[发明专利]一种受核糖体RNA启发的高阶控制器参数优化方法

说明书

技术领域

本发明涉及一种受核糖体RNA启发的高阶控制器参数优化方法。

背景技术

随着现代控制系统越来越复杂，对系统的要求越来越高，控制工程师们正面临着严峻的挑战：选择合适的控制器，然后优化其参数以满足实际应用的特定要求。PID控制是最早发展起来的控制策略之一，其结构简单，实现容易，控制效果好，鲁棒性强，参数物理意义明确。PID与控制器参数的选择一直是持续的关注，它直接关系到PID控制性能的好坏。目前，参数的选择大多数采用人工经验指导下的试验试凑方法，典型的有Ziegler-Nichols方法，此外，还有其它一些改进的方法，如间接寻优方法，梯度法和爬山法等。近年来，随着智能控制理论的发展，专家系统，模糊控制以及神经网络日益受到控制界的重视，出现了一些基于遗传算法和模糊推理的整定方法。从而，将控制器参数设计问题转化成优化问题，很多传统优化算法均被用来整定控制器参数。

优化理论和方法的起源可以追溯到微积分产生的年代，然后直到20世纪30年代，由于军事和工业生产等方面的迫切需要，才使得优化方法的研究得到蓬勃的发展。常用的优化方法主要有：解析法，枚举法和随机搜索。解析法容易陷入局部最优值，而且要求目标函数和约束域可用解析式表示，难以用于求解目标函数不连续、约束域不连通、目标函数难以用解析式表达、解空间具有多峰特性等情况。枚举法具有简单易行的特点，但它需要计算搜索空间中每一个点的值，因此效率低下、适应性差。实际上，许多优化问题的搜索空间都很大，不允许一点一点地搜索。随机搜索方法则是通过在搜索空间里随机漫游并随时记录下所取得的最好结果，它的效率依然不高，而且只有解在搜索空间紧密分布时，才能找到最优解，这个条件一般很难满足。针对工程中的优化问题的复杂性、约束性、非线性、多局部极小点、建模困难等特点，寻找适合于大规模并行搜索且具有智能化的优化方法已经成为一个重要的研究方向。

控制器的优化设计是优化方法应用的一个重要领域，在进行控制器的优化设计时，除了保证控制系统闭环稳定外，还要考虑其他的性能指标，例如超调量最小，调节时间最短，上升时间最短等。传统控制器设计只有一组可调的控制器参数，若按干扰一致性整定控制器参数，则目标跟踪特性变差；若按目标跟踪特性整定控制器参数，则干扰抑制特性变差。因此实际系统设计中，很难得到最佳的控制效果。此外控制器阶数的递增也为实现满意的控制性能增加难度。

近年来，受生物科学技术研究成果的启发，基于生物计算的优化方法发展迅速。研究人员借鉴仿生学的思想，提出了一些具有高效寻优能力和广泛适应性的智能优化方法。例如，人工神经网络(ANN)在一定程度上模拟了人脑的组织结构和功能；遗传算法(GA)借鉴了自然界生物“生存竞争、优生劣汰，适者生存”的进化机制；蚁群算法(ACO)则受蚂蚁群体寻找食物最优路径的启发；禁忌搜索模拟了人类记忆的智力过程。这些基于生物计算的优化方法在求解复杂优化问题方面展示了它们的优点。其中常规遗传算法（SGA）作为一种适应面广，鲁棒性强的随机搜索方法，具有较强的全局搜索能力，适合解决此类问题，然而该方法搜索效率较低，局部搜索能力较差且易早熟。

根据生物遗传物质DNA及核糖体RNA的结构（见图4）、变异及信息传递，抽象出受核糖体RNA(rRNA)启发的混合DNA-GA算法（r-HDG）的相应各种仿生优化规则，是受核糖体RNA启发而提出的一种优化算法，可用于解决多变量，非线性的优化问题，得到有效的控制参数和化工模型。将此种方法用于船舶柴油机控制器优化设计中，取得较理想的效果。

发明内容

本发明的目的是针对现有技术的不足，提供了一种受核糖体RNA启发的高阶控制器参数优化方法。

受核糖体RNA启发的高阶控制器参数优化方法的步骤如下：

1）算法初始化，包括最大代数，种群规模，被估计参数的取值范围，强变异概率，弱变异概率，参数编码长度，编码参数个数，交叉算子的执行概率，补码反转变异概率，随机产生初始对象；

2) 将超调量、响应时间及积分误差平方加权为一个总的性能指标作为目标函数；

3)设定如下算法的终止准则：算法运行代数是否达到最大代数，如果没有达到，运行算法继续寻优，如果达到，退出算法，运行结束；

4）运行受启发的受核糖体RNA启发的混合DNA遗传算法对高阶控制器参数进行优化，依次执行核糖体RNA预剪切规则，交叉变异规则，补码反转变异规则，单体自然突变规则，环境导向变异规则；