[发明专利]一种方向盘力感模拟电机控制器参数整定方法

权利要求书

1.一种方向盘力感模拟电机控制器参数整定方法，其特征在于，包括以下步骤：

将电机PID控制器嵌入方向盘力感模拟电机控制系统中；

运用改进的粒子群优化算法迭代优化电机PID控制器参数，获得最佳电机PID控制器参数组合；

将最佳电机PID控制器参数组合存储至电机控制器硬件中，使PID控制器能够离线工作；

所述改进的粒子群优化算法包括以下步骤：

步骤a、初始化算法基本参数，所述算法基本参数包括最大迭代次数T、粒子群规模N、粒子位置、粒子维度D、粒子位置取值范围、最大聚集比例r_max、最小聚集比例r_min；

步骤b、逐个计算第i代每个粒子位置对应的适应度；

步骤c、按照粒子位置与全局最优粒子位置之间的欧氏距离进行排序；

步骤d、计算第i代聚集比例：

(1)

式（1）中，r_i表示第i代粒子的聚集比例，N表示粒子群中个体数量，最大聚集比例r_max、最小聚集比例r_min分别取2/3和1/5；

步骤e、根据第i代聚集比例值，将粒子划分为聚集粒子和非聚集粒子，即1～floor(N·r_i)为聚集粒子，其他粒子为非聚集粒子；其中，floor表示去不大于该值的最大整数；

步骤f、进行粒子位置迁移，得到第i+1代粒子：

聚集粒子的学习方式：

(2)

非聚集粒子的学习方式：

(3)

式(2)和式(3)中，i表示当前代数；j表示粒子的序号；x表示迁移粒子位置；w表示权重因子；p表示当前代适应度最优粒子位置；g表示全局适应度最优粒子位置；d表示维度；rand表示[0,1]区间内的随机小数；c₁、c₂、c₃分别表示聚集粒子的代最优学习因子、聚集粒子的全局最优学习因子、非聚集粒子的前粒子学习因子，分别取0.5、0.8、1；

步骤g、判断粒子是否超出边界，超出则进行位置随机重置；

步骤h、判断是否达到最大迭代次数T，达到了就输出最佳适应度和全局最优粒子位置，没有则跳转到步骤b，反之则输出全局最优粒子位置g和相应的全局最有适应度Fit_gbest。

2.根据权利要求1所述的方向盘力感模拟电机控制器参数整定方法，其特征在于，所述电机PID控制器以电机理论输出扭矩和其实际输出扭矩的差为输入，以电机的调节电流为输出；运用所述改进的粒子群优化算法优化电机PID控制器参数的步骤中，所述改进的粒子群优化算法中的每个粒子代表一个PID参数组合Kp，Ki，Kd，根据所述改进的粒子群优化算法获得的全局最优粒子位置g即所述最佳电机PID控制器参数组合。

3.根据权利要求2所述的方向盘力感模拟电机控制器参数整定方法，其特征在于，运用所述改进的粒子群优化算法优化电机PID控制器参数的具体步骤包括：

步骤a1、设置算法基本参数，所述算法基本参数包括最大迭代次数T、粒子群规模N、粒子位置、粒子维度D、粒子位置取值范围、最大聚集比例r_max、最小聚集比例r_min，并随机产生N个粒子，每个粒子代表一个PID参数组合K_p，K_i，K_d；

步骤b1、逐个将每一个粒子位置，即每一个PID参数组合带入方向盘力感模拟电机PID控制器中，得到对应的实际电机输出力矩和理论电机输出扭矩误差的均方根值，即每个粒子的适应度值；

步骤c1、按照粒子位置与全局最优粒子位置之间的欧氏距离进行排序；

步骤d1、根据式(1)计算第i代聚集比例r_i：

(1)

式（1）中，r_i表示第i代粒子的聚集比例，N表示粒子群中个体数量，最大聚集比例r_max、最小聚集比例r_min分别取2/3和1/5；

步骤e1、根据第i代聚集比例值，将粒子划分为聚集粒子和非聚集粒子，即1～floor(N·r_i)为聚集粒子，其他粒子为非聚集粒子，其中floor表示去不大于该值的最大整数；

步骤f1、根据式(2)和式(3)进行粒子位置迁移，得到第i+1代粒子：

(2)

(3)

式(2)和式(3)中，i表示当前代数；j表示粒子的序号；x表示迁移粒子位置；w表示权重因子；p表示当前代适应度最优粒子位置；g表示全局适应度最优粒子位置；d表示维度；rand表示[0,1]区间内的随机小数；c₁、c₂、c₃分别表示聚集粒子的代最优学习因子、聚集粒子的全局最优学习因子、非聚集粒子的前粒子学习因子，分别取0.5、0.8、1；

步骤g1、判断粒子是否超出边界，超出则进行位置随机重置：

步骤h1、判断是否达到最大迭代次数T，达到了就输出最优适应度和全局最优粒子位置，没有达到则跳转到步骤b，反之则输出全局最优粒子位置g和相应的全局最优适应度Fit_gbest，g即为最佳电机PID控制器参数组合。