一种适用于伺服控制器的控制算法的制作方法

技术特征：

1.一种适用于伺服控制器的控制算法，其特征在于：具体包括以下步骤：

步骤1，利用粒子群优化算法求PID控制器的K_p、K_i、K_d；

步骤2，在模糊控制器输入端输入e、ec，按照模糊规则，得出K_p、K_i、K_d的变化值ΔK_p、ΔK_i、ΔK_d；

步骤3，将ΔK_p、ΔK_i、ΔK_d分别与K_p、K_i、K_d相加，作为新的PID控制器的参数，输入给PID控制器，即可进行控制。

2.根据权利要求1所述的一种适用于伺服控制器的控制算法，其特征在于：

步骤1的具体步骤如下：

步骤1.1，初始化种群粒子规模、迭代次数、监测邻域粒子浓度上限δ，设置粒子速度与空间搜索范围，设置输出量和输入量之间的标准误差e₀(t)，并对第一代粒子进行PID参数编码；

步骤1.2，计算当前代粒子群适合度值，找到当前粒子的最佳位置Pbest_ij和种群最佳位置Gbest_j；

步骤1.3，将粒子所在的当前代数与步骤1.1初始化代数进行比较，判断粒子所在的当前代数是否达到最大代数，若达到最大代数，则转到步骤1.8步执行；反之，执行步骤1.4；

步骤1.4，根据步骤1.3找到的当前粒子的最佳位置Pbest_ij和种群最佳位置Gbest_j，计算监测邻域中的粒子个数，判断粒子种群是否满足多样性要求：若满足，则跳转至步骤1.6；反之，则执行步骤1.5；

步骤1.5，根据步骤1.2所得的粒子群适合度值，计算粒子被选中变异的概率，根据计算的变异概率确定进行变异的粒子；

步骤1.6，将步骤1.5选取的变异粒子进行变异，更新每一个粒子的位置，代数迭代加1；

步骤1.7，将当代粒子的输出量和输入量之间的误差e(t)与步骤1.1预设的标准误差e₀(t)进行比较，当e(t)≤e₀(t)时，执行步骤1.8，反之，则返回执行步骤1.2；

步骤1.8，输出PID控制器中的K_p、K_i、K_d参数。

3.根据权利要求2所述的一种适用于伺服控制器的控制算法，其特征在于：所述步骤1.2的具体过程如下：

步骤1.2.1，据PID的特性以及误差的要求，选取适合度函数f(t)的公式如下：

$f\left(t\right)=\frac{1}{{\∫}_0^{\mathrm{\∞}}t\left|e\left(t\right)\right|dt}---\left(1\right);$

步骤1.2.2，根据如下公式(2)计算粒子适合度值fitness_i：

fitness_i＝f(t)|(b_(k,i),b_(k-1,i),b_(k-2,i),...,b_(1,i)) (2)；

其中，fitness_i表示第i个粒子的适合度，b_(i,j)表示第i个粒子在第j维的位置，j＝1，2，3…k，k表示粒子在空间上的最大维数。

4.根据权利要求2所述的一种适用于伺服控制器的控制算法，其特征在于：

所述步骤1.4的具体过程如下：

步骤1.4.1，定义监测邻域φ为：

φ＝{Pbest_ij|||Pbest_ij-Gbest_j||₂<ε} (3)；

其中，||Pbest_ij-Gbest_j||₂表示粒子个体i最优位置Pbest_ij与全局最优位置Gbest_j的空间距离，ε为粒子个体i最优位置Pbest_ij与全局最优位置Gbest_j之间的标准距离，ε趋于0，ε表示监测邻域大小；

$\left|\right|{\mathrm{Pbest}}_{ij}-{\mathrm{Gbest}}_j|{|}_2=\sqrt{\underset{j=1}{\overset{Q}{\&Sigma;}}{({\mathrm{Pbest}}_{ij}-{\mathrm{Gbest}}_j)}^2}---\left(4\right);$

其中，Q表示寻优空间维数，Pbest_ij和Gbest_j分别是第i个粒子和全局粒子当前所经过的第j维最佳位置；

步骤1.4.2，记N_φ为监测邻域φ中的粒子个数，N_φ开始会被初始化为0，当计算监测邻域φ的粒子数量时，每计算出一个满足公式(3)要求的粒子的时，N_φ加1；

步骤1.4.3，根据如下公式(5)计算种群预设的粒子数量：

N_δ＝N×δ (5)；

其中：N_δ表示在预设的粒子浓度下，监测邻域应有的粒子数量；N为种群粒子数，即种群粒子规模；

当N_φ≥N_δ成立时，表明监测邻域中粒子浓度过高，种群多样性有损失太多的危险，必须增加种群的多样性，即满足增加种群多样性的要求；

当N_φ<N_δ，则N_φ归0，此种情况不满足增加种群多样性的要求。

5.根据权利要求2所述的一种适用于伺服控制器的控制算法，其特征在于：所述步骤1.5的具体过程如下：

根据如下公式(6)计算粒子被选中进行变异的概率：

$P_{si}={\mathrm{fitness}}_i/\underset{1}{\overset{k}{\&Sigma;}}{\mathrm{fitness}}_j---\left(6\right);$

其中，P_si表示第i个粒子被选为变异的概率，其中，i＝1.2….N_φ，fitness_j表示第i个粒子在第j维的适合度，粒子的适合度越大，被选为变异的概率越大；

将计算出的P_s1、P_s2、……、从大到小进行排序，并从最大值开始，选取60％N_φ～70％N_φ个粒子，作为进行变异的粒子。

6.根据权利要求2所述的一种适用于伺服控制器的控制算法，其特征在于：所述步骤1.6中进行变异的具体过程如下：

针对监测邻域φ中的每个粒子产生一个随机数rand_i，rand_i∈[0,P_si]，此时，由如下公式式子(7)对被选粒子进行随机变异：

Pbest_ij＝a_j+(b_j-a_j)*rand(0,1) (7)；

式中，Pbest_ij是在N_φ个粒子中被选中变异的第i个粒子当前所经过的第j维最好位置；a_j,b_j分别为粒子第j维寻优范围的下限和上限。

7.根据权利要求2所述的一种适用于伺服控制器的控制算法，其特征在于：所述步骤2的具体过程如下：

步骤2.1，在模糊控制器输入端输入e、ec，根据参数e、ec、K_p、K_i、K_d对控制系统的影响来制定模糊规则库；

步骤2.2，参数模糊推理器时刻监测e、ec的变化，按照步骤2.1制定的规则库确定K_p、K_i、K_d的输出变化值ΔK_p、ΔK_i、ΔK_d。