欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025100417484
申请人: 赛芈科技(江苏)有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于改进蜣螂算法的模糊神经网络PID液位控制方法,其特征在于,包括以下步骤:S1、臭氧溶解罐液位控制系统数学模型建立

为实现臭氧溶解罐液位的控制,基于质量守恒原理对臭氧溶解罐液位控制系统进行建模,并结合臭氧溶解罐液位控制系统的实际运行特性简化为一阶惯性滞后模型;

S2、改进蜣螂算法设计

为了提升传统蜣螂算法在复杂液位控制系统参数优化中的寻优精度与全局搜索能力,对传统蜣螂算法进行了改进,设计了基于ICMIC混沌初始化、反向学习策略和非线性动态调整机制的改进蜣螂算法;

步骤S2中,具体改进设计如下:

(1)引入ICMIC混沌初始化与反向学习策略

提出了一种基于ICMIC混沌映射与反向学习策略的改进方法,用以提升种群初始化阶段的多样性和覆盖性;

首先,采用ICMIC混沌映射生成初始种群解;ICMIC混沌映射的数学表达式为:式中,Zn是当前种群的混沌变量,Zn+1是下一次迭代计算得到的混沌变量,α混沌控制参数,取值范围为(0,1);

其次,基于ICMIC生成的种群解,引入反向学习策略,进一步扩展搜索空间;反向学习策略通过生成每个初始解的反向解,增加种群多样性,从而提升全局搜索能力;反向学习策略的数学表达式为:OZi=K×(Zmax+Zmin)-Zi

式中,OZi是对应于每个初始解Zi的逆解;Zmax和Zmin分别表示初始解中的最大值和最小值;K是(0,1)范围内的随机值;

(2)引入ICMIC混沌初始化与反向学习策略

改进后的非线性动态调整机制通过以下公式对参数R进行计算:其中,非线性动态调整机制通过引入对数函数和非线性变化项,使参数R在初期保持较大的值以增强全局搜索能力,同时在迭代后期逐渐减小R,提高局部开发的精度,从而实现全局搜索与局部开发的动态平衡;

S3、模糊神经网络PID控制器设计

为了解决臭氧溶解罐液位控制系统中存在的非线性、动态滞后以及抗扰能力不足问题,设计了一种基于所述改进蜣螂算法的模糊神经网络PID控制器;

S4、臭氧溶解罐液位控制系统仿真实验与性能验证

为验证所述改进蜣螂算法在臭氧溶解罐液位控制系统中的性能,设计并开展了基于MATLAB/Simulink平台的仿真实验。

2.根据权利要求1所述的基于改进蜣螂算法的模糊神经网络PID液位控制方法,其特征在于:步骤S1中,根据质量守恒定律,罐内液位的动态变化率可以表示为流入流量与流出流量的差值,即:式中,A为罐的横截面积,h为任意时刻液位的高度,Fi和Fo分别为流入流量和流出流量,d为微分符号;

结合液位系统与电学系统的类比关系,槽的横截面积A用电容C代替,可得:其中,电阻R可以写为:

流入流量Fi与磁悬浮泵转速N成正比,表示为:

Fi=kN

同时假设磁悬浮泵转速N受控制信号U控制,即:

N=KmU

由此可得:

进行拉式变换,整理后得:

最终得到控制信号U(s)与液位高度H(s)之间的传递函数:在臭氧溶解罐的液位控制过程中,由于液体流动引起的液位变化存在响应延迟,流入量的变化需要经过延迟时间τ才能对罐内液位产生显著影响,其传递函数表示为:其中k为系统增益,Km为电机增益,τ为滞后时间常数,R为流动电阻,C为等效电容,根据实验测得k=6.35×10-5,Km=600,R=60,C=2.59,τ=-7,将参数带入后得:

3.根据权利要求1所述的基于改进蜣螂算法的模糊神经网络PID液位控制方法,其特征在于:步骤S3中,基于所述改进蜣螂算法的模糊神经网络PID控制器,包括IDBO算法模块、模糊神经网络模块和PID控制器模块三部分:(1)控制器设计

首先,通过所述改进蜣螂算法对PID控制器比例因子CKp、CKi、CKd进行全局优化,并结合Z-N整定法及实际调试效果确定的初始参数Kp0、Ki0、Kd0得到最优的初始参数;

然后,模糊神经网络根据液位误差e及其变化率ec动态调整PID参数增量ΔKp、ΔKi、ΔKd;

最后,PID控制器根据实时调整后的参数生成控制信号u(t),驱动磁悬浮泵调节供水流速,从而实现液位的稳定控制;

(2)模糊控制推理

设计了基于液位误差e和误差变化率ec的模糊控制规则,共49条规则,用于动态调节PID控制参数ΔKp、ΔKi、ΔKd;输入变量和输出变量采用7个模糊子集{NB,NM,NS,ZO,PS,PM,PB};

(3)模糊神经网络

模糊神经网络的拓扑结构包括输入层、模糊化层、模糊推理层、归一化层和输出层;在模糊神经网络PID控制器中,输入信号e和ec依次经过各层处理,最终在输出层生成PID控制器的三个可调参数ΔKp、ΔKi、ΔKd;

第1层为输入层,有2个节点,分别为误差和误差变化率,作用是将输入向量xi=[x1,x2]T的各个分量传输到下一层;输入输出为:式中,为第1层节点的输入值,为第1层节点的输出值;

第2层为模糊化层,包含2个输入,每个输入分别对应7个语言变量值;作用是计算输入向量的各个分量分别属于各个语言变量值的模糊集合的隶属度函,并映射到模糊子集上;输入输出为:式中,为第2层节点的输入值,为第2层节点的输出值,cij为隶属函数的中心值;σij为函数曲线的宽度,bij为形状参数;

第3层为模糊推理层,模糊推理层的每一个节点代表模糊规则库中的一条模糊规则;作用是计算各条模糊规则的适应度;输入输出为:式中,l=1,2,…,49;i1=i2=1,2,…,7;为第3层节点的输入值;为第3层节点的输出值;

第4层为归一化层,该层的节点数与第三层相同,作用是对模糊推理层的输出实现归一化运算;输入输出为:式中,为第4层节点的输入值;为第4层节点的输出值;

第5层为输出层,作用是对去模糊的输出进行加权求和;输出层的每个节点代表一个输出变量,共有3个节点,分别为ΔKP、ΔKI、ΔKD;输入输出为:式中,k=1,2,3;ωij为输出层网络权值;为第5层节点的输入值;为第5层节点的输出值;

(4)参数自适应调整

模糊神经网络PID控制器通过正向传播计算完成,输出ΔKp、ΔKi、ΔKd;参数变化量通过PID控制器作用于执行机构,进一步调整系统输出;通过与目标值y(t)进行比较,若误差未满足目标要求,则进入参数自适应调整过程;参数自适应调整过程通过误差信号调整模糊神经网络中隶属度函数的中心参数Cij、宽度参数σij、以及隶属度形状参数wij,使误差信号减小,定义修正误差的目标函数为:式中,r(t)给定系统的期望液位,y(t)为系统的实际液位;

为使目标函数E最小化,基于误差反馈,动态调整模糊化层参数,包括隶属度函数的中心、宽度和形状参数;各参数的迭代更新公式如下:式中,n为网络的迭代步长;λ为惯性系数,用于平衡历史信息和当前更新;η为学习率,控制参数更新速度;Δcij(n)、Δσij(n)、Δωij(n)分别表示各参数的变化量,基于当前误差反馈计算得到。

4.根据权利要求1所述的基于改进蜣螂算法的模糊神经网络PID液位控制方法,其特征在于:步骤S4中,基于MATLAB/Simulink平台的仿真实验,包括以下部分:通过标准单峰函数与多峰函数对所述改进蜣螂算法进行性能评估,测试其全局寻优能力和收敛速度,验证其作为控制器参数优化工具的有效性;

将所述改进蜣螂算法与其他控制算法进行对比分析,评估各方法在液位控制任务中的动态响应性能,包括响应时间、超调量和稳态误差;

模拟供水排水流量波动和电机速度扰动外部干扰,测试不同控制算法在扰动下的恢复时间和液位稳定性,验证基于所述改进蜣螂算法的模糊神经网络PID臭氧溶解罐液位控制方法的抗扰能力;

通过正弦信号跟随实验,测试各控制算法在动态输入信号跟踪任务中的响应速度与跟随精度,评估其在复杂动态工况中的适应能力。