[发明专利]一种基于改进支持向量回归的逆模型PID复合控制方法

摘要

本发明请求保护一种基于改进支持向量回归的逆模型/PID复合控制方法，该方法利用多智能体粒子群算法优化支持向量回归机相关参数，有效提高其建模精度及泛化能力。在此基础上构建了基于粒子群优化算法的支持向量回归机(MAPSO-SVR)逆模型，一定程度上提高了逆模型精度；引入PID控制，提出MAPSO-SVR逆模型/PID复合控制方法，实现非线性系统自身的不断修正，可有效提高系统的跟踪、控制能力。

主权项

一种基于改进支持向量回归的逆模型PID复合控制方法，其特征在于：包括以下步骤：101、初始化设置种群相关参数，生成训练数据集、测试数据集，并对训练数据集及测试数据集进行归一化处理；102、利用多Agent粒子群算法/MAPSO对支持向量回归机SVR相关参数进行寻优，由适应度函数及粒子位置、速度更新公式对支持向量回归机SVR参数寻优；103、判断是否满足终止条件，若满足则寻优结束从而确定最优粒子即MAPSO‑SVR的参数寻优结果，跳转至步骤104；否则返回步骤102；104、确定逆模型拟合因子，建立MAPSO‑SVR逆模型；105、设定参考输入函数y_rout(k)及之前时刻的u值,并根据y_rout(k)、逆模型及对象模型，计算出经逆模型预测出来的值uctr(k)；106、由已知的y_rout(k)、y_out(k)值，根据误差的定义及增量式PID原理△u(k)＝k_p*x1+k_d*x2+k_i*x3，其中k_p表示比例控制系数，k_d表示微分控制系数，k_i表示积分控制系数，x1＝e(k)‑e(k‑1),x2＝e(k)‑2*e(k‑1)+e(k‑2),x3＝e(k)，并根据步骤105中的uctr(k)，根据公式u(k)＝uctr(k)+△u(k)求得当前时刻u(k)值；107、根据步骤106及对象模型计算出下一时刻实际输出值y_out(k+1)；108、如果k的取值还没超过采样时间，则转入步骤105，直到k值达到采样时间设定值结束。