[發明專利]一種基于混沌改進貓群算法的SAPF參數辨識方法

在審

• 申請號: 202110501416.1
• 申請日: 2021-05-08
• 公開（公告）號: CN113341690A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 聶曉華;姚忠元;萬良;劉意期
• 申請（專利權）人: 南昌大學
• 主分類號: G05B11/42
• 分類號: G05B11/42
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 許瑩瑩

1.一種基于混沌改進貓群算法的SAPF參數辨識方法，其特征在于，所述方法包括以下步驟：

S1：初始化貓群，設計混沌改進貓群CICSO算法計算適應度值以及最優適應度值對應貓的位置；

S2：建立SAPF系統仿真模型；運行仿真模型，選取并記錄最優適應度值對應貓的位置和適應值，即當前最優解；選用將時間乘偏差絕對值積分(ITAE)作為CICSO適應度函數J_i；

S3：根據S2求得的最優解，分別求出并聯有源濾波器的直流側電壓控制環節的PI控制器參數Kp、Ki。

2.根據權利要求1所述的一種基于混沌改進貓群算法的SAPF參數辨識方法，其特征在于，所述步驟S1包括：

S11、初始化貓群，設置貓群優化算法的群體大小為N，最大迭代次數為k_max；分組率MR，隨機初始化貓群體位置；

S12、計算種群中所有貓的適應度值fitness，選取并記錄種群中適應度最佳的貓；

S13、根據MR將貓群隨機分組，MR表示執行跟蹤模式下的貓的數量在整個貓群中所占的比例，MR選用較小的值以確保貓群中的大部分貓處于搜尋模式，少數貓處于跟蹤模式；

S14、搜尋模式：復制貓個體，將復制好的個體存入記憶池SMP中，復制貓的個體數由其適應度值的大小決定，適應度值越高，被復制的個體數目相對越多，復制個體的公式為：

式中：N_i為第i只貓的復制個體數；N_sum為復制的個體總數；fitness_i為第i只貓的適應度；N為貓的初始化群體總數；

執行變異算子，即隨機在原來的位置上加一個擾動，達到新的位置來代替原來的位置，更新SMP，計算SMP中所有個體的適應度值；執行選擇算子，通過計算SMP中適應度值最小的候選點來代替當前貓的位置，完成算法輸出參數的更新；

S15、跟蹤模式：整個貓群經歷過的最好的位置，即為目前搜索到的最優解為Xbest(n)；每個貓的速度為V_i，速度更新公式如下：

V_i(n+1)＝V_i(n)×w+c×rand×((n)-V_i(n))

式中，V_i(n+1)表示更新后第i只貓的速度值；c為常量；rand為[01]之間的隨機數；慣性權重w更新公式如下：

其中，k為迭代指標；，k_max為最大迭代數；每個貓的位置更新公式如下：

X_i(n+1)＝X_i(n)+V_i(n+1)

式中X_i(n+1)表示位置更新后第i只貓的位置；計算適應度值，用適應度值最小的貓更新最初的貓的位置；

S16、記錄保留種群中適應度最優的貓；

S17、判斷是否滿足終止條件，若滿足則輸出最優解，結束程序；反之，判斷全局最優解是否得到改善，若改善了，則重復步驟S12到S16；否則根據(1)式對常規變量Cx_i^j(t)進行映射變換，映射之后的混沌變量x_i^j(t)處[01]于之間，運用(2)式對混沌變量x_i^j(t)進行混沌映射得到x_i^j(t+1)，再通過(3)式對混沌變量x_i^j(t+1)進行映射變換，得到下一次迭代中的常規變量Cx_i^j(t+1)，重復步驟S12到S16；