一种基于改进CPSO的自抗扰位置伺服系统优化设计方法与流程

技术特征：

1.一种基于CPSO的自抗扰位置伺服系统优化设计方法，其特征在于包含如下步骤：

步骤1：采用位置外环和电流内环的双环控制结构，搭建永磁同步电机二阶自抗扰位置伺服控制闭环回路；

步骤2：初始化粒子群算法参数，包括粒子总个数n，粒子的搜索空间维数D，加速度常数c₁、c₂，惯性权重ω的最小值ω_min和最大值ω_max，最大迭代次数T；第i(i＝1,2,…,n)个粒子的位置X_i＝(x_i1,x_i2,…,x_iD)代表着二阶自抗扰位置控制器中需要整定的5个参数{β₀₁,β₀₂,β₀₃,β₁,β₂}，确定每一个参数的调节范围，即第d维的范围[x_dmin,x_dmax]，粒子i第d维的速度v_id的最大值v_dmax＝0.2×x_dmax，初始化自抗扰位置控制器其它不需要整定的参数，给出终止条件；

步骤3：初始化粒子种群，采用混沌立方映射对粒子位置进行初始化，并采用随机过程初始化粒子速度；

步骤4：将初始种群中每个粒子的位置向量依次作为自抗扰位置控制器待优化的5个参数{β₀₁,β₀₂,β₀₃,β₁,β₂}，对永磁同步电机自抗扰位置伺服控制系统进行仿真，计算每个初始粒子的适应度函数并存储其适应度函数值，将适应度函数值作为衡量粒子位置优劣的依据；将粒子自身最优位置P_i＝(P_i1,P_i2,…,P_iD)设为其当前位置，全局最优位置P_g＝(P_g1,P_g2,…,P_gD)设为初始种群中最优粒子的位置；

步骤5：在迭代过程中，根据适应度函数计算每一个粒子的适应度函数值，如果该粒子的适应度值小于该粒子自身之前的适应度值，则用该粒子当前的位置替换P_i，如果该粒子的适应度值小于当前粒子种群全局最优粒子的适应度值，则用该粒子当前的位置替换P_g；

步骤6：采用参数可调的指数自适应方式非线性的调整惯性权重，并按照标准粒子群中的速度更新公式对每个粒子的速度进行更新；

步骤7：采用将混沌融入到粒子的运动过程中，使粒子群在混沌与稳定之间交替运动的粒子位置更新公式分别对每个粒子的位置进行更新；

步骤8：将群体适应度方差σ²引入到混沌与稳定之间交替运动的混沌粒子群中，根据σ²来判断算法是否处于局部最优，进而进行混沌变量c_id的设置；

步骤9：判断是否满足终止条件，若满足则输出最终的全局最优粒子g_best，即自抗扰位置控制器的最优参数，和相对应的适应度值并退出程序；反之转向步骤5。

2.根据权利要求1所述的一种基于CPSO的自抗扰位置伺服系统优化设计方法，其特征在于，所述步骤1中，采用位置外环和电流内环的双环控制结构，根据位置给定值θ^*和位置反馈值θ，对所述位置外环设计了二阶自抗扰位置控制器，所述电流内环采用PI调节器，建立永磁同步电机的二阶自抗扰位置伺服控制系统。

3.根据权利要求1所述的一种基于CPSO的自抗扰位置伺服系统优化设计方法，其特征在于，所述步骤3中，混沌立方映射对粒子位置进行初始化，首先是随机产生一个各分量值均在0～1之间的D维混沌初值z₀＝(z₀₁,z₀₂,...,z_0D)，根据混沌立方映射的迭代公式z_m+1＝4z_m³-3z_m(m＝0,1,2,…)，经过n次迭代运算，得到n个混沌变量z₁,z₂,…,z_n，然后将产生的混沌变量z_i的各个分量采用映射到优化变量的取值区间；其中，-1≤z_m≤1，z_m≠0，i＝1,2,…,n，d＝1,2,…,D，x_id是第i个粒子第d维的位置，x_dmin和x_dmax分别是粒子第d维的最大值和最小值。

4.根据权利要求1所述的基于改进混沌粒子群算法的自抗扰位置伺服控制系统的优化设计方法，其特征在于，所述步骤4中，设置的适应度函数是系统误差e(t)、超调量M_p和控制输入量u(t)不同形式的综合，其表达式为其中k_e，k_u和k_M为权值。

5.根据权利要求1所述的一种基于CPSO的自抗扰位置伺服系统优化设计方法，其特征在于，所述步骤6中是采用一种参数可调的指数自适应方式非线性的调整惯性权重，该惯性权重具有两个可调参数τ和S，其具体的表达式为

$\mathrm{\ω}={\mathrm{\ω}}_{\min }+({\mathrm{\ω}}_{\max }-{\mathrm{\ω}}_{\min })e^{(-\mathrm{\τ}{(t/T)}^S)}$

其中，ω_min和ω_max分别是惯性因子的最大值和最小值，取值为0.4和0.9，参数τ具体为τ∈[20,55]，S为大于1的整数，具体为S∈[1,10]，t为当前迭代次数。

6.根据权利要求1所述的一种基于CPSO的自抗扰位置伺服系统优化设计方法，其特征在于，所述步骤7中，粒子的位置更新方式是采用将混沌融入到粒子的运动过程中的混沌与稳定之间交替运动的粒子位置更新公式：

$\begin{array}{c}{x}_{id}\left(t\right)=\left(x_{id}\right(t-1)+{\mathrm{\ψ}}_d\×M_i)\×\exp \left(\right(1-\exp \left(-200\×c_{id}\left(t\right)\right))\×\\ (3-\frac{7.5}{{\mathrm{\ψ}}_d}(x_{id}\left(t-1\right)+{\mathrm{\ψ}}_d\×M_i\left)\right))-{\mathrm{\ψ}}_d\×M_i+\exp (-400\×c_{id}\left(t\right))\×v_{id}(t)\end{array}$

其中，t表示迭代次数；ψ_d为搜索测度，表示第d维的收索空间大小；M_i表示粒子i的搜索空间向负方向移动的比例；r_id为第i个粒子第d维的混沌因子，是一个小于1的正常数，用来调节混沌程度；是影响粒子混沌程度的混沌变量，当混沌变量c_id(t)→1时，主要是粒子个体的混沌在发挥作用；当c_id(t)→0时，采用的是标准粒子群算法中的位置更新方式，这时是粒子群算法起主要作用。

7.根据权利要求1所述的一种基于CPSO的自抗扰位置伺服系统优化设计方法，其特征在于，所述步骤8中，为判定粒子是否陷入局部最优状态，将群体适应度方差σ²引入到混沌与稳定之间交替运动的混沌粒子群中，根据σ²来判断算法是否处于局部最优；粒子群算法的群体适应度方差定义为：

${\mathrm{\σ}}^2=\underset{i=1}{\overset{n}{\Σ}}{\left(\frac{f_i-f_{avg}}{f}\right)}^2$

其中，f_i表示第i个粒子的当代适应度值；表示当前粒子群体的平均适应度值；n表示群体粒子个数；f＝max{1,max(|f_i-f_avg|)}，表示归一化因子；

为了判定算法是否处于局部最优，对σ²设定一判断阈值σ²_set，当σ²＜σ²_set且t＜0.9T，即群体适应度方差小于早熟判断阈值时，粒子群已处于局部最优状态，此时令c_id＝0.999；不满足此条件时，即算法处于不稳定状态或者已经接近尾声，此时令c_id＝0。