本發(fā)明屬于溫度pid控制，具體涉及一種光裸星蟲幼蟲培養(yǎng)水體溫度自調節(jié)控制方法。

背景技術：

1、光裸星蟲是一種對溫度較為敏感的水生生物，在光裸星蟲幼蟲的培養(yǎng)過程中，水體溫度的穩(wěn)定是確保培養(yǎng)成功的關鍵因素之一，光裸星蟲幼蟲在適宜的水溫條件下能夠保持良好的生理狀態(tài)和生長速度，當水溫急劇變化時，尤其是超出其耐受范圍時，光裸星蟲幼蟲的成活率會顯著下降。

2、傳統(tǒng)的光裸星蟲幼蟲培養(yǎng)過程中水體溫度控制方法往往依賴于人工干預，不僅費時費力，而且難以做到精確和及時；目前公開的光裸星蟲培養(yǎng)的溫度控制方法主要集中溫度控制精度上，忽略了溫度控制的響應速度，其次，光裸星蟲的生長過程往往具有非線性特性，即在不同的生長階段或不同的環(huán)境條件下，其生長速率和對水體溫度的響應會有所不同，傳統(tǒng)pid控制器通常缺乏自適應能力且時滯性問題突出，難以快速自動調整其控制策略以適應這些變化。

3、鵝頸藤壺優(yōu)化算法（gooseneck?barnacle?optimization?algorithm,?gbo）?是一種新型的優(yōu)化算法，受鵝頸藤壺（gooseneck?barnacle）自然交配行為的啟發(fā)，模擬鵝頸藤壺靜態(tài)和動態(tài)交配行為，建立算法尋優(yōu)數學模型；在某些情況下，gbo算法快速收斂到局部最優(yōu)解，而不是全局最優(yōu)解；標準鵝頸藤壺優(yōu)化算法在優(yōu)化多參數的pid控制算法時存在容易陷入局部最優(yōu)的問題以及因為候選集過于集中導致算法尋優(yōu)精度差的問，導致pid控制參數精度不夠，影響對光裸星蟲幼蟲培養(yǎng)溫度自調節(jié)控制精度和響應速度。

技術實現思路

1、基于背景技術中在光裸星蟲幼蟲培養(yǎng)過程中水體溫度控制以及標準pid和鵝頸藤壺優(yōu)化算法存在的問題，本發(fā)明通過動態(tài)調整自適應因子v的值，使chebyshev映射生成的更高的多樣性鵝頸藤壺個體位置序列，使種群在搜索空間中更廣泛地分布，降低算法陷入局部最優(yōu)的風險，同時引入改進后的顯著波高hs增加鵝頸藤壺優(yōu)化算法群的多樣性和探索能力，利用改進的鵝頸藤壺優(yōu)化算法（hgbo）對標準溫度pid控制器改進，并用于光裸星蟲培養(yǎng)的溫度控制系統(tǒng)中，提升光裸星蟲幼蟲培養(yǎng)的溫度控制系統(tǒng)的溫度控制精度和靈敏度。

2、為了實現上述目的，本發(fā)明采用了如下技術方案：一種光裸星蟲幼蟲培養(yǎng)水體溫度自調節(jié)控制方法，具體步驟為：

3、s1、設定用于光裸星蟲幼蟲培養(yǎng)的水體溫度控制系統(tǒng)的目標溫度值，溫度控制系統(tǒng)包括溫度傳感器、增強型pid控制器以及溫度驅動器；

4、s2、計算培養(yǎng)幼蟲的水體實時溫度值與目標溫度值的溫度誤差e(k)，溫度誤差e(k)輸入增強型pid控制器；增強型pid控制器通過改進的鵝頸藤壺優(yōu)化算法整定標準pid的控制參數kp、ki、kd實現；

5、s3、增強型pid控制器輸出實時溫度值控制變量△u(k)，利用實時溫度值控制變量△u(k)控制溫度驅動器，溫度驅動器調整水體溫度，溫度傳感器將檢測的實時溫度值反饋給增強型pid控制器，并返回執(zhí)行s2；

6、s4、反復執(zhí)行步驟s2到s4，調整增強型pid控制器輸出實時溫度值控制變量△u(k)，實現光裸星蟲幼蟲培養(yǎng)水溫自適應調節(jié)，達到光裸星蟲幼蟲培養(yǎng)的目標溫度值。

7、優(yōu)選地，用于光裸星蟲幼蟲培養(yǎng)的水體溫度控制系統(tǒng)，核心是通過增強型pid的自調節(jié)能力控制光裸星蟲幼蟲培養(yǎng)的水體溫度達到幼蟲生長目標溫度值，其中增強型pid控制器以及溫度驅動器用于精確控制溫度值，溫度傳感器用于采集實時的水體溫度值，其中，增強型pid控制器的動態(tài)響應特性通過傳遞函數來表示，增強型pid控制器的數學模型按照公式（1）設計；

8、（1）；

9、式（1）中，、、分別為增強型pid的最佳比例系數、最佳積分系數、最佳微分系數，△e(k)為第k秒與第k-1秒的溫度誤差的差值；△u(k)為實時溫度值控制變量；△e(k-1)為第k-1秒與第k-2秒的溫度誤差的差值；

10、其中，溫度驅動器根據實時溫度值控制變量△u(k)調整光裸星蟲幼蟲培養(yǎng)的水體溫度，建立溫度驅動器動力學模型，數學模型為：

11、（2）；

12、式（2）中，為第k+1秒的光裸星蟲培養(yǎng)水體溫度值，為第k秒的光裸星蟲培養(yǎng)水體溫度值，為采樣時間間隔，為光裸星蟲培養(yǎng)水體目標溫度值。

13、優(yōu)選地，增強型pid控制器需要標準pid控制器達到最佳魯棒控制，標準pid控制器需要獲得最佳的kp、ki、kd參數值，利用改進的鵝頸藤壺優(yōu)化算法整定標準pid的控制參數kp、ki、kd過程中，將標準pid控制器的kp、ki、kd與鵝頸藤壺個體位置建立實數映射，鵝頸藤壺個體位置更新的過程記為標準pid控制器的kp、ki、kd尋優(yōu)的過程，實數映射數學模型為：

14、（3）；

15、式（3）中，為第i個鵝頸藤壺個體的當前位置，，，為第i個鵝頸藤壺個體位置對應的kp、ki、kd值；

16、其中，改進的鵝頸藤壺優(yōu)化算法（hgbo）在迭代過程中更新鵝頸藤壺個體位置，鵝頸藤壺個體位置更新由目標函數指導，目標函數輸入量為鵝頸藤壺個體位置，目標函數越小，說明鵝頸藤壺個體位置越佳，即kp、ki、kd參數越精確。

17、優(yōu)選地，通過動態(tài)調整自適應因子v的值，使chebyshev映射生成的更高的多樣性鵝頸藤壺個體位置序列，使種群在搜索空間中更廣泛地分布，避免種群過于集中，達到增強鵝頸藤壺優(yōu)化算法的全局探索能力，提高收斂全局最優(yōu)解的目的，自適應因子v數學模型為：

18、（4）；

19、式（4）中，為第t次迭代的自適應因子值，為初始自適應因子值，t為當前迭代次數，為最大迭代次數，為當前迭代各鵝頸藤壺個體間的平均歐氏距離，為最大平均歐氏距離閾值；代表自然對數的底數；

20、利用自適應因子改進chebyshev映射策略，改進的chebyshev映射策略數學模型為：

21、（5）；

22、式（5）中，為新的改進的chebyshev映射值，為當前的改進的chebyshev映射值。

23、優(yōu)選地，利用改進的chebyshev映射策略初始化鵝頸藤壺優(yōu)化算法，具體包括：利用改進的chebyshev映射策略初始化鵝頸藤壺種個體的位置矩陣，數學模型為：

24、（6）；

25、式（6）中，為第i個鵝頸藤壺種個體的當前位置，為搜索空間的上邊界，為搜索空間的下邊界，為新的改進的chebyshev映射值。

26、優(yōu)選地，在鵝頸藤壺優(yōu)化算法（gbo）中，通過顯著波高，gbo算法可以調整每次迭代中鵝頸藤壺的位置，顯著波高hs的作用是模擬實際海洋環(huán)境中波浪對鵝頸藤壺位置更新的影響，合適的顯著波高hs可以使得鵝頸藤壺優(yōu)化算法的自適應能力更好，尋優(yōu)精度更好，在對標準pid控制器的kp、ki、kd控制參數尋優(yōu)過程中精度更高，進一步提高光裸星蟲幼蟲培育的水體溫度控制系統(tǒng)pid控制器對幼蟲培育水體溫度控制精度和靈敏度。

27、優(yōu)選地，對鵝頸藤壺優(yōu)化算法的顯著波高改進，改進后的顯著波高hs公式通過分段函數的設計，結合適應度函數值，提高hs在gbo算法中對平衡全局探索與局部開發(fā)的性能，避免gbo算法陷入局部最優(yōu)；改進后的鵝頸藤壺優(yōu)化算法的顯著波高hs數學模型為：

28、（7）；

29、式（7）中，為第t次迭代的改進的顯著波高值，為改進的顯著波高最大值，為改進的顯著波高最小值，為最大迭代次數，t為當前迭代次數，、和分別是第t次迭代當前種群的平均適應度值、最小適應度值和最大適應度值，r為0到1內的隨機數。

30、優(yōu)選地，改進后的顯著波高從非線性下降，考慮到時間平方項的影響，具體下降幅度由絕對，下降模式模擬了改進后的顯著波高在初始階段迅速減小的過程；其次，?考慮了鵝頸藤壺個體在優(yōu)化過程中的適應度表現，模擬了鵝頸藤壺個體在搜索空間中不斷調整和優(yōu)化的過程，最后通過項實現了波高的逐步下降，模擬了優(yōu)化過程逐漸收斂的特點。

31、優(yōu)選地，改進的顯著波高的第一部分采用二次函數形式，可以模擬初始階段顯著波高的快速減小，增加了算法在初始階段的探索能力，第二部分結合了適應度評價，可以動態(tài)調整波高，增加了gbo算法的自適應能力和精細搜索能力。

32、優(yōu)選地，光裸星蟲幼蟲培養(yǎng)的水體溫度控制系統(tǒng)的增強型pid控制器通過改進的鵝頸藤壺優(yōu)化算法整定控制參數kp、ki、kd實現，其中，將pid控制器的kp、ki、kd參數編碼為三維實數向量，實數向量與鵝頸藤壺個體位置建立實數映射；找到最佳的鵝頸藤壺個體位置，即pid控制器的最佳控制參數，具體步驟為：

33、step1、設定鵝頸藤壺種群的規(guī)模n，最大迭代次數tmax，以及每個鵝頸藤壺種個體的維度d，其中維度d對應pid控制器的三個參數：比例系數 kp、積分系數 ki?和微分系數 kd；

34、step2、利用改進的chebyshev映射策略初始化鵝頸藤壺種群中每個個體的位置，設定搜索空間的上下邊界和，隨機初始化每個個體的位置，其中位置矩陣為第i個鵝頸藤壺種個體的當前位置；

35、step3、通過溫度控制系統(tǒng)模型在不同pid控制參數下的目標函數，計算第t次迭代的適應度值，存儲適應度值最小值對應的值；

36、step4、判斷當前迭代次數t等于最大迭代次數tmax，若是，則輸出最小適應度值對應的鵝頸藤壺個體位置并解析成pid控制器的kp、ki、kd控制參數；否則，返回執(zhí)行step5；

37、step5、建立改進的鵝頸藤壺優(yōu)化算法位置更新數學模型并通過目標函數計算當前個體位置的適應度值，每次迭代找到最小適應度值對應的個體位置，對pid控制器的kp、ki、kd控制參數尋優(yōu)；最小適應度值對應的個體位置為最佳的鵝頸藤壺個體位置；

38、step6、重復執(zhí)行全局探索和局部開發(fā)步驟，直到滿足當前迭代次數t等于最大迭代次數tmax，輸出適應度最小的鵝頸藤壺個體位置{w}_{best}=\left [ {{kp}_{best},{ki}_{best},{kd}_{best}} \right ]，解析為光裸星蟲幼蟲培養(yǎng)的水體溫度控制系統(tǒng)的增強型pid控制器的最優(yōu)參數組合值。

39、優(yōu)選地，目標函數通過光裸星蟲幼蟲培養(yǎng)的水體溫度控制系統(tǒng)的溫度調節(jié)時間和穩(wěn)態(tài)誤差設計，數學模型為：

40、（8）；

41、式（8）中，為溫度控制系統(tǒng)的調節(jié)時間權重，取值為0.3，為溫度穩(wěn)態(tài)誤差權重，取值為0.7，為第k秒的溫度控制系統(tǒng)，為溫度控制系統(tǒng)目標溫度值。

42、優(yōu)選地，建立改進的鵝頸藤壺優(yōu)化算法位置更新數學模型的具體步驟為：

43、p51、按照數學模型公式（7）計算第t次迭代改進后的顯著波高值；

44、p52、模擬鵝頸藤壺在水中的運動和精子區(qū)域的分布，提出一個相鄰的對數螺旋區(qū)域，數學模型為：

45、(9）；

46、式（9）中，為第t次迭代第i只鵝頸藤壺個體的位置值，為第i個藤壺的距離和第y個精子區(qū)域的距離；和為定義對數螺旋形狀的常數，r為取值0到1內的隨機數，為第y個精子區(qū)域；

47、p53、更新搜索空間中新的鵝頸藤壺在搜索空間中的位置，并模擬向新的個體的移動，引入一個運動步長，按照公式（10）建立改進的運動步長數學模型，定義如下：

48、（10）；

49、式（10）中，為第t+1次迭代第i只鵝頸藤壺個體的運動步長，為第t次迭代第i只鵝頸藤壺個體的運動步長，為第t次迭代的環(huán)境風向，為目標維度值；

50、p54、若精子區(qū)域數目為1，即y最大值為1，則執(zhí)行公式（11），否則執(zhí)行公式（12）；

51、p55、通過模擬拋精行為，生成新的鵝頸藤壺個體模擬更新后的位置，其中，按照精子區(qū)域數目建立更新后的位置數學模型為：

52、（11）；

53、（12）；

54、式（11）和式（12）中，為第t+1次迭代第i只鵝頸藤壺個體的位置值，即更新后的位置值，為第t次迭代第i只鵝頸藤壺個體的位置值，為萊維飛行函數。

55、本發(fā)明的有益效果為：通過采用改進的鵝頸藤壺優(yōu)化算法（hgbo）和增強型pid控制器，本發(fā)明顯著提升了光裸星蟲幼蟲培養(yǎng)的水體溫度自適應控制精度和靈敏度，這種方法能夠更準確地調節(jié)水體溫度，以適應不同生長階段的溫度目標值；同時，通過動態(tài)調整自適應因子和利用chebyshev映射生成高多樣性的鵝頸藤壺個體位置序列，本發(fā)明減少了鵝頸藤壺優(yōu)化算法優(yōu)化水體溫度控制系統(tǒng)的pid控制器過程中陷入局部最優(yōu)的風險，增強了鵝頸藤壺優(yōu)化算法全局探索能力；綜合上述，本發(fā)明通過更精確的光裸星蟲幼蟲培養(yǎng)水體溫度控制方法，提高了水體溫度控制系統(tǒng)的響應速度，使得光裸星蟲幼蟲培養(yǎng)水體能夠更快地適應環(huán)境變化和光裸星蟲幼蟲不用階段的溫度需求，提高光裸星蟲幼蟲培養(yǎng)的存活率。