一种基于IABC优化模糊PID的恒流泵控制系统的制作方法

本发明涉及恒流泵控制系统相关，具体为一种基于iabc优化模糊pid的恒流泵控制系统。

背景技术：

1、恒流泵是一种通过调节电流来控制流量的泵，常见于实验室中的化学、生物等应用领域。恒流泵可以输出恒定的流量或体积，通常采用微型泵或齿轮泵等形式。恒流泵的工作原理是通过调节泵电机的电流来控制泵的转速和流量，从而实现恒定的流量输出。因其精度高、稳定性好、体积小等优点，已广泛应用于实验室中的液相、气相等流体传输领域。电机控制部分负责通过调节电流来控制泵的转速和流量，驱动电源则提供稳定的电源供应。

2、由于传统的pid控制存在调整时间较长，超调量大，控制精度不高等问题，不能保证良好的动态性能。针对pid控制存在的问题，将自适应控制方法和预测控制方法结合起来，不仅维持了自适应控制方法本身的特性，还具备预测控制方法的控制效果好、鲁棒性强等优点，但此方法的理论研究集中于简单的线性化系统中，对于非线性的系统研究很缺乏。在pid控制中引入模糊控制，通过模糊控制对控制参数进行整定，大大的优化了参数的整定过程，但这种优化pid参数的方法过于依赖专家和操作人员的实际经验。

3、人工蜂群算法(artificial bee colony algorithm，简称abc)是一种基于模拟蜜蜂觅食行为的群体智能优化算法。abc算法通过模拟蜜蜂在采蜜过程中的行为，分为三种蜜蜂角色：工蜂、观察蜂和侦查蜂。其优化过程主要由三个阶段组成：初始化，搜索和局部搜索。其中，工蜂和观察蜂负责搜索蜜蜂养殖场(搜索空间)中的解，而侦查蜂则负责在搜索空间中的随机位置寻找新的解。abc算法主要适用于解决连续性优化问题，例如函数优化、参数寻优等。该算法的优点在于具有较高的收敛速度和全局寻优能力，在一些实际应用中也取得了较好的效果。

4、人工蜂群算法虽然具有良好的全局搜索性能和较快的收敛速度，但对于复杂的多模态问题，可能会出现收敛到局部最优解的情况。

技术实现思路

1、针对上述不足，本发明通过以下技术方案：

2、一种基于iabc优化模糊pid的恒流泵控制系统，其特征在于包括：基于iabc算法的模糊pid的参数优化算法以及模糊pid控制器，所述基于iabc算法的模糊pid的参数优算法化包括以下步骤：

3、步骤10：设置abc的参数，所述参数包括种群大小sn、最大迭代次数，maxit、最大评估次数mfe、个体维数d、阈值limit；

4、步骤20：生成初始种群，采用混沌映射公式如下：

5、xij＝chebyshev(d)(1)

6、x(i)＝cos(4acos(x(i-1)))                   (2)

7、每个解

8、其中和分别代表着第j维搜索空间的下界和上界。

9、chebyshev为混沌映射函数，(2)为其具体表达式。

10、步骤30：这边我们选取时间与绝对误差的积分(itae)作为适应函数，具体公式如(3)，选取适应值较大的sn/2个个体作为初始雇佣蜂种群：

11、

12、其中，e(t)为系统误差。

13、步骤40、在由步骤30选择出来的雇佣蜂个体附近进行邻域搜索，得到新蜜源，搜索策略如公式(4)所示：

14、xij*＝bestj+rv(xij*-xkj*)                (4)

15、rv＝αe-(it-0.1maxi)/(0.3maxit)                (5)

16、j*＝randperm(length(b),fix(c*d)+1)；             (6)

17、(4)中为随机选取种群中较好的个体，为自适应步长；为设定的参数值；it为当前执行的迭代次数,maxit为最大迭代次数，k为不等于i的数。j*为随机选取的多个参数的索引，b为所有参数的索引组成的数列，c为百分比，具体选择规则如下：

18、当迭代到在前40％时，随机选取前70％的参数更新，此时c＝0.7。

19、当迭代到在前60％时，随机选取前50％的参数更新，此时c＝0.5。

20、当迭代到在前80％时，随机选取前20％的参数更新，此时c＝0.2。

21、当迭代到在前90％时，随机选取前10％的参数更新，此时c＝0.1。

22、当迭代到在前100％时，随机选取前10％的参数更新，此时c＝0。

23、步骤50、

24、按照公式(3)计算新蜜源中新个体的适应值，记作fit,若fiti<fit，采用新个体替换当前雇佣蜂个体，i＝0:否则，进行随机搜索，当rand<pi时，按照公式(7)进行搜索，若rand>pi，i++，pi见公式(8):

25、vij＝xij+rij(xij-xkj)              (7)

26、

27、其中rand为0到1之间的随机数，k为不等于i的整数，r取值范围为[-1,1]；步骤60、判断i>limit是否成立，若成立，则放弃当前蜜源，进入侦查蜂阶段，根据公式(8)生成新蜜源，若不成立，则当前的解为最优解，转至步骤70；步骤70、记录最优解；

28、步骤80、判断评估次数≥mfe，若是，则输出最优解；否则，转至步骤40。

29、模糊id控制器算法包括模糊控制规则和隶属度函数,通过模糊控制算法对pid控制器算法中的积分系数和微分系数进行整定,利用iabc对控制器比例因子智能寻优。具体的,选择输出流量偏差e与其导数ec作为模糊控制器的输入变量,经量化因子作用后输入模糊控制器得到模糊化变量e和ec。接着,给出转速偏差e、转速偏差变化率ec的模糊论域、模糊语言值,设置偏差e、偏差变化ec和控制量u的基本论域为[-3,3],并划分为7个等级,即{-3,-2,-1,0,1,2,3},模糊语言值(负大,负中,负小,零,正小,正中,正大],即{nb,nm,ns,o,ps,pm,pb)，优选的，所用隶属度函数为三角隶属函数,分别为图3所示。

30、具体的，所述模糊控制规则如下所述：

31、通过结合e(n)以及ec(n)对(δkp,δki,δkd)进行反模糊化，再结合比例因子和pid初始值，整定可以得出n时刻比例、积分和微分系数，公式如下(1)：

32、

33、kp0，ki0，kd0为pid初始值，ukp、uki、ukd为比例因子。恒流泵模型为num(s)/den(s)。

34、最终得到模糊pid控制器的输出信号如下式(2)：

35、

36、本发明的有益效果是：(1)对于初始化种群采用混沌映射。混沌映射可以生成大量的随机数序列，这些序列具有高度的随机性和复杂性，可以保证种群中的初始解具有较大的多样性，有助于加速算法收敛速度和提高算法的全局搜索能力。

37、(2)变维度更新蜜源。由于对于食物源进行更新时每次只更新一个维度，严重影响了搜索的效率，这是人工蜂群算法收敛速度慢、精度差的主要原因。为了解决这一问题，本节提出了一种新的更新策略——变维度蜜源更新。在不同迭代范围采用不同维度的更新策略。采用这种梯度维度更新，平衡了算法的搜索和开发能力，在加快收敛速度的同时可以有效克服过早收敛的问题。

38、(3)以全局最优解为引导进行变范围邻域搜索。为了增加种群向优秀个体学习的概率，算法让蜜蜂始终围绕一些有着好的适应度值的食物源进行搜索，并且根据迭代次数改变搜索半径大小，加快对于更好的食物源寻找。

39、(4)以改良的abc为模糊pid所寻找到的解，能够使系统的稳定性和准确性有很大的提高，远优于有人工经验所设的值。。