[发明专利]一种大脑情绪控制器控制参数整定方法

摘要

本发明为一种大脑情绪控制器控制参数整定方法，结合大脑情绪控制器的控制机制与运行原理，提出了基于改进粒子群算法的大脑情绪控制器参数整定方法，根据被控制对象的不同，选取不同的d值，确定d值后依据相应公式进行参数寻优，根据d值的不同选择合适的速度公式，保证参数寻优精度及迅速性，并通过性能评价公式即适应度值计算式进行性能指标评价，完成自动调整参数的目的。该方法通过改进型粒子群算法对控制器参数高效、迅速的全局寻优能力，以提高大脑情绪控制器整定的效率，以达成省时省力的目的，从而实现大脑情绪控制器更广泛的应用。

主权项

1.一种大脑情绪控制器控制参数整定方法，该方法的步骤是：步骤1：确定大脑情绪控制器参数个数并初始化：首先依据被控对象确定大脑情绪控制器中感官输入函数的函数形式，进而确定感官输入函数参数K_i的个数，以感官输入函数参数的个数i作为大脑情绪控制器待整定参数个数，之后根据经验估算出各个大脑情绪控制器参数K₁～K_i的取值范围，并为每个大脑情绪控制器参数分别设定初始参数值；步骤2：改进粒子群算法初始化：由步骤1中确定的大脑情绪控制器待整定参数个数i值，i的数值大小即为改进粒子群算法的空间维度d值，建立空间维度与待整定参数之间的一一对应关系，进而确定d值范围，设定迭代次数，粒子群算法在步骤1的参数取值范围内进行随机初始化得到粒子群的初始位置及初始速度，并将初始位置及初始速度认为是初始历史最优值和初始全局最优值；步骤3：改进粒子群算法迭代过程：根据公式(1)与公式(2)迭代计算得到历史最优值和全局最优值；式中：k为当前迭代次数，表示粒子m在k次迭代时的速度信息在第d维的分量，P_gd和P_md分别为全局最优位置P_g和粒子个体历史最优位置P_m在第d维的分量，r₁和r₂为[0,1]之间的任意值；c₁和c₂是学习因子，指算法学习全局最优值和种群个体历史最优值的权重；为粒子m在k次迭代时的位置信息在第d维的分量；由当前迭代次数下单个粒子的速度和位置信息，根据式(3)计算当前粒子位置和速度信息对应的适应值，并根据适应值更新历史最优值和全局最优值；式中J₁、J₂均为性能指标评价函数，表示适应度值；t为迭代时间；e(t)为随时间变化的系统误差；ω₁、ω₂、ω₃均为调节系数；u(t)为大脑情绪控制器输出；并随着迭代次数的增加，按照式(4)和式(5)动态调节式(1)中的变惯性权重W(k)的取值，式中：Maxnumber为最大迭代次数，W₁(k)、W₂(k)分别为式(1)中相应的变惯性权重；W_max为当前迭代次数下惯性权重最大值，W_min为当前迭代次数下惯性权重最小值；判断相邻两次的适应度值是否陷入局部最优，如果没有陷入局部最优，更新当前粒子位置和速度；否则转步骤2，重新初始化粒子群位置和速度并进行计算；步骤4：再判断是否满足结束条件达到迭代次数，如果满足条件，则输出最优解，全局寻优结束，实现自动调节大脑情绪控制器参数的目的；如果不满足终止条件，则返回步骤3更新全局最优值和历史最优值，惯性权重适应性变化。