[发明专利]SISO紧格式无模型控制器基于PSO-LSTM协同算法的参数自整定方法

说明书

本发明公开了一种SISO紧格式无模型控制器基于PSO‑LSTM协同算法的参数自整定方法，首先利用PSO算法优化LSTM初始权系数矩阵，然后利用系统误差数据集作为LSTM神经网络的输入，LSTM神经网络进行前向计算并通过输出层输出惩罚因子、步长因子等SISO紧格式无模型控制器待整定参数，采用SISO紧格式无模型控制器的控制算法计算得到控制输入，以系统误差函数的值最小化为目标，采用梯度下降法，并结合控制输入分别针对各个待整定参数的梯度信息，利用链式法则进行系统误差反向传播计算，在线实时更新LSTM神经网络中所有待学习的权系数，实现控制器基于PSO‑LSTM协同算法的参数自整定。本发明提出的方法，能有效克服控制器参数的在线整定难题，对SISO系统具有良好的控制效果。

技术领域

本发明属于自动化控制领域，尤其是涉及一种SISO紧格式无模型控制器基于PSO-LSTM协同算法的参数自整定方法。

背景技术

SISO(Single Input and Single Output，单输入单输出)系统广泛存在于炼油、化工、火电、机械、电气、石化、制药、食品、造纸、水处理、冶金、水泥、橡胶等行业的反应器、精馏塔、机器、设备、装置、生产线、车间、工厂等被控对象中。随着科技水平的不断提高，工业装置日益大型化与复杂化，使生产过程中出现了许多非线性、时变、大时滞等环节，而以PID为代表的传统控制器在控制具有非线性、时变、大时滞等特征的复杂被控对象时往往难以达到理想的控制效果。无模型控制器是一种新型的基于数据驱动的控制模型，对未知非线性时变系统具有很好的控制效果，因此具有良好的应用前景。

针对SISO系统的无模型控制器的现有实现方法中包括SISO紧格式无模型控制器。SISO紧格式无模型控制器是一种基于数据驱动的新型控制方法，其特征在于不依赖被控对象的任何数学模型信息，仅依赖于SISO系统被控对象实时测量的输入输出数据进行控制器的分析和设计，并且实现方法简单、计算负担小且性能稳定，对未知非线性时变SISO系统也能够进行较好的控制，应用前景十分光明。SISO紧格式无模型控制器的理论基础，由侯忠生与金尚泰在其合著的《无模型自适应控制—理论与应用》(科学出版社，2013年，第55页)中提出，其控制算法如下：

其中，u(k)为k时刻的系统控制输入；e(k)为k时刻的系统误差；φ_c(k)为k时刻的SISO系统伪偏导数估计值；λ为惩罚因子，ρ为步长因子。

然而，SISO紧格式无模型控制器在实际工业场景的使用中存在着参数整定难的问题，控制器投入使用前需要依据专业知识与行业经验来事先设定惩罚因子λ和步长因子ρ等参数的数值，错误的参数值设定可能会导致工况故障等问题，同时在实际投用过程中也尚未实现惩罚因子λ和步长因子ρ等参数的在线自整定。控制器参数有效整定手段的缺乏，不仅使SISO紧格式无模型控制器的使用调试过程中耗时耗力，而且甚至还会严重影响SISO紧格式无模型控制器的控制效果，限制了SISO紧格式无模型控制器的广泛应用。

为了打破制约SISO紧格式无模型控制器推广应用的瓶颈，SISO紧格式无模型控制器在实际投用过程中还需要解决在线自整定参数的难题。

发明内容

为了解决背景技术中存在的问题，本发明的目的在于，提供一种SISO紧格式无模型控制器基于PSO-LSTM协同算法的参数自整定方法，以解决SISO紧格式无模型控制器的在线参数自整定问题。

为此，本发明的上述目的通过以下技术方案来实现，包括以下步骤：