[发明专利]一种基于粒子群算法优化的模糊决策船闸控制方法及系统

权利要求书

1.一种基于粒子群算法优化的模糊决策船闸控制方法，所述方法针对单通道且有双向过闸要求的船闸，其特征在于，包括：

步骤1，基于两个闸门的开关状态，定义智能船闸控制系统的两个输入变量：待过闸船舶与打开状态闸门的距离LGO和待过闸船舶与关闭状态闸门的距离LGC，以及智能船闸控制系统的输出变量LC；

步骤2，定义智能船闸控制系统输入、输出变量的隶属度函数μ(x)，以及基于隶属度函数优化的粒子群算法的终止条件；

步骤3，通过基于隶属度函数优化后的粒子群算法来进行最优输入变量LGO和LGC的计算和获取；将隶属度函数μ(x)曲线与横坐标围成面积的重心作为智能船闸控制系统的输出变量LC，完成船闸系统的控制。

2.根据权利要求1所述的方法，其特征在于，所述步骤2，包括以下子步骤：

步骤201，定义智能船闸控制系统输入、输出变量的隶属度函数，

其中a为函数斜率，b为函数拐点；

步骤202，根据船闸优化控制问题的主要目标，对于不同船舶交通的实际情况，得到对应的等待过闸次数NEL和每艘船舶过闸的平均等待时间AWT；

步骤203，定义最优性准则E，

E＝α*NEL+β*AWT (2)

其中α和β为权重系数，是多准则目标函数E定义的权重因子，α代表操作船闸能耗的重要程度，β代表过闸平均等待时间的重要程度；

步骤204，定义判断参数δ，将预先定义的最优标准E与判断参数δ进行比较计算二者之间的距离，

|E-δ|≤1 (3)

当计算结果满足式(3)时认为算法得到的结果满足要求，即算法当前所得结果即是最优结果可以停止算法并输出结果。

3.根据权利要求2所述的方法，其特征在于，所述步骤3，包括以下子步骤：

步骤301，通过优化隶属度函数μ(x)中的函数斜率a使得其具有更好的拟合效果；随机初始化粒子的位置X_i和速度V_i，公式如下，

其中u是搜索空间的上边界，l是搜索空间的下边界；

步骤302，更新粒子个体历史最优位置和群体历史最优位置，每个粒子个体的历史最优位置按照如下的公式进行更新，

步骤303，整个群体的历史最优位置按照如下的公式进行更新，

步骤304，更新粒个体的速度v和位置x，更新第i个粒子个体在第k+1次迭代时的速度和位置公式如下，

其中，c₁、c₂代表学习因子，r₁、r₂代表区间[0,1]内的伪随机数，分别代表第i个粒子在第k次迭代的速度和位置，和分别表示第i个粒子个体在第k次迭代时的个体最优位置和群体最优位置，ω^k是第k次迭代时惯性因子；

步骤305，在迭代过程中，通过将惯性权重从ω_max线性减小到ω_min提高求解准确性，惯性权重ω^k的公式如下，

其中Iter_max代表预定义的最大迭代次数，ω_max和ω_min代表最大惯性权重和最小惯性权重；

步骤306，检测粒子i是否到达粒子群规模N，若粒子i没有到达N，则返回重复执行上一步，若粒子i达到N，代表当前的是当前位置的最优值；

步骤307，通过设定最优性准则E，判断是否迭代结束，迭代结束则得到最优隶属度函数μ(x)，迭代未结束则返回上一步；

步骤308，输入变量LGO和LGC通过最优隶属度函数实现模糊化；

步骤309，根据输入变量LGO和LGC均有三个模糊集，定义九条模糊规则，如下表：

表 模糊规则表

步骤310取隶属度函数μ(x)曲线与横坐标围成面积的重心作为船闸控制系统的参数输出，从而完成船闸系统的控制。