[发明专利]一种鲸鱼搜索策略灰狼算法的桥式吊车神经网络建模方法

说明书

本发明公开了一种鲸鱼搜索策略灰狼算法的桥式吊车神经网络建模方法，属于智能建模领域。桥式吊车系统是一类典型的非线性欠驱动系统，建立高精度的桥式吊车模型是对其实现有效控制的基础。利用鲸鱼搜索策略灰狼算法对桥式吊车神经网络模型的径向基函数中心和方差进行寻优，获得相应的RBF神经网络模型。本发明的建模方法，在桥式吊车的神经网络建模实验中取得了理想的效果，也可以适用于其它复杂系统的建模。

技术领域

本发明涉及一种鲸鱼搜索策略灰狼算法的桥式吊车神经网络建模方法。

背景技术

桥式吊车可以看成大型工业机器人，已经被广泛应用于完成各种场合的运输任务，为此，通常期望达到以下两点目标：首先，桥式吊车的小车需要快速准确地到达所需的位置以实现高效的运输；其次，负载的摆动应尽可能的小，防止发生意外事故。为了对桥式吊车进行有效控制，需要建立高精度的桥式吊车系统模型。

传统的机理建模方法难以满足高精度建模的需要，因此人工神经网络受到人们的关注，其中径向基函数(RBF)神经网络是一种具有三层结构的前向神经网络，具有良好的全局逼近能力。但是RBF神经网络的径向基函数中心和方差不易确定，为了获得高精度的神经网络模型，需要对RBF神经网络的径向基函数中心和方差进行优化。

灰狼优化算法(灰狼算法)是一类新型元启发式智能算法，属于群智能算法，它模拟了自然界灰狼种群的捕食行为以及灰狼种群内部的层次结构和捕猎机制，具有参数少、收敛性好等显著特点，但也存在局部搜索能力差、易早熟收敛等不足之处。

发明内容

本发明的目的是针对桥式吊车机理建模的不足和标准灰狼算法的缺点，提出了一种鲸鱼搜索策略灰狼算法的桥式吊车神经网络建模方法，从而得到了高精度的桥式吊车RBF神经网络模型。

本发明所采用的具体技术方案如下：

一种鲸鱼搜索策略灰狼算法的桥式吊车神经网络建模方法，其包括如下步骤：

步骤1：通过现场测试或实验获得二维桥式吊车系统水平方向控制输入和输出采样数据，其中输入采样数据为控制力F_x，输出采样数据为水平方向的位置x和摆角θ；

步骤2：建立桥式吊车RBF神经网络模型，采用三层网络结构，即输入层、隐含层、输出层；输入层的输入数据为当前采样时刻的控制力和当前采样时刻之前n个时刻内水平方向的位置数据和前m个时刻内的摆角数据；输出层的输出数据为模型预测的当前采样时刻桥式吊车水平方向位置和摆角；输入层与隐层之间采用高斯核函数描述非线性映射关系，隐层与输出层之间采用线性加权求和，权值由递推最小二乘法确定；

步骤3：将采样数据分为两个部分，其中一部分数据作为训练样本，另一部分作为测试样本，并将数据输入到步骤2建立的RBF神经网络模型；对训练样本和测试样本的选择方法如下：

采样数据总共K₂组数据，每组L个数据；在K₁组数据中随机选取作为训练样本，其中K₁＜K₂，则训练样本中的总样本数为再将K₂-K₁组数据作为测试样本，为选取训练样本比例；

步骤4：设置RBF神经网络模型中的隐层节点数；

步骤5：将鲸鱼搜索策略灰狼算法用于RBF神经网络的径向基函数中心与方差进行寻优，适应度函数为RBF神经网络模型的输出值和与步骤1中实际采样数据之间的均方误差，由此获得RBF神经网络径向基函数中心和方差的最优解；

步骤6：以步骤5所获得的最优解作为RBF神经网络模型的径向基函数中心，并利用测试样本检验神经网络模型。

基于上述方案，各步骤还可采用如下具体方式实现。

所述步骤2的桥式吊车RBF神经网络模型中，输入层、隐含层、输出层的具体设定如下：