)之中，并取得了較好的控制效 果。然而，上述算法雖然能對(duì)模糊控制器進(jìn)行較好的優(yōu)化，但其也存在收斂速度慢，易陷入 局部尋優(yōu)，很容易造成早熟收斂等現(xiàn)象。針對(duì)上述缺點(diǎn)和不足，本文對(duì)PID控制器進(jìn)行了更 進(jìn)一步優(yōu)化和改進(jìn)。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于針對(duì)【背景技術(shù)】中提出的不足，提出一種基于改進(jìn)粒子群算法優(yōu) 化無(wú)刷直流電機(jī)模糊控制器的方法，改進(jìn)粒子群算法結(jié)合了量子算法和粒子群算法兩者優(yōu) 點(diǎn)，其中量子算法融入了很多量子力學(xué)的基本特性，增加了PS0算法的全局搜索性能。實(shí)驗(yàn) 結(jié)果表明，改進(jìn)粒子群優(yōu)化模糊控制器具有更好的魯棒性和控制性能，其動(dòng)靜態(tài)性能均優(yōu) 于普通PID控制。
[0004] 為實(shí)現(xiàn)上述目的，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn)：
[0005] -種基于改進(jìn)粒子群算法優(yōu)化無(wú)刷直流電機(jī)模糊控制器的方法，包括如下步驟：
[0006] (1)將整個(gè)解空間劃分為七個(gè)區(qū)域，給每個(gè)區(qū)域的位置設(shè)為：
[0007]K1= [KaKbKP]T;K2= [KaKbKj'Kf[KaKbKd]T，可在允許范圍內(nèi)隨 機(jī)賦以初值，此時(shí)Pi為初始位置的個(gè)體極值，Ρ,為七個(gè)區(qū)域使得目標(biāo)函數(shù)最小的全局極值；
[0008] (2)根據(jù)目標(biāo)函數(shù)計(jì)算每個(gè)粒子的適應(yīng)度；
[0009] (3)根據(jù)其適應(yīng)度，更新粒子的個(gè)體極值和全局極值；
[0010] (4)將所更新的個(gè)體極值和全局極值賦值給量化因子Ka、Kb和比例因子Κρ、I、Kd， 量化因子Ka、Kb和比例因子Kp、I、心分別為模糊控制器輸入輸出的性能指標(biāo)；
[0011] (5)對(duì)輸入輸出的性能指標(biāo)進(jìn)行評(píng)估，如果滿足目標(biāo)函數(shù)，則結(jié)束，如果不滿足則 應(yīng)用改進(jìn)粒子群算法將PiPg代入量子粒子群公式，粒子在空間區(qū)域不斷尋優(yōu)，直到粒子滿 足目標(biāo)函數(shù)，生成新的粒子群體，此時(shí)粒子所在位置為參數(shù)優(yōu)化因子Ka、Kb、l、Kp、Kd的最優(yōu) 值，否則返回步驟（2)繼續(xù)尋優(yōu)。
[0012] 進(jìn)一步地，所述步驟（1)中以給定轉(zhuǎn)速η和實(shí)際轉(zhuǎn)速n-ref的偏差E及其變化率 Ec作為模糊控制器的輸入，Up、UpUd作為模糊控制器的輸出；Ka，Kb作為輸入信號(hào)E、Ec的 量化因子，Kp、I、Kd分別輸出信號(hào)Up、認(rèn)、Ud的量化因子；設(shè)輸入信號(hào)E、Ec的基本論域設(shè)為 {-6,6}，輸出信號(hào)Up、Up仏的基本論域也分別設(shè)為{-6,6}，輸入輸出都選用7個(gè)模糊子集 即：{NB，匪，NS，Z0,PS,PM，PB}，里面的元素分別代表負(fù)大、負(fù)中、負(fù)小、零、正小、正中、正大。
[0013] 進(jìn)一步地，所述步驟（2)中目標(biāo)函數(shù)為/(.τ) = ￡+(〇|?，種群中每個(gè)粒子的初 始適應(yīng)度J,1，正比于目標(biāo)函數(shù)f(X)，此時(shí)考為粒子i的歷史最優(yōu)適應(yīng)值Jltest，即為 ，此時(shí)粒子i的位置為Pu巧=If,整個(gè)種群的適應(yīng)度值'（^=1，2,.,111)進(jìn)行比較，極 大值= 9?),整個(gè)群體歷史適應(yīng)度的值的粒子為4 ,全局最優(yōu)位置為
[0014] 進(jìn)一步地，所述步驟（3)個(gè)體極值為粒子i經(jīng)歷的最好位置，全局極值為空間內(nèi)所 有粒子經(jīng)歷的最好位置；
[0015] 個(gè)體極值和全局極值滿足以下公式：
[0016]
[0017]
[0018] 其中J為自定義的評(píng)價(jià)函數(shù)；)表示在K次迭代后當(dāng)前粒子的適應(yīng)度值和 歷史粒子的個(gè)體極值作比較。<設(shè)(<)表示在K次迭代后當(dāng)前粒子的適應(yīng)度值和歷史粒 子的全局極值作比較。
[0019] 進(jìn)一步地，所述步驟（5)中改進(jìn)粒子群算法步驟如下：
[0020] 1)算法初始化；
[0021] 2)對(duì)種群中所有粒子進(jìn)行評(píng)價(jià)，將當(dāng)前各粒子的最優(yōu)位置存放到各粒子的Pi中， 將所有Pi*的最優(yōu)個(gè)體的位置和適應(yīng)度存放于Pg* ;
[0022] 3)根據(jù)量子粒子群公式更新每個(gè)粒子的位置，生成新的粒子群體；
[0023] 4)根據(jù)優(yōu)化性能指標(biāo)再次對(duì)種群中的各粒子進(jìn)行評(píng)價(jià)；
[0024] 5)對(duì)種群中的每個(gè)粒子當(dāng)前適應(yīng)度值和步驟2)中存放的？1的適應(yīng)度值相比較， 若當(dāng)前的值更優(yōu)，則用粒子的當(dāng)前位置和目標(biāo)值更新Pi，將當(dāng)前更新所有的Pi與步驟2)中 存放的P#比較，更新Pg;
[0025] 6)若滿足終止規(guī)則，則輸出全局極值，否則轉(zhuǎn)向步驟（3)。
[0026] 進(jìn)一步地，所述步驟1)中初始化粒子群包括種群的規(guī)模N、維數(shù)、位置及編碼方 式。
[0027] 進(jìn)一步地，所述步驟3)中量子粒子群公式如下：
[0028]
[0029]
[0030]
[0031] 上述（1)，（2)，（3)式中⑴式為粒子在空間某點(diǎn)出現(xiàn)的概率方程，其中^為δ 勢(shì)阱的特征長(zhǎng)度；k為迭代次數(shù)，（1)式中的下標(biāo)i(i= 1，2…Ν)表示 第i個(gè)粒子，下標(biāo)j表示第幾維，K表示迭代次數(shù)，Pl]表示第j維個(gè)體極值，pg]表示第j維 的全局極值。（2)式為粒子在空間位置的更新方程，式中r，u為均勻分布的隨機(jī)數(shù)，其滿足 r~[0,l]，u~[0, 1]，是粒子在某一時(shí)刻本身經(jīng)歷的最優(yōu)位置的平均位置。（3)式 in,；_： 中β為收縮擴(kuò)張系數(shù)，它是QPS0算法收斂的一個(gè)重要參數(shù)，β的選擇和控制決定了算法 的全局收斂快慢程度，在（2)式中，當(dāng)u< 0. 5時(shí)，β為負(fù)，反之為正值，k_為迭代次數(shù)最 大值。
[0032] 本發(fā)明的工作原理是標(biāo)準(zhǔn)PS0算法是用位置和速度來(lái)描述粒子的行為的，由于速 度的不確定很容易造成粒子的早熟收斂，SUN等在PS0算法的基礎(chǔ)上，從量子力學(xué)的角度提 出一種新的算法模型，這種模型以S(勢(shì)阱）為基礎(chǔ)，假設(shè)粒子具有量子行為，將量子理論 融入到粒子群算法之中，提出了一種新的算法一量子粒子群算法（QPS0)。在QPS0算法中， 粒子的狀態(tài)由波函數(shù)描述，它不再采用標(biāo)準(zhǔn)粒子群算法中的位置和速度變量，粒子沒(méi)有速 度向量。粒子運(yùn)動(dòng)由薛定諤方程描述，描述方程為上步驟的（1)式。
[0033] 本發(fā)明采用改進(jìn)PS0算法對(duì)模糊控制器進(jìn)行優(yōu)化可以避免算法陷入局部最優(yōu)，進(jìn) 行全局搜索，從而達(dá)到系統(tǒng)穩(wěn)定性能。
[0034] 本發(fā)明的優(yōu)點(diǎn)為：本發(fā)明仿真結(jié)果表明，基于改進(jìn)粒子群算法能以最快的速度找 出全局最優(yōu)解，電機(jī)在額定轉(zhuǎn)速下運(yùn)行平穩(wěn)，響應(yīng)迅速，基本無(wú)超調(diào)出現(xiàn)，具有良好的隨動(dòng) 性和動(dòng)靜態(tài)特性。
【附圖說(shuō)明】
[0035] 圖1為本發(fā)明基于改進(jìn)粒子群算法優(yōu)化無(wú)刷直流電機(jī)模糊控制器的方法流程圖；
[0036] 圖2為無(wú)刷直流電機(jī)仿真模型建立整體框圖；
[0037] 圖3為無(wú)