基于灰色预测混合遗传算法‑PID全垫升气垫船航向控制方法与流程

技术特征：

1.一种基于灰色预测混合遗传算法-PID全垫升气垫船航向控制方法，其特征是：

用位置参考系统测得全垫升气垫船的实际位置，用姿态参考系统测得全垫升气垫船的实际艏向姿态；

进行灰色误差预测，即建立新陈代谢模型、通过实际位置和实际艏向姿态预测未来行为数据得到超前控制值；

PID控制器将输入的期望位置及艏向姿态与灰色误差预测得到的超前控制值做比较，并经过解算得到误差信号用于全垫升气垫船航迹控制系统的控制；PID控制器利用混合遗传算法在线整定PID控制器。

2.根据权利要求1所述的基于灰色预测混合遗传算法-PID全垫升气垫船航向控制方法，其特征是所述PID控制器利用混合遗传算法在线整定PID控制器具体包括：

确定每个参数的范围和编码长度进行编码，随机产生n个个体构成初始种群，将种群中各个体解码成对应的参数值，用此参数值求目标函数J及适应函数值f，取f＝1/J，采用误差绝对值、误差和误差变化率的加权作为第k个采样时间的第i个个体的参数选择最小目标函数；

J(i)＝α_p×|errori(i)|+β_p|de(i)|

其中α_p，β_p为位置跟踪误差、误差变化率权值,errori(i)为第k个采样时间第i个个体的位置跟踪误差，de(i)为第k个采样时间第i个个体的位置跟踪误差变化率，采用惩罚功能，即一旦产生超调，将超调量作为最优指标的一项，最优指标为：

if errori(i)<0

J(i)＝J(i)+100×I errori(i)I

应用复制、交叉、和变异算子对种群P(t)进行操作，产生下一代种群P(t+1),复制过程中，采用适应度比例法，种群中的第j个个体，被选中进行复制的概率

$P_s=\frac{f_j}{\mathrm{\&Sigma;}f}$

其中f为第j个个体的适应度，Σf为某代种群中所有个体适应度之和，遗传算法中的交叉概率P_c和变异概率P_m采用随适应度变化的自适应调整方法，P_c和P_m的计算公式

$P_c=\left\{\begin{array}{cc}{P}_{c1}-\frac{(P_{c1}-P_{c2})(f^{\&prime;}-f_{max})}{f_{max}-f_{avg}}& f^{\&prime;}\&GreaterEqual;f_{avg}\\ P_{c1}& f^{\&prime;}\&lt;f_{avg}\end{array}\right.$

$P_m=\left\{\begin{array}{cc}{P}_{m1}-\frac{(P_{m1}-P_{m2})(f^{\&prime;}-f_{max})}{f_{max}-f_{avg}}& f\&GreaterEqual;f_{avg}\\ P_{m1}& f\&lt;f_{avg}\end{array}\right.$

式中f_max为种群中最大的适应度；f_avg为每代种群的平均适应度；f’为要交叉的两个个体中较大的适应度；f为要变异个体的适应度。

3.根据权利要求1或2所述的基于灰色预测混合遗传算法-PID全垫升气垫船航向控制方法，其特征是灰色误差预测：定义y⁰(n)为气垫船航向与模型不精确，外界环境扰动灰色序列，定义y¹(n)为灰色序列累加数列，对气垫船航向进行实时采样，得到一个连续航向序列y⁰(0),y⁰(2),y⁰(3)...y⁰(n)，所得到了序列为灰色数列，对得到的灰色序列进行累加生成，得到一次生成累加数列y¹(1),y¹(2),y¹(3),y¹(4)...yⁿ(n)，确定灰色序列累加数列系数矩阵B，模型不精确，外界环境扰动灰色序列系数矩阵Y_N：

$B=\left[\begin{array}{cc}-0.5\&times;\left(y^1\right(1)+y^1\left(2\right))& 1\\ -0.5\&times;\left(y^1\right(2)+y^1\left(3\right))& 1\\ & ...\\ -0.5\&times;\left(y^1\right(n-1)+y^1\left(n\right))& 1\end{array}\right]$

$Y_N=\left[\begin{array}{c}{y}^0\left(2\right)\\ y^0\left(3\right)\\ ...\\ y^0\left(n\right)\end{array}\right]$

再计算(B^TB)^-1，再根据最小二乘法求参数列其中确定误差变化模型然后对其微分方程进行求解到：

$\hat{y}(n+d)=\left(y^0\right(1)-\frac{u}{a})e^{-a(n+d-1)}+\frac{u}{a}$

其中为y¹的n+d时刻的灰色估计值，其中d＝0，1，2，…，由得到y⁰的n+d时刻的灰色估计值：

$\hat{y}(n+d)=\left(y^0\right(1)-\frac{u}{a})e^{-a(n+d-1)}(1-e^a)$

经以上步骤利用灰色序列得到航向的当前采时刻的下d个时刻的灰色估计值因为航向控制策略中给定量是不变的，所以航向的当前采样时刻的下d个采时问的误差估计值最后表示为：

4.根据权利要求1或2所述的基于灰色预测混合遗传算法-PID全垫升气垫船航向控制方法，其特征是：在进行灰色误差预测之前，先对实际位置和实际艏向姿态进行滤波及融合。

5.根据权利要求3所述的基于灰色预测混合遗传算法-PID全垫升气垫船航向控制方法，其特征是：在进行灰色误差预测之前，先对实际位置和实际艏向姿态进行滤波及融合。

6.根据权利要求2所述的基于灰色预测混合遗传算法-PID全垫升气垫船航向控制方法，其特征是：选取P_cl＝0.9，P_c2＝0.6，P_m1＝0.1，P_m2＝0.001。