【技術實現步驟摘要】
本專利技術屬于pid控制優化，尤其涉及一種綠化濕噴機噴灑速度控制方法。
技術介紹
1、綠化濕噴機是一種用于植被綠化的設備，通常用于在較大面積的土地上噴灑混合有種子、肥料、粘合劑和水的漿料，從而促進植物的生長，濕噴機的工作原理是通過高壓泵將混合的漿料噴灑到需要綠化的區域，通過控制濕噴機的高壓泵的電機轉速來調節噴灑的速度，可以采用pid控制器實時調節濕噴機的噴灑速度。
2、pid控制器是一種常用的自動控制算法，廣泛應用于工業控制系統中，pid代表比例（proportional）、積分（integral）和微分（derivative）三個部分，比例控制根據當前誤差進行調整，積分控制累計過去的誤差消除長期偏差，微分控制預測未來誤差的變化趨勢，從而提高系統的響應速度和穩定性，通過合理調整這三個參數kp、ki、kd，pid控制器能夠精確調節系統輸出，使其接近或保持在目標值，傳統的pid對于線性控制系統的控制效果較好，但是對于復雜的非線性控制系統的控制性能比較差，對于參數的整定需要大量的實驗，穩定性和精度較差，將pid控制與智能優化算法相結合是一種很好的控制策略。
3、極光優化算法是一種受極光現象或極光啟發的元啟發式算法，算法模型結合了旋轉運動和極光橢圓行走，前者有利于局部開發，后者有利于全局探索，實現了局部和全局搜索平衡，此外，引入粒子碰撞策略，提高了算法跳出局部最優解的效率，將極光優化算法整定pid控制器的參數可以減輕人工調試參數復雜度，提高系統的適應性，但是極光優化算法在一些復雜的受控場景下存在尋優速度慢、精度低
技術實現思路
1、專利技術的目的在于：對標準的極光優化算法進行改進，提升算法的尋優精度和速度，增強算法的適應性和性能，改進后的極光優化算法應用于綠化濕噴機控制系統中pid控制器參數的整定，大幅提高了參數整定效率、響應速度，并減少了控制過程中的超調量，進而提升了系統的魯棒性，通過提出的一種綠化濕噴機噴灑速度控制方法，有效解決了綠化濕噴機噴灑速度不穩定、精確度低等問題，實現了更高效、精確的控制。
2、為了實現上述目的，本專利技術采用了如下的技術方案。
3、一種綠化濕噴機噴灑速度控制方法，具體步驟如下。
4、步驟一、構建綠化濕噴機控制系統模型，模型包括速度轉換模塊、pid控制器、改進極光優化算法模塊、噴灑泵模塊、編碼器測速模塊。
5、步驟二、改進極光優化算法數學模型，具體改進策略如下：
6、d1、使用一種自適應縮放levy飛行策略改進極光優化算法中極光橢圓形復雜變體ao的數學模型，改進后的復雜變體ao由三個部分組成，分別是自適應飛行步長、平均位置偏移量和隨機偏移量；
7、d2、使用一種躍遷擾動策略改進極光優化算法的粒子碰撞階段的數學模型，根據個體的適應度值的大小自適應的調整，與最優個體的位置差距越大，躍遷的步長越大，同時引入柯西分布對更新位置進行隨機擾動。
8、步驟三、利用改進極光優化算法優化綠化濕噴機控制系統模型的pid控制器參數，得到最優的kp、ki、kd三個參數。
9、步驟四、將步驟三中得到的最優kp、ki、kd三個參數用于綠化濕噴機噴灑速度控制，優化綠化濕噴機噴灑速度的控制效果。
10、進一步地，所述步驟一中，構建的綠化濕噴機噴灑控制系統模型中各個模塊的執行過程為：首先將期望噴灑速度輸入系統，通過速度轉換模塊將噴灑速度轉換為期望電機的轉速，濕噴機的噴灑速度，q為噴灑流量，a為噴嘴的截面積，電機的轉速，k為流體相關常數，將期望電機轉速與編碼器測速模塊測到的電機實際轉速進行誤差計算得到實時誤差e(t)，將誤差e(t)輸入到pid控制器，根據誤差e(t)的值和pid控制器的控制參數計算控制量u(t)，u(t)的計算公式如式(1)所示，pid控制器的控制參數kp、ki、kd的值通過改進極光優化算法模型進行參數整定，將控制量u(t)輸入到噴灑泵模塊，通過調節噴灑泵的電機轉速來控制噴灑泵噴出液體的流量，從而控制噴灑泵的噴灑速度；
11、(1)；
12、式(1)中，kp表示比例增益，ki表示積分增益，kd表示微分增益，e(t)表示實時誤差。
13、進一步地，所述d1中，使用一種自適應縮放levy飛行策略改進極光優化算法中極光橢圓形復雜變體ao的數學模型，改進后的數學模型為：
14、(2)；
15、式(2)中，ao表示復雜變體，levystep表示自適應飛行步長，計算公式如式(3)所示，表示種群中所有搜索代理位置向量的平均值，x(iter)表示第iter迭代下的搜索代理的位置，rand_offset表示隨機偏移量，計算公式如式(4)所示；
16、(3)；
17、式(3)中，α表示[0,1]之間的隨機數，iter表示當前迭代數，maxiter表示最大迭代數，levy(dim)表示使用levy飛行生成的隨機步長，dim表示問題維度；
18、(4)；
19、式(4)中，lb和ub分別表示搜索空間的上限和下限，dim表示問題維度，iter表示當前迭代數，maxiter表示最大迭代數，β表示衰減控制因子，取值為1.5。
20、進一步地，自適應縮放levy飛行策略在算法初期levy步長和隨機偏移值較大，搜索范圍更廣泛，探索能力強，在算法的中后期逐漸縮小，搜索逐漸集中到局部，更加精細的調整個體的位置，增強收斂性，該策略隨著迭代次數的改變不斷變化，可以更好的適應不同搜索階段，提高整個算法的性能。
21、進一步地，所述d2中，使用一種躍遷擾動策略改進極光優化算法的粒子碰撞階段的數學模型，改進后的數學模型為：
22、(5)；
23、式(5)中，表示更新的搜索代理的位置，x(iter)表示第iter迭代下的搜索代理的位置，表示種群中的最優位置，r1和r2都表示[0,1]之間的隨機數，表示最佳適應度值，f表示當前搜索代理的適應度值，λ表示權重因子取值為0.5，cauchy(iter)表示柯西分布生成的隨機數模擬隨機擾動。
24、進一步地，躍遷擾動策略通過計算每次迭代個體位置與最優位置區域之間的差距，自動調整移動步長，提高了更新種群位置的質量和算法的尋優速度，通過柯西隨機擾動，提高種群在更新過程中的隨機性，增強算法的全局搜索能力，幫助算法更好的跳出陷入局部最優解的情況。
25、進一步地，所述步驟三中，利用改進極光優化算法優化綠化濕噴機控制系統模型的pid控制器參數，具體步驟為：
26、s1、初始化改進極光優化算法的參數，包括搜索種群的數量n，搜索空間的上限ub、下限lb，算法的最大迭代次數maxiter；
27、s2、將算法的問題維度設置為3，對應pid的三個參數，將kp、ki、kd三個參數編碼為搜索代理的位置向量，通過算法的初始參數初始化搜索種群位置；
【技術保護點】
1.一種綠化濕噴機噴灑速度控制方法，其特征在于，具體步驟如下：
2.根據權利要求1所述的一種綠化濕噴機噴灑速度控制方法，其特征在于，所述步驟一中構建的綠化濕噴機噴灑控制系統模型中各個模塊的執行過程為：首先將期望噴灑速度輸入系統，通過速度轉換模塊將噴灑速度轉換為期望電機的轉速，濕噴機的噴灑速度，Q為噴灑流量，A為噴嘴的截面積，電機的轉速，k為流體相關常數，將期望電機轉速與編碼器測速模塊測到的電機實際轉速進行誤差計算得到實時誤差e(t)，將誤差e(t)輸入到PID控制器，根據誤差e(t)的值和PID控制器的控制參數計算控制量u(t)，PID控制器的控制參數Kp、Ki、Kd的值通過改進極光優化算法模型進行參數整定，將控制量u(t)輸入到噴灑泵模塊，通過調節噴灑泵的電機轉速來控制噴灑泵噴出液體的流量，從而控制噴灑泵的噴灑速度。
3.根據權利要求2所述的一種綠化濕噴機噴灑速度控制方法，其特征在于，所述D1中，使用一種自適應縮放Levy飛行策略改進極光優化算法中極光橢圓形復雜變體Ao的數學模型，改進后的數學模型為：
4.根據權利要求3所述的一種綠化濕噴機噴
5.根據權利要求4所述的一種綠化濕噴機噴灑速度控制方法，其特征在于，所述步驟三中，利用改進極光優化算法優化綠化濕噴機控制系統模型的PID控制器參數，具體步驟為：
...【技術特征摘要】
1.一種綠化濕噴機噴灑速度控制方法，其特征在于，具體步驟如下：
2.根據權利要求1所述的一種綠化濕噴機噴灑速度控制方法，其特征在于，所述步驟一中構建的綠化濕噴機噴灑控制系統模型中各個模塊的執行過程為：首先將期望噴灑速度輸入系統，通過速度轉換模塊將噴灑速度轉換為期望電機的轉速，濕噴機的噴灑速度，q為噴灑流量，a為噴嘴的截面積，電機的轉速，k為流體相關常數，將期望電機轉速與編碼器測速模塊測到的電機實際轉速進行誤差計算得到實時誤差e(t)，將誤差e(t)輸入到pid控制器，根據誤差e(t)的值和pid控制器的控制參數計算控制量u(t)，pid控制器的控制參數kp、ki、kd的值通過改進極光優化算法模型進行參數整定，將控制量u(t)輸...
【專利技術屬性】
技術研發人員：金章利，劉高鵬，史雯雯，曾建，劉心庭，李飛，張茜，張瑞婷，
申請(專利權)人：濟南農智信息科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。