[发明专利]一种基于粒子群算法的网络环境电机控制器设计算法

权利要求书

1.一种基于粒子群算法的网络环境电机控制器设计算法，其特征在于，具体步骤如下：

步骤一、建立包含了网络通信延迟的PID控制器与直流电机的闭环系统模型；

针对第k个采样周期，考虑网络通信延迟后离散形式的模型为：

A为离散系统的系统矩阵，B为离散系统的输入矩阵；x_k为系统在k*Ts时刻的状态信号，Ts为固定的采样周期；k＝1,2,3,...n；n为系统运行的最大步数；u_k为k*Ts时刻不考虑任何延迟时的输入信号；为k*Ts时刻考虑延迟d_2,k的输入信号；代表k*Ts时刻经过延迟执行器实际收到的输入信号；d_1,k代表控制信号u经过网络后延迟的采样周期数；K_P为PID控制器的比例项系数，K_I为PID控制器的积分项系数，K_D为PID控制器的微分环节的增益参数；r_k代表k*Ts时刻的参考信号；代表k*Ts时刻经过延迟后控制器实际收到的输出信号；d_2,k代表输出信号y经过网络后延迟的采样周期数；r_i代表i*Ts时刻的参考信号；代表i*Ts时刻经过延迟后控制器实际收到的输出信号；

同时，延迟满足有上界且不小于0的限制条件，如下：

其中，代表控制器传出的控制信号由执行器接收时的最大传输时间，也就是控制输入信号最大延迟时间；代表执行器/控制电机传出的输出信号/转速信号经过网络后由控制器接收的最大传输时间，也就是输出信号的最大延迟时间；

步骤二、将闭环系统模型转化为静态输出反馈形式，建立考虑网络通信随机延迟的控制器稳定条件；稳定条件如下：

其中，P,Q,Z,S₁,S₂为待求矩阵，且P,Q,Z为正定对称矩阵；K＝[-K_P -K_I -K_D]，使得：

步骤三、设计满足控制器稳定条件的APSO算法中的K_P，K_I和K_D的目标函数；

目标函数为：

其中，y_k为系统在k*Ts时刻的测量输出信号也就是直流电机的转速信号；

步骤四、利用APSO算法求出目标函数中PID控制器的最优参数K_P,K_I和K_D；

具体步骤如下：

步骤401、设定APSO算法的粒子群大小M和粒子位置维度c；给出优化目标函数和优化迭代的最大迭代步Mmax；

粒子位置维度也就是所优化问题的优化变量数目；

步骤402、对粒子位置进行初始化，一般初始位置要求服从随机分布，粒子位置就是指待优化各变量的值；

步骤403、计算所有粒子适应值，并进行比较分别得到粒子群最优O_g以及各粒子最优O_j；

粒子群最优O_g即最小的粒子；各粒子最优O_j为每个粒子各迭代步的位置中适应值最小的位置；

步骤404、按照公式(11)更新各粒子的位置；

计算各粒子的目标函数值也就是适应值；

步骤405、再次对所有粒子适应值进行比较分别得到粒子群最优O_g以及各粒子最优O_j；

步骤406、判断是否满足循环终止条件，如果是，则结束APSO算法，所优化问题的解就是群体最优O_g；否则，返回步骤404按照目标函数公式更新粒子位置；

循环终止条件一般为：达到最大迭代步数限制或最优粒子适应值小于某一阈值；

其中，β_max为参数β迭代过程中的最大值，一般取0.5～0.9，β_min为参数β迭代过程中的最小值，一般取0.1～0.3；t为本次迭代次数，t_max为最大迭代次数；

α_max为参数α在迭代过程中的最大值，一般取0.5～2，α_min为参数α迭代过程中的最小值，一般取0.2～0.6；

R_j为矩阵R＝[R₁,R₂,...R_M]^T的行向量，矩阵R(M*c)每次迭代后更新，R的第l列服从均值为0，标准差为δ_l的正态分布，δ_l为粒子最优位置矩阵O＝[O₁,O₂,...O_N]^T的第j列的标准差。