本發(fā)明屬于水泥熟料工業(yè)生產(chǎn)自動(dòng)控制過程領(lǐng)域，具體的說是一種篦冷機(jī)刮板速度控制方法。
背景技術(shù)：
：篦冷機(jī)是水泥行業(yè)熟料煅燒生產(chǎn)系統(tǒng)重要配套設(shè)備，廣泛的應(yīng)用于水泥工業(yè)熟料生產(chǎn)線上。如今，篦冷機(jī)已經(jīng)發(fā)展到第四代，隨著生產(chǎn)能力的提升，其驅(qū)動(dòng)方式從機(jī)械驅(qū)動(dòng)換成液壓驅(qū)動(dòng)。因而，調(diào)節(jié)液壓控制篦冷機(jī)刮板速度以及調(diào)節(jié)過程平穩(wěn)性、準(zhǔn)確性、減小運(yùn)行沖擊與振動(dòng)等成為水泥熟料篦冷機(jī)控制過程的主要內(nèi)容。為實(shí)現(xiàn)篦冷機(jī)刮板速度調(diào)節(jié)與控制，本發(fā)明采用PID控制。在確定篦冷機(jī)刮板速度控制系統(tǒng)模型和控制策略的前提條件下，如何設(shè)計(jì)優(yōu)化PID控制器的Kp(比例系數(shù))、Ts(積分時(shí)間常數(shù))、TD(微分時(shí)間常數(shù))等參數(shù)成為影響本系統(tǒng)控制效果的關(guān)鍵。目前，在PID控制器參數(shù)優(yōu)化的智能方法中，常用的有粒子群算法、遺傳算法和人群搜索算法等，但在實(shí)際操作中往往易陷入局部最小解，出現(xiàn)搜索的分散性變差，全局所搜能力減弱，無法搜索到更好解的不足，從而影響被控系統(tǒng)的控制效果。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供了一種將模擬退火技術(shù)與粒子群算法相結(jié)合，采用PID控制，優(yōu)化出PID控制器參數(shù)，實(shí)現(xiàn)對(duì)篦冷機(jī)刮板速度的更高精度的控制，并且調(diào)速過程更平穩(wěn)，減小振動(dòng)和沖擊的基于模擬退火粒子群算法的篦冷機(jī)刮板速度控制方法，克服了現(xiàn)有篦冷機(jī)刮板速度得不到有效控制的問題。本發(fā)明技術(shù)方案結(jié)合附圖說明如下：一種篦冷機(jī)刮板速度控制方法，該控制方法包括以下步驟：步驟一、建立篦冷機(jī)刮板速度的適應(yīng)度函數(shù)；步驟二、初始化篦冷機(jī)刮板速度的適應(yīng)度函數(shù)的參數(shù)；步驟三、初始化適應(yīng)度函數(shù)的N個(gè)解X，其中每個(gè)解的矢量由PID控制器三個(gè)參數(shù)組成，所以解的矢量維數(shù)D＝3，每個(gè)解的速度V的維數(shù)與每個(gè)解X的維數(shù)相同；步驟四、通過步驟一中的適應(yīng)度函數(shù)計(jì)算出第一代每個(gè)解的適應(yīng)值，選出最小的適應(yīng)值作為全局最佳適應(yīng)值z(mì)best，對(duì)應(yīng)的解是全局最佳解Gbest，再把第一代每個(gè)解作為個(gè)體最佳解Pi，其適應(yīng)值作為個(gè)體解最佳適應(yīng)值gbest；步驟五、計(jì)算突跳概率因子T；步驟六、全局最佳適應(yīng)值z(mì)best和全局最佳位置Gbest進(jìn)入迭代循環(huán)Maxlter；步驟七、得出zbest和Gbest，Gbest就是篦冷機(jī)刮板速度的適應(yīng)度函數(shù)中的最優(yōu)參數(shù)。所述步驟一中的適應(yīng)度函數(shù)具體如下：其中e(t)為PID控制器的設(shè)定值與反饋值的系統(tǒng)誤差，u(t)為PID控制器輸出，ω2和ω1為權(quán)值，為了避免系統(tǒng)輸出超調(diào)，采用懲罰控制，如果e(t)<0時(shí)，其中ω3為權(quán)值，通常情況下ω1＝0.999，ω2＝0.001，ω3＝100。所述步驟二中初始化的參數(shù)包括迭代數(shù)Maxlter、當(dāng)前迭代數(shù)t、經(jīng)驗(yàn)控制參數(shù)c1和c2，其中c1調(diào)節(jié)解調(diào)整向個(gè)體最佳解方向移動(dòng)的步長(zhǎng)，c2調(diào)節(jié)解向全局最佳解方向的移動(dòng)的步長(zhǎng)、收斂系數(shù)lamda、收斂系數(shù)是使突跳概率因子呈線性縮減、最大權(quán)值ωmax、最小權(quán)值ωmin、壓縮因子其中壓縮因子是根據(jù)公式求得的，C＝c1+c2，且C>4，其作用控制和約束解調(diào)整的大小。所述步驟三中初始化解的矩陣：Kp、Ki、Kd參數(shù)的范圍[0100]；初始化速度矩陣：Vp、Vi、Vd參數(shù)的范圍[01]，初始化最大速度Vmax和最小速度Vmin。所述步驟五中突跳概率因子T通過如下公式計(jì)算：T＝-Fitness(Gbest)/log(0.2)。(3)所述步驟六的具體步驟如下：(1)計(jì)算出最佳適應(yīng)值Fitness(Gbest)，算出每個(gè)解的突跳概率通過如下公式：其中Δf＝Fitness(Xi)-Fitness(Gbest)，F(xiàn)itness(Xi)為當(dāng)前解的適應(yīng)值，i＝1～N；(2)每個(gè)解的突跳概率Tu和在0-1區(qū)間內(nèi)隨機(jī)數(shù)random進(jìn)行比較，如果解的突跳概率大于隨機(jī)數(shù)random，解Xi就取代Gbest，避免了迭代尋優(yōu)過程中易陷于局部最小解的問題，否則不取代，引入突跳概率是避免迭代尋優(yōu)出現(xiàn)早熟的現(xiàn)象，使尋優(yōu)不能找到更好的解；(3)計(jì)算權(quán)值ω，通過如下公式：權(quán)值ω作用尋優(yōu)前期提高全局搜索能力和尋優(yōu)后期局部搜索能力；(4)更新速度V(N，D)，通過如下公式：Vi(t+1)＝ω×Vi(t)+c1×r1×(Pi-Xi(t))+c2×r2×(Gbest-Xi(t))(6)其中t為迭代數(shù)；Vi(t)為第i個(gè)第t次迭代時(shí)的速度大小，r1,r2是在(0,1)區(qū)間上服從均勻分布的隨機(jī)數(shù)；(5)更新解X(N，D)，通過如下公式：其中C＝c1+c2,且C>4，壓縮因子的引入更好地控制搜索速度防止速度過快錯(cuò)過最佳值，Xi(t)為第i個(gè)第t次迭代時(shí)的解；(6)邏輯判斷：計(jì)算出每一個(gè)解更新后的適應(yīng)值Fitness(Xi)；個(gè)體最佳適應(yīng)值和個(gè)體最佳位置的更新，假如更新后的適應(yīng)值Fitness(Xi)小于個(gè)體最佳適應(yīng)值gbest，則個(gè)體最佳適應(yīng)值gbest＝Fitness(Xi)，個(gè)體最佳位置Pi就等于Xi；全局最佳適應(yīng)值和個(gè)體適應(yīng)值的更新，當(dāng)前解的適應(yīng)值Fitness(Xi)小于全局適應(yīng)值z(mì)best，則zbest＝Fitness(Xi)，全局最佳位置Gbest＝x(i)；(7)T和t的更新：T＝lamda*T，t＝t+1，其中T隨著迭代次數(shù)的減小，突跳概率值也將趨近于零；(8)判斷t是否等于Maxlter，假如相等則跳出步驟六，進(jìn)入步驟七。本發(fā)明的有益效果是：粒子群(PSO)算法簡(jiǎn)單容易實(shí)現(xiàn)，然而易出現(xiàn)早熟等現(xiàn)象導(dǎo)致不能全局尋優(yōu)。由于本發(fā)明由PID控制器控制，因此本發(fā)明篦冷機(jī)刮板速度控制可以轉(zhuǎn)化成尋找PID控制器參數(shù)最優(yōu)解的問題。本發(fā)明針對(duì)上述問題，引入突跳概率，它受到溫度參數(shù)的控制，即概率大小隨著溫度的下降而減小，而溫度參數(shù)隨著迭代次數(shù)的增加而減小，因此能避免早熟等現(xiàn)象、加快求解速度和保證解的分散性。確定篦冷機(jī)刮板速度控制系統(tǒng)的傳遞函數(shù)和設(shè)定值為單位階躍之后，仿真結(jié)果證明，本發(fā)明采用PID參數(shù)整定的模擬退火粒子群算法對(duì)系統(tǒng)整定出的PID的參數(shù)，與粒子群算法、遺傳算法和人群搜索算法優(yōu)化出的參數(shù)相比，在迭代數(shù)相等時(shí)，全局搜索能力增強(qiáng)，，保證了解的分散性，避免了傳統(tǒng)粒子群算法容易陷入早熟等問題，適應(yīng)值的收斂速度也加快，通過該算法優(yōu)化出的PID控制參數(shù)(Kp，Ki，Kd)，對(duì)篦冷機(jī)刮板速度控制系統(tǒng)的控制精度提高，控制過程中沖擊和振動(dòng)也是最小的，有利于滿足篦冷機(jī)的高冷卻效率和高熱回收效率的要求，有利于水泥行業(yè)的發(fā)展。附圖說明圖1為模擬退火粒子群對(duì)PID控制器參數(shù)整定原理圖；圖2為模擬退火粒子群優(yōu)化曲線圖；圖3為模擬退火粒子群適應(yīng)值曲線圖；圖4為粒子群優(yōu)化曲線圖；圖5為粒子群適應(yīng)值曲線圖；圖6為人群搜索優(yōu)化曲線圖；圖7為人群搜索適應(yīng)值曲線圖；圖8為遺傳優(yōu)化曲線圖；圖9為遺傳適應(yīng)值曲線圖；圖10為篦冷機(jī)刮板速度控制系統(tǒng)躍響應(yīng)綜合誤差曲線圖；圖11為篦冷機(jī)刮板速度控制系統(tǒng)躍響應(yīng)綜合輸出曲線圖；圖12為本發(fā)明流程圖。具體實(shí)施方式下面結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述。本發(fā)明是基于模擬退火粒子群算法的篦冷機(jī)刮板速度控制方法。由電液控制理論可以得出一個(gè)閥控的電液位置伺服系統(tǒng)，選取適當(dāng)參數(shù)進(jìn)行仿真研究，可得出篦冷機(jī)速度控制系統(tǒng)的閉環(huán)傳遞函數(shù)并將模擬退火粒子群算法對(duì)系統(tǒng)函數(shù)進(jìn)行PID參數(shù)優(yōu)化仿真。模擬退火粒子群對(duì)PID控制器(比例-積分-微分控制器)參數(shù)整定原理圖參閱圖1所示。參閱圖12，篦冷機(jī)刮板速度控制方法包括以下步驟：步驟一)，模擬退火粒子群算法的建立篦冷機(jī)刮板速度的適應(yīng)度函數(shù)：適應(yīng)度函數(shù)是用來評(píng)價(jià)尋優(yōu)解的性能的，其中適應(yīng)度函數(shù)引用余勝威使用的適應(yīng)度函數(shù)，具體函數(shù)如下：其中e(t)為系統(tǒng)誤差，u(t)為控制器輸出，ω2和ω1為權(quán)值。為了避免系統(tǒng)輸出超調(diào)，采用懲罰控制，如果e(t)<0時(shí)通常情況下ω1＝0.999，ω2＝0.001，ω3＝100，適應(yīng)度函數(shù)反映PID三個(gè)參數(shù)的控制效果，適應(yīng)值越小反映控制效果更好。步驟二)，初始化篦冷機(jī)刮板速度的適應(yīng)度函數(shù)的參數(shù)，以下參數(shù)都是仿真調(diào)試期間的經(jīng)驗(yàn)值和最佳效果值，迭代數(shù)Maxlter＝100、當(dāng)前迭代數(shù)t、學(xué)習(xí)因子c1＝2.1和c2＝2.1、溫度冷卻系數(shù)lamda＝0.6、壓縮因子其中壓縮因子是引用Clerc博士提出的公式求得的，C＝c1+c2,且C>4,ωmax＝0.9、ωmin＝0.45。步驟三)，初始化種群，種群X中的個(gè)數(shù)N＝30，其中每個(gè)粒子的位置矢量由PID(比例-積分-微分)三個(gè)參數(shù)組成(位置矢量的維數(shù)D＝3)，每個(gè)粒子的速度矢量維數(shù)與每個(gè)粒子的維數(shù)相同；Kp、Ki、Kd參數(shù)的范圍[0100]；Vp、Vi、Vd參數(shù)的范圍[01],Vmax＝1；Vmin＝-1；步驟四)通過公式(3)和公式(2)計(jì)算出第一代每個(gè)粒子的適應(yīng)值，選出最小的適應(yīng)值作為全局最佳適應(yīng)值z(mì)best，對(duì)應(yīng)的粒子是全局最佳位置Gbest，再把第一代每個(gè)粒子作為個(gè)體最佳位置Pi，其適應(yīng)值作為個(gè)體最佳適應(yīng)值gbest，其中全局最佳位置就是PID控制的最佳控制參數(shù)。步驟五)，計(jì)算突跳概率因子T，通過如下公式：T＝-Fitness(Gbest)/log(0.2)(4)該公式是來自模擬退火算法中的初始化退火溫度公式。步驟六)，進(jìn)入迭代循環(huán)Maxlter；(1)計(jì)算出最佳適應(yīng)值Fitness(Gbest)，算出每個(gè)粒子的突跳概率通過如下公式：該公式來自引入模擬退火算法中突跳概率公式；其中Δf＝Fitness(x(i))-Fitness(Gbest)，F(xiàn)itness(x(i))為當(dāng)前粒子的適應(yīng)值，i＝1～30。(2)每個(gè)粒子的突跳概率和0-1區(qū)間的隨機(jī)數(shù)random進(jìn)行比較，如果粒子的突跳概率大于隨機(jī)數(shù)random，粒子x(i)就取代Gbest，否則不取代。(3)計(jì)算權(quán)重值ω，通過如下公式：該公式是由SHI博士提出權(quán)值計(jì)算公式；(4)更新速度V(30，3)，通過如下公式：vi(t+1)＝ω×vi(t)+c1×r1×(Pi-xi(t))+c2×r2×(Gbest-xi(t))(7)該公式是SHI博士提出的速度更新公式，其中t為迭代數(shù)；vi(t)為粒子i第t次迭代時(shí)的速度，r1,r2是在(0,1)區(qū)間上服從均勻分布的隨機(jī)數(shù)；對(duì)vi(t+1)進(jìn)行判斷，ifvi(t+1)>Vmax,vi(t+1)＝Vmax；ifvi(t+1)<Vmin,vi(t+1)＝Vmin。(5)更新位置X(30，3)，通過如下公式：該公式是由Clerc博士提出的位置更新公式，其中C＝c1+c2,且C>4,xi(t)為粒子i第t次迭代時(shí)的位置。(6)邏輯判斷：計(jì)算出每一個(gè)粒子更新后的適應(yīng)值Fitness(x(i))，通過公式3和公式2；個(gè)體最佳適應(yīng)值和個(gè)體最佳位置的更新，假如更新后的適應(yīng)值Fitness(x(i))小于個(gè)體最佳適應(yīng)值gbest，則個(gè)體最佳適應(yīng)值gbest＝Fitness(x(i))，個(gè)體最佳位置Pi就等于x(i)；全局最佳適應(yīng)值和個(gè)體適應(yīng)值的更新，當(dāng)前粒子的適應(yīng)值Fitness(x(i))小于全局適應(yīng)值z(mì)best，則zbest＝Fitness(x(i))，全局最佳位置Gbest＝x(i)。(7)T和t的跟新：T＝lamda*T(9)，t＝t+1(10)。(8)判斷t是否等于Maxlter，假如相等則跳出步驟六，進(jìn)入步驟七。參閱圖2是模擬退火粒子群優(yōu)化曲線圖、參閱圖3是模擬退火粒子群適應(yīng)值曲線圖、參閱圖4是粒子群優(yōu)化曲線圖、參閱圖5是粒子群適應(yīng)值曲線圖、參閱圖6是人群搜索優(yōu)化曲線圖、參閱圖7是人群搜索適應(yīng)值曲線、參閱圖8是遺傳優(yōu)化曲線、參閱圖9是遺傳適應(yīng)值曲線。首先進(jìn)行優(yōu)化曲線的對(duì)比，通過四張優(yōu)化曲線圖的對(duì)比得出模擬退火粒子群解的分散性大，全局搜索能力是這四種算法中最強(qiáng)的，這樣就避免了粒子群算法容易陷入局部易小解的問題。并且適應(yīng)值函數(shù)的收斂曲線沒有受到突跳概率的影響而減慢，甚至還加快了收斂速度。表1是本發(fā)明與粒子群算法、遺傳算法和人群搜索算法在相同被控對(duì)象(篦冷機(jī)速度控制系統(tǒng)的傳遞函數(shù)G1(s))的情況下獲得PID控制器參數(shù)(Kp，Ki，Kd)和設(shè)定值與響應(yīng)值之間的誤差(迭代數(shù)都等于100時(shí))的對(duì)比表。優(yōu)化算法KpKiKd設(shè)定值與響應(yīng)值之間的誤差PSO0.109467.63680-3.784268729588e-04GA0.269567.273704.910661970256580e-04SOA0.040962.660201.287183486353705e-05模擬退火粒子群算法0.001361.472703.648913215914540e-06表1參數(shù)與誤差對(duì)比表智能算法優(yōu)化出來的參數(shù)應(yīng)用到被控對(duì)象(篦冷機(jī)速度控制系統(tǒng)的傳遞函數(shù)G1(s))，通過圖10和圖11，在加上表1足可以證明，模擬退火粒子群優(yōu)化出來的參數(shù)控制效果是這些算法中最好的。這符合對(duì)篦冷機(jī)刮板速度控制的高要求，即刮板速度控制精確，調(diào)速過程平穩(wěn)和振動(dòng)與沖擊最小，保證了篦冷機(jī)高冷卻效率和高回收效率。當(dāng)前第1頁1 2 3