[發(fā)明專利]一種基于改進(jìn)支持向量回歸的逆模型PID復(fù)合控制方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410668815.7
• 申請(qǐng)日: 2014-11-18
• 公開（公告）號(hào): CN104330968A
• 公開（公告）日: 2015-02-04
• 發(fā)明（設(shè)計(jì)）人: 唐賢倫;張莉;劉念慈;張毅;劉想德;姜吉杰;王福龍;李臘梅
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G05B11/42
• 分類號(hào): G05B11/42
• 代理公司: 重慶市恒信知識(shí)產(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅

1.一種基于改進(jìn)支持向量回歸的逆模型PID復(fù)合控制方法，其特征在于：包括以下步驟：

101、初始化設(shè)置種群相關(guān)參數(shù)，生成訓(xùn)練數(shù)據(jù)集、測(cè)試數(shù)據(jù)集，并對(duì)訓(xùn)練數(shù)據(jù)集及測(cè)試數(shù)據(jù)集進(jìn)行歸一化處理；

102、利用多Agent粒子群算法/MAPSO對(duì)支持向量回歸機(jī)SVR相關(guān)參數(shù)進(jìn)行尋優(yōu)，由適應(yīng)度函數(shù)及粒子位置、速度更新公式對(duì)支持向量回歸機(jī)SVR參數(shù)尋優(yōu)；

103、判斷是否滿足終止條件，若滿足則尋優(yōu)結(jié)束從而確定最優(yōu)粒子即MAPSO-SVR的參數(shù)尋優(yōu)結(jié)果，跳轉(zhuǎn)至步驟104；否則返回步驟102；

104、確定逆模型擬合因子，建立MAPSO-SVR逆模型；

105、設(shè)定參考輸入函數(shù)y_rout(k)及之前時(shí)刻的u值,并根據(jù)y_rout(k)、逆模型及對(duì)象模型，計(jì)算出經(jīng)逆模型預(yù)測(cè)出來的值uctr(k)；

106、由已知的y_rout(k)、y_out(k)值，根據(jù)誤差的定義及增量式PID原理△u(k)＝k_p*x1+k_d*x2+k_i*x3，其中k_p表示比例控制系數(shù)，k_d表示微分控制系數(shù)，k_i表示積分控制系數(shù)，x1＝e(k)-e(k-1),x2＝e(k)-2*e(k-1)+e(k-2),x3＝e(k)，并根據(jù)步驟105中的uctr(k)，根據(jù)公式u(k)＝uctr(k)+△u(k)求得當(dāng)前時(shí)刻u(k)值；

107、根據(jù)步驟106及對(duì)象模型計(jì)算出下一時(shí)刻實(shí)際輸出值y_out(k+1)；

108、如果k的取值還沒超過采樣時(shí)間，則轉(zhuǎn)入步驟105，直到k值達(dá)到采樣時(shí)間設(shè)定值結(jié)束。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)支持向量回歸的逆模型PID復(fù)合控制方法，其特征在于：步驟101中的初始化種群相關(guān)參數(shù)包括定義解空間、環(huán)境規(guī)模、最大允許迭代次數(shù)、慣性權(quán)值范圍、學(xué)習(xí)因子。

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)支持向量回歸的逆模型PID復(fù)合控制方法，其特征在于：步驟102中的粒子適應(yīng)度函數(shù)F為：

F=1NΣi=1N(yi-yi,)]]>

其中y_i,y,_i分別代表SVR訓(xùn)練輸出值和期望輸出值，N為訓(xùn)練樣本數(shù)。