[發明專利]一種基于腦情感學習模型的變循環發動機多變量控制算法

有效

• 申請號: 202010433399.8
• 申請日: 2020-05-21
• 公開（公告）號: CN111624880B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 馬艷華;杜憲;孫希明;胡雪蘭
• 申請（專利權）人: 大連理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

1.一種基于腦情感學習模型的變循環發動機多變量控制算法，選擇變循環發動機控制變量分別為主燃油流量、核心機風扇導流角和尾噴管面積，輸出變量分別為高壓壓氣機相對轉速和落壓比；控制系統主要由感官輸入信號產生器、情感暗示信號產生器、腦情感學習模塊組成；其中，感官輸入信號產生器和情感暗示信號產生器接收變循環發動機輸出變量的輸出誤差，分別產生感官輸入信號和情感暗示信號，輸入至腦情感學習模塊；腦情感學習模塊接收感官輸入信號和情感暗示信號，得到變循環發動機的控制變量；其特征在于，步驟如下：

步驟1：計算感官輸入信號S_mn(k)，m＝1,2,3，表示變循環發動機第m個控制變量，n＝1,2，表示變循環發動機輸出變量，k為第k個采樣周期；

其中，k_pmn為情感輸入信號計算中的比例權重系數，k_imn為情感輸入信號計算中的積分權重系數；e₁(k)、e₂(k)分別為兩個輸出變量的輸出誤差，l為累加變量；步驟2：計算情感暗示信號Rew_m(k)

其中，k_rpmn為情感暗示信號計算中的比例權重系數，k_rdmn為情感暗示信號計算中的微分權重系數，k_rimn為情感暗示信號計算中的積分權重系數，T為采樣周期；

步驟3：計算腦情感學習模塊輸出的控制變量U_m(k)

U_m(k)＝A_m(k)-O_m(k)

其中，U₁為主燃油流量、U₂為核心機風扇導流角，U₃為尾噴管面積，A_m為第m個杏仁體子模塊輸出，O_m為第m個眶額皮質子模塊輸出，V_mi和W_mi分別為第m個杏仁體子模塊和第m個眶額皮質子模塊中的第i個節點權值，i＝1,2；

步驟4：更新第k+1時刻，第m個杏仁體子模塊和第m個眶額皮質子模塊中的節點權值

V_mi(k+1)＝V_mi(k)+α_m(S_mi(k)*max(0,Rew_m(k)-A_m(k)))

W_mi(k+1)＝W_mi(k)+β_m(S_mi(k)*(U_m(k)-Rew_m(k)))

其中，α_m和β_m分別為第m個杏仁體子模塊和第m個眶額皮質子模塊的學習因子，且0α_m1，0β_m1；

步驟5：采用差分進化方法，優化參數k_pmn，k_imn，k_rpmn，k_rdmn，k_rimn

步驟5.1：種群初始化，設待優化參數為X，在正數范圍內隨機均勻的產生M個個體，每個個體為一個N維向量；

X_i(0)＝X_i1(0)+X_i2(0)+…+X_iN(0)，i＝1,2,…,M

其中，X_i(0)表示第0代的第i個個體，X_ij(0)表示第0代第i個個體的第j個基因，j＝1,2,…,N；

步驟5.2：變異，計算H_i(g)；從種群中隨機選擇三個個體，X_p1(g)，X_p2(g)，X_p3(g)，g為迭代次數，變異算子H_i(g)為

H_i(g)＝X_p1(g)+F*(X_p2(g)-X_p3(g))

其中，F0為縮放因子；

步驟5.3：交叉，計算V_i(g)

其中，rand(0,1)表示在0～1之間產生一個隨機數，0≤P_cr≤1為交叉概率；

步驟5.4：選擇，根據適應度函數的值從第g次迭代中每個個體的V_i(g)和X_i(g)中選擇出適應度更高的得到新一代種群

其中，適應度函數f定義為

e_1X(k)和e_2X(k)分別為，優化參數為X_i(g+1)時，變循環發動機兩個輸出變量的輸出誤差；

步驟5.5：迭代次數g+1，重復步驟5.2-步驟5.4，直至達到給定迭代次數的目標值或適應度函數f小于誤差給定值ε，優化結束。