本發(fā)明屬于機(jī)器人控制，特別涉及一種基于ga-bp算法的軟體致動(dòng)器控制方法及系統(tǒng)。

背景技術(shù)：

1、系統(tǒng)辨識(shí)是一種通過(guò)數(shù)學(xué)和統(tǒng)計(jì)分析方法建立數(shù)學(xué)模型來(lái)描述系統(tǒng)動(dòng)態(tài)行為特性的過(guò)程，若是無(wú)法獲得系統(tǒng)的準(zhǔn)確數(shù)學(xué)模型，則通常只能使用pid方法來(lái)對(duì)系統(tǒng)進(jìn)行調(diào)控。pid方法作為一種成熟的控制方法，被大量的運(yùn)用于工業(yè)實(shí)踐中。

2、對(duì)于軟體致動(dòng)器等復(fù)雜、非線性系統(tǒng)，pid方法無(wú)法提供足夠的穩(wěn)定性，且當(dāng)系統(tǒng)存在時(shí)滯行為時(shí)，通常難以無(wú)法很好地適應(yīng)系統(tǒng)的動(dòng)態(tài)特性。通過(guò)預(yù)估量進(jìn)行提前補(bǔ)償也會(huì)迫使反饋加大，進(jìn)而會(huì)帶來(lái)過(guò)大的超調(diào)量，反應(yīng)在實(shí)際應(yīng)用中則可能會(huì)引發(fā)安全事故；經(jīng)典系統(tǒng)辨識(shí)方法主要為參數(shù)辨識(shí)、時(shí)頻率辨識(shí)和極大似然法等，然而，這些方法通常難以適用于復(fù)雜的軟體致動(dòng)器系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于ga-bp算法的軟體致動(dòng)器控制方法及系統(tǒng)，獲取多組不同輸入條件下的階躍響應(yīng)曲線，使用多組系統(tǒng)階躍響應(yīng)曲線，對(duì)應(yīng)不同氣壓下的輸入，使用遺傳算法和bp神經(jīng)網(wǎng)絡(luò)相結(jié)合的ga-bp算法對(duì)于將所有的傳遞函數(shù)參數(shù)進(jìn)行擬合；進(jìn)一步的，通過(guò)線性二次調(diào)節(jié)器對(duì)軟體致動(dòng)器進(jìn)行了位置跟蹤的最優(yōu)控制，使系統(tǒng)盡量平滑和無(wú)超調(diào)，消除了階躍響應(yīng)上的大幅度振蕩。。

2、為解決上述技術(shù)問(wèn)題，本發(fā)明所采用的技術(shù)方案是：

3、一種基于ga-bp算法的軟體致動(dòng)器控制方法，步驟為：

4、對(duì)軟體致動(dòng)器，獲取多組不同輸入條件下的階躍響應(yīng)曲線；

5、對(duì)階躍響應(yīng)曲線進(jìn)行時(shí)域分析，建立多個(gè)五階線性時(shí)不變模型；

6、根據(jù)多個(gè)五階線性時(shí)不變模型，以及預(yù)設(shè)的控制模型，得到控制策略；其中，所述控制模型采用基于遺傳算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)算法，利用遺傳算法的全局搜索能力優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法的權(quán)重和閾值；

7、根據(jù)控制策略，采用線性二次調(diào)節(jié)器對(duì)軟體致動(dòng)器進(jìn)行位置跟蹤的控制。

8、進(jìn)一步地，本發(fā)明的方法中獲取多組不同輸入條件下的階躍響應(yīng)曲線的方法包括：

9、采用氣壓比例閥進(jìn)行軟體致動(dòng)器的系統(tǒng)辨識(shí)和控制；通過(guò)氣壓比例閥采集氣壓信號(hào)；采用時(shí)域辨識(shí)法，使用多組不同氣壓信號(hào)，即獲取多組不同輸入條件下的階躍響應(yīng)曲線。

10、進(jìn)一步地，本發(fā)明的方法中對(duì)階躍響應(yīng)曲線進(jìn)行時(shí)域分析，建立多個(gè)五階線性時(shí)不變模型的方法包括：

11、根據(jù)獲取的多組階躍響應(yīng)曲線，建立多個(gè)五階線性時(shí)不變系統(tǒng)，得出近似的系統(tǒng)時(shí)域方程；在辨識(shí)中忽略?xún)蓚€(gè)共軛負(fù)極點(diǎn)，同時(shí)簡(jiǎn)化系統(tǒng)時(shí)域方程，系統(tǒng)時(shí)域方程表示為：

12、

13、其中，c0、c1和c2為正數(shù)；t為時(shí)間；λ1和λ2為系統(tǒng)時(shí)域方程的特征根。

14、進(jìn)一步地，本發(fā)明的方法中利用遺傳算法的全局搜索能力優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法的權(quán)重和閾值的方法包括：

15、采用基于遺傳算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)算法，即ga-bp算法，利用遺傳算法的全局搜索能力優(yōu)化bp網(wǎng)絡(luò)的權(quán)重和閾值；

16、種群中的每個(gè)個(gè)體都包括一個(gè)網(wǎng)絡(luò)所有權(quán)值和闊值，個(gè)體通過(guò)適應(yīng)度函數(shù)計(jì)算個(gè)體適應(yīng)度值，遺傳算法通過(guò)選擇、交叉和變異操作找到最優(yōu)適應(yīng)度值對(duì)應(yīng)個(gè)體。

17、進(jìn)一步地，本發(fā)明的方法中根據(jù)多個(gè)五階線性時(shí)不變模型，以及預(yù)設(shè)的控制模型，得到控制策略的方法包括：

18、獲得傳遞函數(shù)，將傳遞函數(shù)轉(zhuǎn)換為狀態(tài)空間表示，便于線性二次調(diào)節(jié)器容易應(yīng)用和解析；

19、定義狀態(tài)空間模型，根據(jù)性能要求選擇權(quán)重矩陣，根據(jù)最優(yōu)控制理論，以指標(biāo)性能和能量的最優(yōu)為目標(biāo)，列出二次調(diào)節(jié)器的積分形式的代價(jià)函數(shù)。

20、進(jìn)一步地，本發(fā)明的方法中二次調(diào)節(jié)器的代價(jià)函數(shù)具體為：

21、

22、其中，q是狀態(tài)權(quán)重矩陣；r是控制權(quán)重矩陣；xt是狀態(tài)向量的轉(zhuǎn)置；ut是控制向量的轉(zhuǎn)置；u是控制變量。

23、進(jìn)一步地，本發(fā)明的方法中采用線性二次調(diào)節(jié)器對(duì)軟體致動(dòng)器進(jìn)行位置跟蹤的控制的方法包括：

24、為了讓代價(jià)函數(shù)趨于最小，定義出反饋形式的控制律為u＝-kx；

25、根據(jù)以下公式求解控制率：

26、h＝xtqx+utru+λt(ax+bu)；

27、k＝r-1btp；

28、其中，k為增益矩陣；h是hamiltonian函數(shù)；x是狀態(tài)變量；u控制變量；λ是共軛變量；p是待求解的矩陣；b是系統(tǒng)矩陣。

29、進(jìn)一步地，本發(fā)明的狀態(tài)權(quán)重矩陣q和控制權(quán)重矩陣r中的變量使用遺傳算法進(jìn)行迭代。

30、本發(fā)明提供一種基于ga-bp算法的軟體致動(dòng)器控制系統(tǒng)，包括：

31、數(shù)據(jù)采集模塊，被配置為：對(duì)軟體致動(dòng)器，獲取多組不同輸入條件下的階躍響應(yīng)曲線；

32、時(shí)域分析模塊，被配置為：對(duì)階躍響應(yīng)曲線進(jìn)行時(shí)域分析，建立多個(gè)五階線性時(shí)不變模型；

33、控制策略確定模塊，被配置為：根據(jù)多個(gè)五階線性時(shí)不變模型，以及預(yù)設(shè)的控制模型，得到控制策略；其中，所述控制模型采用基于遺傳算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)算法，利用遺傳算法的全局搜索能力優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法的權(quán)重和閾值；

34、控制模塊，被配置為：根據(jù)控制策略，采用線性二次調(diào)節(jié)器對(duì)軟體致動(dòng)器進(jìn)行位置跟蹤的控制。

35、本發(fā)明提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)了上述的基于ga-bp算法的軟體致動(dòng)器控制方法的步驟。

36、本發(fā)明可達(dá)到以下有益效果：

37、1、本發(fā)明采用時(shí)域辨識(shí)法，獲取多組不同輸入條件下的階躍響應(yīng)曲線，使用多組系統(tǒng)階躍響應(yīng)曲線，對(duì)應(yīng)不同氣壓下的輸入，使用遺傳算法和bp神經(jīng)網(wǎng)絡(luò)相結(jié)合的ga-bp算法對(duì)于將所有的傳遞函數(shù)參數(shù)進(jìn)行擬合；進(jìn)一步的，通過(guò)線性二次調(diào)節(jié)器對(duì)軟體致動(dòng)器進(jìn)行了位置跟蹤的最優(yōu)控制，使系統(tǒng)盡量平滑和無(wú)超調(diào)，消除了階躍響應(yīng)上的大幅度振蕩。

38、2、本發(fā)明為了克服bp神經(jīng)網(wǎng)絡(luò)易陷入局部最小值和收斂速度慢的缺點(diǎn)，提出了基于遺傳算法優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)算法，利用遺傳算法的全局搜索能力優(yōu)化bp網(wǎng)絡(luò)的權(quán)重和閾值，從而提高了網(wǎng)絡(luò)的訓(xùn)練速度和泛化能力。

技術(shù)特征：

1.一種基于ga-bp算法的軟體致動(dòng)器控制方法，其特征在于包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于ga-bp算法的軟體致動(dòng)器控制方法，其特征在于，所述的獲取多組不同輸入條件下的階躍響應(yīng)曲線的方法包括：

3.根據(jù)權(quán)利要求2所述的基于ga-bp算法的軟體致動(dòng)器控制方法，其特征在于，所述的對(duì)階躍響應(yīng)曲線進(jìn)行時(shí)域分析，建立多個(gè)五階線性時(shí)不變模型的方法包括：

4.根據(jù)權(quán)利要求1所述的基于ga-bp算法的軟體致動(dòng)器控制方法，其特征在于，所述的利用遺傳算法的全局搜索能力優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法的權(quán)重和閾值的方法包括：

5.根據(jù)權(quán)利要求1所述的基于ga-bp算法的軟體致動(dòng)器控制方法，其特征在于，所述的根據(jù)多個(gè)五階線性時(shí)不變模型，以及預(yù)設(shè)的控制模型，得到控制策略的方法包括：

6.根據(jù)權(quán)利要求5所述的基于ga-bp算法的軟體致動(dòng)器控制方法，其特征在于，所述的二次調(diào)節(jié)器的代價(jià)函數(shù)具體為：

7.根據(jù)權(quán)利要求6所述的基于ga-bp算法的軟體致動(dòng)器控制方法，其特征在于，所述的采用線性二次調(diào)節(jié)器對(duì)軟體致動(dòng)器進(jìn)行位置跟蹤的控制的方法包括：

8.根據(jù)權(quán)利要求7所述的基于ga-bp算法的軟體致動(dòng)器控制方法，其特征在于，狀態(tài)權(quán)重矩陣q和控制權(quán)重矩陣r中的變量使用遺傳算法進(jìn)行迭代。

9.一種基于ga-bp算法的軟體致動(dòng)器控制系統(tǒng)，用于實(shí)現(xiàn)權(quán)利要求1-8任一項(xiàng)所述的方法，其特征在于，包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)了如權(quán)利要求1-8任一項(xiàng)所述的基于ga-bp算法的軟體致動(dòng)器控制方法的步驟。

技術(shù)總結(jié)
一種基于GA?BP算法的軟體致動(dòng)器控制方法及系統(tǒng)，方法為：對(duì)軟體致動(dòng)器，獲取多組不同輸入條件下的階躍響應(yīng)曲線；對(duì)階躍響應(yīng)曲線進(jìn)行時(shí)域分析，建立多個(gè)五階線性時(shí)不變模型；根據(jù)多個(gè)五階線性時(shí)不變模型，以及預(yù)設(shè)的控制模型，得到控制策略；其中，所述控制模型采用基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法，利用遺傳算法的全局搜索能力優(yōu)化BP神經(jīng)網(wǎng)絡(luò)算法的權(quán)重和閾值；根據(jù)控制策略，采用線性二次調(diào)節(jié)器對(duì)軟體致動(dòng)器進(jìn)行位置跟蹤的控制。本發(fā)明能夠消除階躍響應(yīng)上的大幅度振蕩，提高了網(wǎng)絡(luò)的訓(xùn)練速度和泛化能力。

技術(shù)研發(fā)人員：呂仲明,呂義,何怡剛,黎海凡,陳劍飛,白云駒,成佳,付國(guó)宏,陳濤,趙雁群
受保護(hù)的技術(shù)使用者：中國(guó)長(zhǎng)江電力股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15