[发明专利]一种基于新型神经网络的自抗扰温度控制方法

权利要求书

1.一种基于新型神经网络的自抗扰温度控制方法，其特征在于，包括以下步骤；

采集当前温度数据，获取自抗扰温度控制偏差参数；

优化新型神经网络的神经网络参数，获取神经网络参数最优解；

基于神经网络参数最优解优化自抗扰温度控制偏差参数，获取自抗扰温度控制增益系数；

基于自抗扰温度控制增益系数矫正温度控制信号，调整冷链温度。

2.根据权利要求1所述的基于新型神经网络的自抗扰温度控制方法，其特征在于，所述基于新型神经网络的温度抗干扰控制方法通过温度传感器采集当前温度数据，并基于当前温度数据判断是否进行温度控制；若是，则根据信号调节器和高阶偏差探测器所获取的期望温度参数计算得到自抗扰温度控制参数；若否，则继续采集温度数据。

3.根据权利要求2所述的基于新型神经网络的自抗扰温度控制方法，其特征在于，所述期望温度参数包括期望温度近似值、期望温度微分信号、期望温度近似值探测值和期望温度微分信号探测值；其中，当当前温度数据超过信号处理器中预设的温度范围后，信号处理器则将期望温度发送给信号调节器，通过信号调解器计算到期望温度近似值和期望温度微分信号，然后通过高阶偏差探测器获取对应的期望温度近似值探测值和期望温度微分信号探测值。

4.根据权利要求2所述的基于新型神经网络的自抗扰温度控制方法，其特征在于，所述自抗扰温度控制偏差参数包括输出偏差e₁、输出微分偏差e₂和输出偏差的积分e₃，通过所述期望温度参数计算得到所述自抗扰温度控制偏差参数，计算公式如下：

e₁＝x₁-z₁

e₂＝x₂-z₂

；

其中，x₁表示期望温度近似值，

x₂表示期望温度微分信号，

z₁表示期望温度近似值探测值，

z₂表示期望温度微分信号探测值，

t表示期望温度。

5.根据权利要求1所述的基于新型神经网络的自抗扰温度控制方法，其特征在于，所述新型神经网络采用乌鸦算法迭代神经网络参数，得到神经网络参数最优解。

6.根据权利要求5所述的基于新型神经网络的自抗扰温度控制方法，其特征在于，所述乌鸦算法迭代优化神经网络参数包括以下步骤：

初始化神经网络参数和乌鸦算法参数，并随机生成乌鸦种群；其中，所述乌鸦为待优化的神经网络参数，乌鸦算法参数包括步长fl、感知概率AP、迭代次数iter、乌鸦群体规模N、问题维度D、乌鸦位置和乌鸦记忆；

计算确定最佳乌鸦种群，并基于最佳乌鸦种群随机选择跟踪乌鸦；

基于跟踪乌鸦更新乌鸦位置和乌鸦记忆；

判断当前迭代次数是否达到最大迭代次数；若是，则输出当前最佳乌鸦位置作为神经网络参数最优解；若否，则重新计算确定最佳乌鸦种群进行迭代更新。

7.根据权利要求6所述的基于新型神经网络的自抗扰温度控制方法，其特征在于，所述乌鸦算法在每一轮迭代中通过以下公式计算确定最佳乌鸦种群数目：

，

其中，iter表示第iter次迭代，

K^iter表示第iter次迭代的最佳乌鸦种群数目，

K_max表示最佳乌鸦种群最大数目，

K_min表示最佳乌鸦种群最小数目，

iter_max表示最大迭代次数。

8.根据权利要求6所述的基于新型神经网络的自抗扰温度控制方法，其特征在于，所述乌鸦算法通过判断跟踪乌鸦是否被发现跟踪确定乌鸦位置更新方式。