[发明专利]基于改进樽海鞘算法的回转窑烧成带温度模型辨识方法

权利要求书

1.一种基于改进樽海鞘算法的回转窑烧成带温度模型辨识方法，其特征在于，包括以下步骤：

步骤1)构建回转窑烧成带温度的分数阶CARMA模型，根据所构建的系统模型获取回转窑烧成带温度控制模型；

步骤2)构建改进樽海鞘算法的辨识流程。

2.根据权利要求1所述的基于改进樽海鞘算法的回转窑烧成带温度模型辨识方法，其特征在于，所述步骤1)的建模步骤如下：

步骤1-1)构建回转窑烧成带温度的分数阶CARMA模型：如式(1)，给出分数阶CARMA系统的一般形式，

A(z)y(t)＝B(z)u(t)+D(z)v(t) (1)

其中，u(t)为系统的输入，y(t)为系统的输出，v(t)为白噪声，A(z)，B(z)和D(z)是关于后移算子z^-1的多项式，α为分数阶阶次，i＝1,2,…,n_a，j＝1,2,…,n_b，k＝1,2,…,n_d，以及a_i，b_j和d_k为要用输入数据和输出数据进行辨识的参数；

步骤1-2)根据式(2)至(10)得到输出y(t)与输入u(t)，误差v(t)之间的关系，其中，根据-Letnikov(G-L)定义得到：

其中，t＝kh时，h为采样时间设为1，k为计算导数近似值的样本数；式(2)中为牛顿二项式：

Γ为欧拉函数：

式(1)写为：

其中，为信息向量，θ为参数向量。

3.根据权利要求1所述的基于改进樽海鞘算法的回转窑烧成带温度模型辨识方法，其特征在于，所述步骤2)构建改进樽海鞘算法的辨识流程的步骤如下：

步骤2-1)初始化，根据公式(11)初始化樽海鞘种群的位置X，

X_N×D＝rand(N,D)×(Ub-Lb)+Lb (11)

其中，N为樽海鞘种群的数量，D为维度即待辨识参数个数，Ub＝[ub₁,ub₂,…,ub_D]为各个维度的搜索上界，Lb＝[lb₁,lb₂,…,lb_D]为各个维度的搜索下界；初始化移动食物源的位置F＝[F₁,F₂,…,F_D]，即樽海鞘种群的移动目标；

步骤2-2)获取窑头喂煤量作为系统输入数据，回转窑烧成带温度作为系统输出数据，记录数据；

步骤2-3)计算每一只樽海鞘在各维度位置的适应度值，对每只樽海鞘位置的适应度值进行排序，适应度值最好的樽海鞘的位置即为最新的移动食物源的位置F；

步骤2-4)自适应划分樽海鞘种群，将种群分为领导者和跟随者，按照公式(12)在每次迭代中更新领导者个数：

按照公式(13)在每次迭代中更新跟随者个数：

N₂＝N-N₁ (13)

其中，N₁为领导者个数，N₂为跟随者个数，l为当前迭代次数，L为最大迭代次数，为向上取整操作；

步骤2-5)更新领导者位置，按照公式(14)引入线性递减因子R，

其中，r₁和r₂是[0,1]中的随机数且r₁r₂，按照公式(15)更新原基本算法的领导者更新公式中的收敛因子c₁，

按照公式(16)更新领导者，

其中，为第i个领导者在j维度中的位置，F_j为食物在j维度中的位置，ub_j和lb_j分别为j维度中的搜索上界和下界，控制参数c₂和c₃是[0,1]中的随机数；

步骤2-6)更新跟随者位置，按照公式(17)引入权重系数w，

w＝c₄×(1+r₃) (17)

其中，r₃是均值为0，方差为1的高斯随机数，c₄为控制高斯干扰程度的参数；按照公式(18)更新原基本算法的跟随者更新公式，

其中，为第i个跟随者在j维度中的位置；

步骤2-7)根据各维度搜索上界和下界修正每只樽海鞘的位置；

步骤2-8)判断是否达到最大迭代次数，若没有达到，程序跳转到步骤2-3)，若达到，进入步骤2-9)；

步骤2-9)输出结果，完成辨识。