[发明专利]一种基于PSO和模糊控制的隧道通风节能优化控制方法

权利要求书

1.一种基于PSO和模糊控制的隧道通风节能优化控制方法，其特征是：首先通过PSO算法对隧道通风控制系统的模糊控制器中CO实测偏差量的变换系数θ₁和CO预测偏差量的变换系数θ₂进行寻优，再将传感器测得的CO实测偏差量e_CO和CO预测偏差量e'_CO输入到模糊控制器，经过论域变换后，建立模糊控制规则表，将模糊控制规则表输入模糊控制器，输出为隧道风机开启的台数；

论域变换按照式(1)和式(2)计算，采用该种变换后E_CO和E'_CO的变化区间分别为[-e_CO,e_CO]和[-e'_CO,e'_CO]；

E_CO＝θ₁·e_CO (1)；

E'_CO＝θ₂·e'_CO (2)；

其中，E_CO为经过论域变换后的CO实测偏差量，E'_CO为经过论域变换后的CO预测偏差量；

所述通过PSO算法对θ₁和θ₂寻优的过程为：

(1)对PSO算法中的各个参数进行初始化，所述参数包括惯性因子ω_max、粒子个数N、维度θ、学习因子c₁，c₂、最大迭代次数和寻优范围；

(2)设定各变量的位置矢量：设z_i＝(z_i1,z_i2)为粒子i的位置矢量，z_i1和z_i2的取值范围为[z_min，z_max]，ν_i＝(ν_i1,v_i2)为粒子i的移动速度，p_i＝(p_i1,p_i2)为粒子i寻优得到的历史最优位置，p_g＝(p_g1,p_g2)为种群到目前为止寻优到的全局最优位置；

(3)对粒子的各个维度进行归一化处理，各粒子归一化以及平方差变量sov如式(3)和式(4)所示；

式中z'_i1和z'_i2分别为归一化后的位置分量，分别为z'_i1和z'_i2的数学期望，z_min为z_i1和z_i2取值范围的最小值，z_max为z_i1和z_i2取值范围的最大值；

(4)设计粒子的适应度函数，适应度函数如式(5)所示；

其中，ISE表示寻优过程中粒子位置与历史最优位置偏差量平方的积分，POS表示在仿真过程中寻优位置的超调量，λ₁和λ₂表示加权系数并且满足λ₁+λ₂＝1；

(5)比较粒子的适应度值：计算粒子的适应度并与全局最优位置p_g的适应度值比较，若粒子当前的适应度更好，则更新p_g的值并使用当前的值作为全局最优位置；

(6)更新粒子的速度和位置，粒子的速度和位置的更新方法如下式(6)和(7)所示；

其中，t为迭代次数，z_i1(t+1)和z_i2(t+1)分别为更新位置后的粒子位置矢量的两个分量，更新位置后的粒子位置z_i(t+1)＝(z_i1(t+1),z_i2(t+1))，v_i1(t+1)和v_i2(t+1)分别为更新位置后粒子速度矢量的两个分量，更新速度后的粒子速度v_i(t+1)＝(v_i1(t+1),v_i2(t+1))，p_i1(t)和p_i2(t)分别为粒子历史最优位置矢量的两个分量，p_g1(t)和p_g2(t)分别为全局最优位置矢量的两个分量，ω为惯性权值，c₁，c₂为学习因子，r₁和r₂为介于(0，1)的随机数；

(7)检查终止条件，终止条件为是否达到了最大迭代次数，或者最佳解决方案是否符合适应度值；若终止条件成立，则输出当前最佳粒子的位置，p_g1(t)和p_g2(t)分别为模糊控制中论域变换的θ₁和θ₂，否则返回步骤(2)继续执行。

2.根据权利要求1所述的一种基于PSO和模糊控制的隧道通风节能优化控制方法，其特征在于，PSO算法初始化的惯性因子ω_max为1.5，粒子总数N为20，维度θ为2，学习因子c1，c2分别为2.5，0.5，最大迭代次数为100，寻优范围：θ₁为[0.9,1]，θ₂为[0.8,1]。