专利名称：基于遗传算法和迭代学习法的智能称重控制方法
技术领域：
本发明涉及一种称重控制方法，尤其是一种智能化称重控制方法，具体 地说是一种基于遗传算法和迭代学习法的智能称重控制方法。
背景技术：
众所周知，在混凝土生产过程中，物料的计量精度是保证混凝土质量的 关键。图l为常用物料称重系统结构图，物料称重系统主要有料仓和称斗组 成。由于给料门和称斗容器之间有一定的距离，当给料门关闭时，此时有一 段已离开给料门还未到达称斗容器的"自由"料柱，这种因料柱滞后而产生 的超差，称为"落差"。此外，由于石料形状不规则，粒径差异较大，加上生 产过程中不定期的向料仓加料，使得料仓的料位变化不定，因此，每一瞬间 物料流的流速随机变化，使每次因滞后所造成的物料称量偏差都不相同。这 种由于料位变化和落差引起的称重偏差必须进行修正。
修正称重偏差常见的方法是给料门采用大、小闸门的结构型式，在达 到物料称重总重的85 90%前，大小闸门同时打开；当达到物料称重总重的
85 90%时，关闭大闸门，只开启小闸门；考虑到给料门和称斗容器的"自
由"料柱("落差")，根据经验设定关闭小闸门的"提前量"。由于料位变化 和落差引起的称重偏差具有随机性，"提前量"也具有随机性，因此很难确定 "提前量"，从而很难有效地修正称重偏差。 ，
发明内容
本发明的目的是针对目前称重系统阀门关闭的"提前量"难以及准确控 制的问题，发明一种基于遗传算法和迭代学习法的智能称重控制方法，该方 法不依赖于料仓的料位变化和每一瞬间物料流流速的随机变化，通过遗传寻 优的迭代学习，能快速准确地确定关闭小闸门的"提前量"，从而有效地修正 称重偏差。本发明的技术方案是
一种基于遗传算法和迭代学习法的智能称重控制方法，其特征是 首先，将任一时刻t所测量得到的实际重量与期望值之间的差值e"t)作
为迭代偏差代入迭代学习算法公式中
"w W = W + (厂尸+厂,|& + 「" |h (0
式中rP、 r,禾n r"分别为需要通过迭代学习的学习增益；Uk(t)为t 时刻的控制信号大小，起始值为0或最大值，uw为需求得的下一时刻控制信 号的大小值；
其次，设定目标函数为人 )=||",|2+||^||2 第三，根据目标函数求得适应度函数f二l/丄；
第四，对迭代学习控制器参数(r,.、 r,和r )进行编码，随机产生初 始群体；
第五，根据第三步的公式计算个体适应度值；
第六，根据所得的个体适应度值，对个体进行复制，适应度值越大，复
制率越高；
第七，对第六步产生的个体进行交叉、变异操作，形成新的群体； 第八，重新计算个体适应度值，使适应度函数值f为最小值，此时的迭
代学习控制器参数r" r,和r )为最优值；
最后将遗传寻优得出的最优迭代学习控制器参数(r,,、 r,和r,》代入 第一步的公式中，所得的控制值即为下一时刻的最优的控制信号值；
重复上述步骤直至任一时刻t所测量得到的实际重量与期望值之间的差 值e"t)等于或接近于0。
本发明的有益效果
本发明根据遗传算法寻优设计的迭代学习控制方法具有较强的鲁棒性， 它仅根据称重偏差来确定控制大、小闸门的时间，完全不依赖于料仓的料位 变化和每一瞬间物料流流速的随机变化，实时性强，而且控制精度高。
本发明具有算法简单，通用性强、易于实现等特点，同时还可用于其它物料称重。
图1是现有的混凝土物料称重系统结构示意图。
图2是本发明的原理图。 图3是本发明的迭代学习过程示意图。 图4是与本发明相配的一个控制系统示意图。
具体实施例方式
下面结合附图和实施例对本发明作进一步的说明。 如图2、 3、 4所示。
一种基于遗传算法和迭代学习法的智能称重控制方法，其原理如图2所 示，它包括以下步骤
首先，将任一时刻t所测量得到的实际重量与期望值之间的差值e"t)作
为迭代偏差代入迭代学习算法公式中 "",")=(/) + (r" + r, + r 》(/)
式中rv、 r,和r。分别为需要通过迭代学习的学习增益；w(t)为t 时刻的控制信号大小，起始值为0或最大值，ii",为需求得的下一时刻控制信 号的大小值，q(o"力)-yW)， yJt)为称重期望输出值，由称重系统预选设 定并存储在存储器中，y,(t)任一时刻由传感器测得的称头中所落物料的实际 重量(等于称重传感器重量减去称斗的自重)。
其次，设定目标函数为^K) = h|2+|h|f 第三，根据目标函数求得适应度函数f=l/jk;
第四，对迭代学习控制器参数(r,,、 r,和r。)进行编码，随机产生初
始群体，如图3所示；
第五，根据第三步的公式计算个体适应度值；
第六，根据所得的个体适应度值，对个体进行复制，适应度值越大，复
制率越高；第七，对第六步产生的个体进行交叉、z^异操作，形成新的群体； 第八，重新计算个体适应度值，使适应度函数值f为最小值，此时的迭
代学习控制器参数r,、 r,和ru)为最优值；
最后将遗传寻优得出的最优迭代学习控制器参数(r,,、 r,和r,》代入 第一步的公式中，所得的控制值即为下一时刻的最优的控制信号值(如用于 控制图4中气缸的行程量，也可用于控制电动阀门的开启量等)；
重复上述步骤直至任一时刻t所测量得到的实际重量与期望值之间的差
值e"t)等于或接近于0。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
权利要求
1、一种基于遗传算法和迭代学习法的智能称重控制方法，其特征是首先，将任一时刻t所测量得到的实际重量与期望值之间的差值ek(t)作为迭代偏差代入迭代学习算法公式中式中ГP、Гl和ГD分别为需要通过迭代学习的学习增益；uk(t)为t时刻的控制信号大小，起始值为0或最大值，uk+1为需求得的下一时刻控制信号的大小值；其次，设定目标函数为Jk(uk)＝||uk||2+||ek||2第三，根据目标函数求得适应度函数f＝1/jk；第四，对迭代学习控制器参数(ГP、Гl和ГD)进行编码，随机产生初始群体；第五，根据第三步的公式计算个体适应度值；第六，根据所得的个体适应度值，对个体进行复制，适应度值越大，复制率越高；第七，对第六步产生的个体进行交叉、变异操作，形成新的群体；第八；重新计算个体适应度值，使适应度函数值f为最小值，此时的迭代学习控制器参数ГP、Гl和ГD)为最优值；最后将遗传寻优得出的最优迭代学习控制器参数(ГP、Гl和ГD)代入第一步的公式中，所得的控制值即为下一时刻的最优的控制信号值；重复上述步骤直至任一时刻t所测量得到的实际重量与期望值之间的差值ek(t)等于或接近于0。
全文摘要
一种基于遗传算法和迭代学习法的智能称重控制方法，其特征是首先，将任一时刻t所测量得到的实际重量与期望值之间的差值e<sub>k</sub>(t)作为迭代偏差代入迭代学习算法公式中，然后根据遗传算法寻优设计的迭代学习控制方法具有较强的鲁棒性的特点，实时计算出控制信号量给阀门驱动机构，实现称重控制。本发明仅根据称重偏差来确定控制大、小闸门的时间，完全不依赖于料仓的料位变化和每一瞬间物料流流速的随机变化，具有实时性强，控制精度高的优点。
文档编号G05B13/02GK101414157SQ20081002081
公开日2009年4月22日 申请日期2008年8月1日 优先权日2008年8月1日
发明者宋胜利, 左敦稳, 琦 张, 肖翀宇 申请人:中国人民解放军理工大学