[发明专利]基于差分进化逆辨识的尾缘襟翼内模PID控制参数的优化方法

权利要求书

1.基于差分进化逆辨识的尾缘襟翼内模PID控制参数的优化方法，其特征是，包括以下步骤：

步骤1，对基于尾缘襟翼的智能叶片系统的输入端和输出端进行采样：

步骤1.1，在非线性智能叶片系统的输入端，即尾缘襟翼角端口输入激励信号，使得所述智能叶片系统的输出端产生相应的扭转角输出信号；

步骤1.2，对所述智能叶片系统的输入信号β和输出信号θ进行等时间间距采样，共采样N个时间点，间隔采样时间为t_s；由采样时间点形成的序列记为{T}＝{T₁，T₂，......T_N}，T_N表示第N个采样时间点；智能叶片系统的输入信号即为尾缘襟翼角信号，智能叶片系统的输出信号即为扭转角信号；所述基于尾缘襟翼的智能叶片系统的输入信号β和输出信号θ经过采样后所形成的序列分别记为{x}和{y}；

步骤2，通过差分进化算法利用输入序列{x}和输出序列{y}对式(1)中智能叶片系统的等效模型参数k₁，a₁，a₂进行优化辨识：

智能叶片系统的等效模型M(s)为

步骤2.1，设定差分进化算法参数，包括变异因子F、交叉概率CR、种群规模S、最大迭代次数G_max、待辨识参数个数L＝3，以及智能叶片系统等效模型参数向量[k₁，a₁，a₂]的取值上界和取值下界

步骤2.2，生成S行L列初始种群矩阵X₀，生成初始种群矩阵X₀中的第i个个体X_i，0的第j个参数从而生成初始种群矩阵X₀中第i个个体X_i，0，进而生成初始种群矩阵X₀的S个个体的L个参数；1＜＜i＜＜S，1＜＜j＜＜L；

第G代种群矩阵为X_G，则第G代种群矩阵的第i个个体为当智能叶片系统等效模型参数向量取值为X_i，G时获取辨识模型以序列{x}为输入得到系统辨识模型的输出序列记为

步骤2.3，利用式(3)计算第G代种群中第i个个体X_i，G的系统模型辨识误差；

式(3)中，y为智能叶片系统的采集输出量，为辨识参数向量X_i，G对应的智能叶片系统辨识模型的输出量，N为采集输出量的总数，k表示第k个采集输出量y(k)；

步骤2.4，对第G代种群矩阵的第i个个体X_i，G进行变异操作，得到变异后的第i个个体V_i，G，从而对第G代种群矩阵X_G的S个个体进行变异操作，得到变异后的S个个体，并构成第G代变异矩阵V_G＝[v_1，G，v_2，G，…v_S，G]^T；

步骤2.5，由第G代变异矩阵V_G和第G代种群矩阵X_G进行交叉操作，生成第G代交叉矩阵U_G；求取第G代交叉矩阵U_G的第i个个体U_i，G的第j个参数

当智能叶片系统等效模型参数向量取值为U_i，G时获取辨识模型以序列{x}为输入得到系统辨识模型的输出序列记为

步骤2.6，选择操作，利用式(6)计算实验向量的辨识误差值；

式(6)中，y为智能叶片系统的采集输出量，为辨识参数向量为U_i，G对应的智能叶片系统辨识模型的输出量；

由第G代交叉矩阵U_G和第G代种群矩阵X_G生成第G+1代种群矩阵X_G+1，求取第G+1代种群矩阵X_G+1的第i个个体X_i，G+1；

步骤2.7，反复执行步骤2.3至步骤2.6，直至达到最大迭代次数G_max，输出最优系统模型辨识参数向量[k₁^opt，a₁^opt，a₂^opt]；

步骤3，将序列{y}作为输入序列，序列{x}作为输出序列，同理，按照步骤2所述的差分进化算法，对式(8)中的智能叶片系统的等效逆模型Q(s)的参数c₁，c₂，b₁，b₂进行优化辨识：

式(8)中，c₁，c₂，b₁，b₂为智能叶片系统等效逆模型的待辨识参数，k₁为式(1)中已辨识的参数；

所述差分进化辨识逆模型的过程中，适应度函数为逆模型辨识误差函数：其中x为智能叶片系统的采集输入量，即智能叶片逆系统的采集输出量，为智能叶片系统辨识逆模型的输出量，为智能叶片系统逆模型的辨识误差；最终输出最优逆模型辨识参数向量[c₁^opt，c₂^opt，b₁^opt，b₂^opt]；

步骤4，利用智能叶片系统等效模型的优化辨识参数[k₁^opt，a₁^opt，a₂^opt]和系统等效逆模型的优化辨识参数[c₁^opt，c₂^opt，b₁^opt，b₂^opt]，通过内模控制结构计算出最优尾缘襟翼内模控制器G_c(s)，如下式所示；

尾缘襟翼内模控制器G_c(s)可以等效为尾缘襟翼内模PID控制器G_PID(s)；

式(10)中，k_p，k_i，k_d为尾缘襟翼内模PID控制的优化参数，可利用式(11)和式(12)计算得到优化控制参数k_p，k_i，k_d：

式(11)、(12)中，k₁^opt，a₁^opt，a₂^opt为智能叶片系统等效模型的优化辨识参数；c₁^opt，c₂^opt，b₁^opt，b₂^opt为智能叶片系统等效逆模型的优化辨识参数。