[發明專利]基于改進TLBO算法的自抗擾控制器參數整定方法

在審

• 申請號: 201711474967.3
• 申請日: 2017-12-29
• 公開（公告）號: CN107908113A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 胡輝;陳靜;郭凌志
• 申請（專利權）人: 安徽理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及群智能優化算法在控制領域的應用，特別是涉及一種基于改進TLBO算法的自抗擾控制器參數整定方法。

背景技術

在控制領域中，經典的PID控制器是以系統誤差來消除誤差的控制器，具有結構簡單，易于應用等優點。針對PID控制器在超調與快速性發面的矛盾，研究人員提出了大量改進算法，包括自適應PID算法、模糊PID算法、專家PID算法等。

以研究非線性系統特性為出發點，以提高控制器控制品質和適用性為目標，韓京清教授提出了自抗擾控制(Auto Disturbances Rejection Control)技術。與經典的PID控制相比，該算法不僅能實時地對系統的不確定因素及內外擾動進行估計，還能對系統的總擾動進行快速補償，使得控制器具有一定的抗干擾性。同時，針對PID控制器系統超調與快速性的矛盾，通過加入非線性誤差反饋使得控制器的性能得到了有效提高。自抗擾控制器以其算法簡單，不依賴于被控對象模型，對系統擾動能夠進行實時估計和補償等優點，被廣泛地應用于火電廠控制系統、航空航天系統、現代武器系統、無人機控制系統等領域。

由于自抗擾控制器結構復雜，包含多種非線性函數，使其參數整定難度增加。目前還沒有一種特別嚴格的推導公式來確定各個參數的調節規律，大多數依靠人為和實際的經驗，因此一定程度上阻礙了自抗擾控制技術在實際控制系統中的應用。隨著對這一問題的深入研究，學者們提出了基于其他優秀算法的參數整定方法，相關文獻有：

[1]李海生，朱學鋒.自抗擾控制器參數整定與優化方法研究[J].控制工程，2004,11(5):419-423.

[2]曾文飛.基于免疫遺傳算法的自抗擾控制器優化設計及其應用[J].長沙:湖南大學，2009.

[3]廣西師范大學.基于人群搜索算法的無人機自抗擾控制方法[P].中國發明專利.CN106681345A.2017-05-17.

[4]康忠健，王清偉，黃磊等.基于改進遺傳算法的自抗擾控制器參數優化[J].信息與控制，2008,37(5):587-598.

[5]江蘇大學.一種基于RBF神經網絡自抗擾控制器的設計方法[P].中國發明專利.CN107037729A.2017-08-11.

[6]華北電力大學.一種自抗擾控制器參數的整定方法[P].中國發明專利.CN106681345A.2017-05-17.

從已有研究文獻分析，用于整定自抗擾控制器參數的學習算法主要采取人群搜索法、遺傳算法、RBF神經網絡、BP算法、人工經驗法等，這些算法在學習訓練中仍存在易于早熟、易陷入局部最優、學習效率低等問題，從而影響控制器的控制效果。

教與學算法(Teaching-Learning-Based-Optimization)是一種群智能優化算法，因所需參數少、收斂能力強、收斂速度快等優點，也已經在各個領域得到了較好的應用。但是算法在教師個數、教學因子、關鍵參數等方面存在缺陷，對于高維多峰值優化問題容易陷入局部搜索而丟失全局最優解。

CN106837678A中國專利申請文件公開了一種基于改進TLBO算法的水輪發電機組PID調速參數優化，在基本的TLBO算法中加入自適應教學因子，在保證收斂速度和精度的同時避免了算法陷入早熟，早收斂的情況。水輪發電機組利用改進算法進行參數優化，實現了更好的過渡過程。

發明內容

針對現有技術中存在的不足，本發明提供一種基于改進TLBO算法的自抗擾控制器參數整定方法，在基本的TLBO算法中加入動態教學因子，并將其與自抗擾控制器結合，實現對系統參數的最優整定。

為實現上述目的，本發明采用的技術方案是：

基于改進TLBO算法的自抗擾控制器參數整定方法，包括以下步驟：

步驟1建立ADRC控制器，過程包括：

1.1)跟蹤微分器(TD)，用來跟蹤參考輸入和安排過渡過程，其離散形式如下：

其中，h為系統的采樣步長，r為速度因子，h₀為濾波因子，fhan(*)函數為快速綜合最優函數。

1.2)擴張狀態觀測器(ESO)，根據被控對象的輸入和輸出對系統的狀態和擾動進行估計和補償，其二階對象的ESO模型：

其中，β₁、β₂、β₃為待整定參數，fal(*)為帶有線性區間的非線性函數，定義為：