[发明专利]基于遗传算法和迭代学习法的智能称重控制方法

摘要

一种基于遗传算法和迭代学习法的智能称重控制方法，其特征是：首先，将任一时刻t所测量得到的实际重量与期望值之间的差值e_k(t)作为迭代偏差代入迭代学习算法公式中，然后根据遗传算法寻优设计的迭代学习控制方法具有较强的鲁棒性的特点，实时计算出控制信号量给阀门驱动机构，实现称重控制。本发明仅根据称重偏差来确定控制大、小闸门的时间，完全不依赖于料仓的料位变化和每一瞬间物料流流速的随机变化，具有实时性强，控制精度高的优点。

主权项

1、一种基于遗传算法和迭代学习法的智能称重控制方法，其特征是：首先，将任一时刻t所测量得到的实际重量与期望值之间的差值ek(t)作为迭代偏差代入迭代学习算法公式中：式中：ГP、Гl和ГD分别为需要通过迭代学习的学习增益；uk(t)为t时刻的控制信号大小，起始值为0或最大值，uk+1为需求得的下一时刻控制信号的大小值；其次，设定目标函数为：Jk(uk)＝||uk||2+||ek||2第三，根据目标函数求得适应度函数：f＝1/jk；第四，对迭代学习控制器参数(ГP、Гl和ГD)进行编码，随机产生初始群体；第五，根据第三步的公式计算个体适应度值；第六，根据所得的个体适应度值，对个体进行复制，适应度值越大，复制率越高；第七，对第六步产生的个体进行交叉、变异操作，形成新的群体；第八；重新计算个体适应度值，使适应度函数值f为最小值，此时的迭代学习控制器参数ГP、Гl和ГD)为最优值；最后将遗传寻优得出的最优迭代学习控制器参数(ГP、Гl和ГD)代入第一步的公式中，所得的控制值即为下一时刻的最优的控制信号值；重复上述步骤直至任一时刻t所测量得到的实际重量与期望值之间的差值ek(t)等于或接近于0。