专利名称：一种受核糖体rna启发的高阶控制器参数优化方法
技术领域：
本发明涉及一种受核糖体RNA启发的高阶控制器参数优化方法。
背景技术：
随着现代控制系统越来越复杂，对系统的要求越来越高，控制工程师们正面临着 严峻的挑战选择合适的控制器，然后优化其参数以满足实际应用的特定要求。PID控制是 最早发展起来的控制策略之一，其结构简单，实现容易，控制效果好，鲁棒性强，参数物理意 义明确。PID与控制器参数的选择一直是持续的关注，它直接关系到PID控制性能的好坏。 目前，参数的选择大多数采用人工经验指导下的试验试凑方法，典型的有Ziegler-Nichols 方法，此外，还有其它一些改进的方法，如间接寻优方法，梯度法和爬山法等。近年来，随着 智能控制理论的发展，专家系统，模糊控制以及神经网络日益受到控制界的重视，出现了一 些基于遗传算法和模糊推理的整定方法。从而，将控制器参数设计问题转化成优化问题，很 多传统优化算法均被用来整定控制器参数。优化理论和方法的起源可以追溯到微积分产生的年代，然后直到20世纪30年代， 由于军事和工业生产等方面的迫切需要，才使得优化方法的研究得到蓬勃的发展。常用的 优化方法主要有解析法，枚举法和随机搜索。解析法容易陷入局部最优值，而且要求目标 函数和约束域可用解析式表示，难以用于求解目标函数不连续、约束域不连通、目标函数难 以用解析式表达、解空间具有多峰特性等情况。枚举法具有简单易行的特点，但它需要计算 搜索空间中每一个点的值，因此效率低下、适应性差。实际上，许多优化问题的搜索空间都 很大，不允许一点一点地搜索。随机搜索方法则是通过在搜索空间里随机漫游并随时记录 下所取得的最好结果，它的效率依然不高，而且只有解在搜索空间紧密分布时，才能找到最 优解，这个条件一般很难满足。针对工程中的优化问题的复杂性、约束性、非线性、多局部极 小点、建模困难等特点，寻找适合于大规模并行搜索且具有智能化的优化方法已经成为一 个重要的研究方向。控制器的优化设计是优化方法应用的一个重要领域，在进行控制器的优化设计 时，除了保证控制系统闭环稳定外，还要考虑其他的性能指标，例如超调量最小，调节时间 最短，上升时间最短等。传统控制器设计只有一组可调的控制器参数，若按干扰一致性整定 控制器参数，则目标跟踪特性变差；若按目标跟踪特性整定控制器参数，则干扰抑制特性变 差。因此实际系统设计中，很难得到最佳的控制效果。此外控制器阶数的递增也为实现满 意的控制性能增加难度。近年来，受生物科学技术研究成果的启发，基于生物计算的优化方法发展迅速。研 究人员借鉴仿生学的思想，提出了一些具有高效寻优能力和广泛适应性的智能优化方法。 例如，人工神经网络(ANN)在一定程度上模拟了人脑的组织结构和功能；遗传算法(GA)借 鉴了自然界生物“生存竞争、优生劣汰，适者生存”的进化机制；蚁群算法(ACO)则受蚂蚁群 体寻找食物最优路径的启发；禁忌搜索模拟了人类记忆的智力过程。这些基于生物计算的 优化方法在求解复杂优化问题方面展示了它们的优点。其中常规遗传算法(SGA)作为一种适应面广，鲁棒性强的随机搜索方法，具有较强的全局搜索能力，适合解决此类问题，然而 该方法搜索效率较低，局部搜索能力较差且易早熟。根据生物遗传物质DNA及核糖体RNA的结构(见图4)、变异及信息传递，抽象出受 核糖体RNA(rRNA)启发的混合DNA-GA算法(r_HDG)的相应各种仿生优化规则，是受核糖体 RNA启发而提出的一种优化算法，可用于解决多变量，非线性的优化问题，得到有效的控制 参数和化工模型。将此种方法用于船舶柴油机控制器优化设计中，取得较理想的效果。
发明内容
本发明的目的是针对现有技术的不足，提供了一种受核糖体RNA启发的高阶控制器参 数优化方法。受核糖体RNA启发的高阶控制器参数优化方法的步骤如下
1)算法初始化，包括最大代数，种群规模，被估计参数的取值范围，强变异概率，弱变异 概率，参数编码长度，编码参数个数，交叉算子的执行概率，补码反转变异概率，随机产生初 始对象；
2)将超调量、响应时间及积分误差平方加权为一个总的性能指标作为目标函数；
3)设定如下算法的终止准则算法运行代数是否达到最大代数，如果没有达到，运行 算法继续寻优，如果达到，退出算法，运行结束；
4)运行受启发的受核糖体RNA启发的混合DNA遗传算法对高阶控制器参数进行优化， 依次执行核糖体RNA预剪切规则，交叉变异规则，补码反转变异规则，单体自然突变规则， 环境导向变异规则；
5)当算法运行未达到算法的终止准则，返回步骤4)继续寻优；否则，将算法的估计输 出最优值作为高阶控制器参数的估计值，得到受核糖体RNA启发的高阶控制器优化参数。所述的预剪切规则、单体自然突变规则、环境导向规则，交叉变异规则，补码反转 变异规则如下
1)预剪切规则
每条rRNA-GA链上存在多个一18S—5. 8S—26S片段，在读取有效信息位时，在浮动信 息位中任意选取起始点，一旦选定，不含前导的18S—5. 8S—26S片段将被提取，同时抛弃 ITS，提取有效8个信息位，并为每个信息位赋予它在原始片段中的位号。位号将决定当前 位的变异概率。如rand(广6)=4，则起始位是4，故有效信息位的位号分别为4、5、6、10、14、 15、16、17。由于4、5、10、14和15是强位点，故自然突变时将按照强位点进行概率判断；由 于6、14、16和17是弱位点，故自然突变时将按照弱位点进行概率判断。 Γc =ceil(、5*rand)+\·， i € [1,2,...,M]
4(1:3) = 4(,^ + ; H}(i:3)^c:c + 2 4 ￠4) = 4^ + 6); H}(4)=c + 6;·(i) = rand *wids(J) + Xmkl j e [1,2,...,3/], λ e [1,2,...,8]其中，c为随机选取信息位的开始位号为种群中第i个个体的第^/个自变量的 有效信息位编码表示；4为种群中第i个个体的第J个自变量的原始信息位编码表示；力的原始信息位号；CW7为向上取整函数 ’rand为
随机分布函数。I为种群规模，
7为待解决问题的维度； 2)单体自然突变规则
预剪切后的8个信息位为有效信息位，每个信息位的变化范围为，针对每个 自变量￥则可以通过下式表达和进行单体变异，如果单体自然突变后的新个体适应度好，
则替换掉原个体，否则不做任何改变，
权利要求
1.一种受核糖体RNA启发的高阶控制器参数优化方法，其特征它的步骤如下1)算法初始化，包括最大代数，种群规模，被估计参数的取值范围，强变异概率，弱变异 概率，参数编码长度，编码参数个数，交叉算子的执行概率，补码反转变异概率，随机产生初 始对象；2)将超调量、响应时间及积分误差平方加权为一个总的性能指标作为目标函数；3)设定如下算法的终止准则算法运行代数是否达到最大代数，如果没有达到，运行 算法继续寻优，如果达到，退出算法，运行结束；4)运行受启发的受核糖体RNA启发的混合DNA遗传算法对高阶控制器参数进行优化， 依次执行核糖体RNA预剪切规则，交叉变异规则，补码反转变异规则，单体自然突变规则， 环境导向变异规则；5)当算法运行未达到算法的终止准则，返回步骤4)继续寻优；否则，将算法的估计输 出最优值作为高阶控制器参数的估计值，得到受核糖体RNA启发的高阶控制器优化参数。
2.根据权利要求1所述的一种受核糖体RNA启发的高阶控制器参数优化方法，其特征 在于所述的预剪切规则、单体自然突变规则、环境导向规则，交叉变异规则，补码反转变异 规则如下1)预剪切规则每条核糖体RNA-GA链上存在多个一18S—5. 8S—26S片段，在读取有效信息位时，在 浮动信息位中任意选取起始点，一旦选定，不含前导的18S—5. 8S-26S片段将被提取，同 时抛弃内转录间隔区，提取有效8个信息位，并为每个信息位赋予它在原始片段中的位号， 位号将决定当前位的变异概率，如rand(广6) =4，则起始位是4，故有效信息位的位号分别 为4、5、6、10、14、15、16、17，由于4、5、10、14和15是强位点，故自然突变时将按照强位点进 行概率判断；由于6、14、16和17是弱位点，故自然突变时将按照弱位点进行概率判断； Ic = ceil(5*mnd) +1; i e [1,2,...,M]4(1:3^ = 4^:^ + 2); /ij(l: 3) = c:c + 2 4(4) = 4(^ + 6); //j(4) = e + 6; Kj(5: E) -:c + 13); H2i(5: S) - c + 10: c + 13;JSj(k) = rand 本Wi^fe(Ji) + ^ j ek e[l72 ... 8]其中，C为随机选取信息位的开始位号；4为种群中第i个个体的第J个自变量的有效信息位编码表示；4为种群中第i个个体的第j个自变量的原始信息位编码表示；/4为^的原始信息位号-,ceil为向上取整函数.,rand为
随机分布函数，I为种群规模，j为 待解决问题的维度；2)单体自然突变规则预剪切后的8个信息位为有效信息位，每个信息位的变化范围为，针对每个 自变量< 则可以通过下式表达和进行单体变异，如果单体自然突变后的新个体适应度好，则替换掉原个体否则不做任何改变，
全文摘要
本发明公开了一种受核糖体RNA启发的高阶控制器参数优化方法。它的步骤如下1)针对现场控制对象，设置合适高阶控制器阶数，将超调量、响应时间及积分误差平方加权为一个总的性能指标作为目标函数；2)根据生物遗传物质DNA及核糖体RNA的结构、变异及信息传递，抽象出受核糖体RNA(rRNA)启发的混合DNA遗传算法(r-HDG)的相应各种仿生优化规则；3)设定仿生算法的基本及特有参数；4)模拟生物遗传物质的结构变异及转运，运行受核糖体RNA启发的r-HDG算法，通过最小化目标函数，得到适用于复杂过程对象的高阶控制器的参数及其各项性能评价指标。本发明模拟生物遗传物质DNA及核糖体RNA的结构、变异及信息传递，具有寻优精度高、速度快的特点。
文档编号G05B13/04GK102141778SQ20111009779
公开日2011年8月3日 申请日期2011年4月19日 优先权日2011年4月19日
发明者冯芳琼, 王宁 申请人:浙江大学