[发明专利]基于SFCS算法的滑模控制器参数整定方法、装置及存储介质

权利要求书

1.一种基于SFCS算法的滑模控制器参数整定方法，其特征在于，包括：

步骤S100，初始化参数和种群，首先设定进化代数G、最大进化代数Gmax、鸟巢数目n、搜索空间维数D、被发现概率Pa、搜索空间上限u和下限l；

步骤S200，随机产生n个鸟巢位置并且计算每个鸟巢位置的适应度值；

步骤S300，利用基于S型函数的惯性权重递减算法更新每个鸟巢位置并计算新鸟巢位置的适应度，将现有鸟巢与上一代鸟巢位置进行比较，选择适应度值较好的鸟巢位置替换适应度值较差的鸟巢位置，并保存适应度值最差的鸟巢；

步骤S400，产生一个[0,1]的随机数Pt，若PtPa，则利用基于种群最差解的反向学习算法进行偏好随机游走更新鸟巢位置，计算鸟巢的适应度值，将现有鸟巢位置与原鸟巢位置进行比较，选择适应度值较好的鸟巢位置替换适应度值较差的鸟巢位置；

步骤S500，若GGmax，则返回执行步骤S300，否则输出目标函数的优化结果；其中，基于S型函数的惯性权重递减算法表示为：

其中，Zi,j代表算法进化至第i代时的第j个候选解，其中j＝1,2,…,n；Zi,g为第i代搜索到的全局最优解；η表示算法初始搜索步长，与优化问题的维度及复杂性有关，通常情况下η＝1；表示点对点乘法，L(λ)表示莱维飞行的搜索路径，w为惯性权重，A_j为爆炸算子对每一个鸟巢进行爆炸操作的计算值；

其中，基于种群最差解的反向学习算法表示为：

其中，其中，r、P是服从均匀分布的随机数，Heaviside(*)是跳跃函数，ε为发现概率，一般取ε＝0.25，Zi,j和Zi,w分别代表算法进化到第i代的两个随机可行解。

2.根据权利要求1所述的一种基于SFCS算法的滑模控制器参数整定方法，其特征在于，所述目标函数表示为：

其中，F为目标函数的优化值驱动力u(t)、位置偏差信号ζ(t)及摆角信号x3(t)，w1,w2,w3为权重系数。

3.根据权利要求1所述的一种基于SFCS算法的滑模控制器参数整定方法，其特征在于，所述A_j的计算公式为：

其中，为限制最大振幅的因素，f(Zi,j)代表算法进化至第i代时的第j个候选解的适应度值，ε为一个极小的常数，以避免出现分母为零的情况。

4.根据权利要求3所述的一种基于SFCS算法的滑模控制器参数整定方法，其特征在于，所述限制最大振幅的因素的计算公式为：

其中，n为布谷鸟的种群数量，w为惯性权重。

5.根据权利要求1所述的一种基于SFCS算法的滑模控制器参数整定方法，其特征在于，所述若GGmax，则返回执行步骤S300，否则输出目标函数的优化结果，包括：

判断GGmax条件是否成立；

在GGmax条件成立的时候，返回执行步骤S300；如果GGmax条件不成立，输出目标函数的优化结果。