本發(fā)明屬于pid控制優(yōu)化領(lǐng)域，尤其涉及一種用于電動起立床的姿態(tài)調(diào)節(jié)控制優(yōu)化方法。

背景技術(shù)：

1、電動起立床的姿態(tài)調(diào)節(jié)是通過內(nèi)置的電機驅(qū)動系統(tǒng)，結(jié)合多軸協(xié)調(diào)控制技術(shù)，實現(xiàn)床體不同部位（如背部、腿部）的精確角度調(diào)整，支持從平躺、傾斜到直立等多種姿態(tài)的平穩(wěn)過渡，通過傳感器實時監(jiān)測床體位置和負載分布，調(diào)節(jié)過程中采用優(yōu)化的軌跡規(guī)劃和加速度限制算法，確保動作流暢、無明顯沖擊，同時保障用戶的舒適性和安全性，系統(tǒng)還可根據(jù)用戶需求提供多種預設姿態(tài)模式，并通過語音、按鍵或移動設備進行智能化控制，滿足醫(yī)療康復、老年護理等多場景的使用需求。

2、pid控制器是一種廣泛應用于工業(yè)控制領(lǐng)域的反饋控制算法，通過比例（p）、積分（i）和微分（d）三部分對系統(tǒng)誤差進行調(diào)節(jié)，比例控制根據(jù)當前誤差生成控制量，快速響應并減小誤差；積分控制累積歷史誤差，消除穩(wěn)態(tài)誤差；微分控制預測誤差變化趨勢，抑制過沖和振蕩，從而實現(xiàn)系統(tǒng)的精確穩(wěn)定控制，雖然pid控制器結(jié)構(gòu)簡單、易于實現(xiàn)，但傳統(tǒng)pid控制也存在不足之處：一是對非線性系統(tǒng)和時變系統(tǒng)的適應性較差，參數(shù)調(diào)節(jié)需要人工反復試驗；二是對外界干擾和噪聲敏感，容易導致控制性能下降；三是在多變量耦合系統(tǒng)中，難以處理變量間的復雜相互影響。

3、瞪羚優(yōu)化算法(goa)是一種受瞪羚生存行為啟示的元啟發(fā)式算法，算法的開發(fā)階段模擬瞪羚在沒有捕食者或者捕食者跟蹤它的情況下平靜地吃草，一旦發(fā)現(xiàn)捕食者，goa就進入探索階段，在探索階段，瞪羚要跑的比捕食者更快，找到一個安全的避難所，這兩種階段迭代重復，服從終止準則，尋找優(yōu)化問題的最優(yōu)解。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于：通過將改進的瞪羚優(yōu)化算法用于優(yōu)化電動起立床的調(diào)節(jié)電機的轉(zhuǎn)速外環(huán)pid控制器，改進后的瞪羚優(yōu)化算法相較與標準瞪羚優(yōu)化算法適應能力更強，尋優(yōu)精度更好，通過優(yōu)化pid控制器，不僅能夠改善電機的動態(tài)性能和穩(wěn)態(tài)精度，還能顯著提升電動起立床在姿態(tài)調(diào)節(jié)過程中的舒適性和安全性，為醫(yī)療康復設備和老年護理產(chǎn)品提供了一種智能化，優(yōu)化驅(qū)動的解決方案。

2、為實現(xiàn)上述目的，本發(fā)明采用了一種用于電動起立床的姿態(tài)調(diào)節(jié)控制優(yōu)化方法，該方法的具體步驟如下。

3、步驟一、構(gòu)建電動起立床的姿態(tài)調(diào)節(jié)控制系統(tǒng)，所述控制系統(tǒng)包括：命令解析模塊、轉(zhuǎn)速外環(huán)pid控制器、電流內(nèi)環(huán)控制器、改進瞪羚優(yōu)化算法、背部調(diào)節(jié)電機、腿部調(diào)節(jié)電機、編碼器模塊。

4、步驟二、改進瞪羚優(yōu)化算法，具體改進策略如下：

5、d1、使用混沌雙重映射策略初始化種群，使用tent映射和立方映射分別生成兩個混沌映射序列，將融合后的混沌數(shù)映射到搜索空間中，初始化算法的搜索種群；

6、d2、使用一種自適應平滑衰減因子生成瞪羚優(yōu)化算法中捕食者累積效應因子cf，基于個體適應度值的動態(tài)變化調(diào)整cf衰減速率，并加入平滑函數(shù)進行過渡；

7、d3、使用一種萊維余弦自適應搜索策略改進瞪羚優(yōu)化算法的開發(fā)階段的更新策略，通過萊維飛行分布生成的跳躍量來調(diào)整種群中個體的位置更新，并通過余弦函數(shù)根據(jù)當前的迭代階段進行動態(tài)擾動。

8、步驟三、利用改進的瞪羚優(yōu)化算法對電動起立床的姿態(tài)調(diào)節(jié)控制系統(tǒng)中的轉(zhuǎn)速外環(huán)pid控制器進行參數(shù)優(yōu)化，通過算法尋優(yōu)得到最優(yōu)的一組pid控制參數(shù)，kp、ki、kd。

9、步驟四、將通過改進的瞪羚優(yōu)化算法優(yōu)化得到的pid控制的三個最優(yōu)參數(shù)，輸入到電動起立床的姿態(tài)調(diào)節(jié)控制系統(tǒng)中的轉(zhuǎn)速外環(huán)pid控制器，優(yōu)化姿態(tài)調(diào)節(jié)控制效果。

10、進一步地，步驟一所述的電動起立床的姿態(tài)調(diào)節(jié)控制系統(tǒng)，該系統(tǒng)的執(zhí)行過程為：將需要達到的姿態(tài)指令輸入進命令解析模塊，將具體的指令分解為電機需要調(diào)節(jié)的目標角度命令，調(diào)節(jié)電機分為背部調(diào)節(jié)電機和腿部調(diào)節(jié)電機，將目標角度命令和編碼器模塊實時檢測的實際角度進行誤差計算，將實時誤差e(t)輸入轉(zhuǎn)速外環(huán)pid控制器中，通過改進瞪羚優(yōu)化算法對轉(zhuǎn)速外環(huán)pid控制器進行優(yōu)化輸出控制量u(t)，并將控制量u(t)輸入到電流內(nèi)環(huán)控制器，電流內(nèi)環(huán)控制器根據(jù)轉(zhuǎn)速外環(huán)的指令輸出對應的控制量u2(t)，將控制量u2(t)輸入給背部調(diào)節(jié)電機以及腿部調(diào)節(jié)電機進行姿態(tài)調(diào)節(jié)，其中控制量u(t)的計算公式如式(1)所示：

11、(1)；

12、式(1)中，kp表示比例增益，ki表示積分增益，kd表示微分增益，e(t)表示實時誤差。

13、進一步地，d1所述的，使用混沌雙重映射策略初始化種群，具體的數(shù)學模型如式(2)所示：

14、(2)；

15、式(2)中，x表示初始種群的位置，lb表示搜索空間的下限，ub表示搜索空間的上限，表示融合的混沌序列，計算公式如式(3)所示：

16、(3)；

17、式(3)中，λ表示權(quán)重系數(shù)，表示tent映射生成的混沌序列，表示立方映射生成的混沌序列。

18、進一步地，通過融合不同的混沌映射，生成的初始種群具有更強的隨機性和分布均勻性，可以避免初始種群在搜索空間中集中在某些區(qū)域，提升全局搜索能力，減少算法陷入局部最優(yōu)的可能性。

19、進一步地，d2所述的，使用一種自適應平滑衰減因子生成瞪羚優(yōu)化算法中捕食者累積效應因子cf，具體的數(shù)學模型如式(4)所示：

20、(4)；

21、式(4)中，iter表示當前迭代次數(shù)，max_iter表示最大迭代次數(shù)，α表示調(diào)整系數(shù)，β表示適應度值調(diào)整權(quán)重，ε表示[0，1]之間的隨機數(shù)，sigmoid()表示平滑處理函數(shù)，函數(shù)數(shù)值范圍為[-1,1]。

22、自適應平滑衰減因子可以根據(jù)優(yōu)化過程中個體的適應度值的變化動態(tài)調(diào)整衰減速率，優(yōu)化算法可以在不同的階段自適應地調(diào)整策略，在初期衰減率較慢，有助于搜索廣泛的解空間，在后期，衰減速率逐漸加快，推動算法快速收斂，通過引入平滑機制，減少了因個體適應度值波動導致的突變或者震蕩，衰減率不會出現(xiàn)急劇的變化，而是逐步的調(diào)整。

23、進一步地，d3所述的，使用一種萊維余弦自適應搜索策略改進瞪羚優(yōu)化算法的開發(fā)階段的更新策略，具體的數(shù)學模型如式(5)所示：

24、(5)；

25、式(5)中，x(iter+1)表示更新的個體位置，x(iter)表示當前個體位置，levy()表示根據(jù)levy分布生成的跳躍值，iter表示當前迭代次數(shù)，max_iter表示最大迭代次數(shù)，s表示瞪羚吃草速度值，r表示[0，1]之間隨機數(shù)，elite表示種群中的最優(yōu)位置，rb表示布朗運動的隨機數(shù)。

26、進一步地，通過結(jié)合levy飛行和余弦擾動，提高了開發(fā)階段全局搜索能力和逐步過渡局部優(yōu)化能力，levy飛行通過不斷調(diào)整跳躍值提高了算法的尋優(yōu)范圍，避免陷入局部最優(yōu)，而余弦擾動進行動態(tài)調(diào)整步長，保證種群更新質(zhì)量的同時，提高算法搜索的隨機性。

27、進一步地，步驟三中所示的，利用改進的瞪羚優(yōu)化算法對電動起立床的姿態(tài)調(diào)節(jié)控制系統(tǒng)中的轉(zhuǎn)速外環(huán)pid控制器進行參數(shù)優(yōu)化，具體步驟為：

28、s1、模擬電動起立床的姿態(tài)調(diào)節(jié)控制系統(tǒng)的運行，設計傳遞函數(shù)描述控制系統(tǒng)的動態(tài)特征，傳遞函數(shù)如式(6)所示：

29、(6)；

30、式(6)中，s為復數(shù)頻率變量；

31、s2、設置改進瞪羚優(yōu)化算法的初始參數(shù)，包括種群數(shù)量n，問題維度dim，最大迭代次數(shù)max_iter，搜索空間的上限ub，下限lb，通過混沌雙重映射策略初始化種群，具體的數(shù)學模型如式(2)所示；

32、s3、將改進瞪羚優(yōu)化算法與電動起立床的姿態(tài)調(diào)節(jié)控制系統(tǒng)中的轉(zhuǎn)速外環(huán)pid控制器參數(shù)建立映射關(guān)系，具體為問題維度dim=3，對應的種群中個體位置向量為x(iter)=(，，)，與pid控制器的比例系數(shù)kp、積分系數(shù)ki、微分系數(shù)kd建立映射關(guān)系，即算法尋優(yōu)過程中的個體位置向量代表pid控制的控制參數(shù)；

33、s4、設置改進瞪羚優(yōu)化算法的適應度值函數(shù)，每個個體的適應度值表示個體在尋優(yōu)過程中的指標，將適應度值函數(shù)設置為最小化系統(tǒng)的誤差函數(shù)，具體公式如式(7)所示：

34、(7)；

35、式(7)中，j表示適應度值，r(t)表示目標值，y(t)表示實際值，t表示系統(tǒng)運行總時間；

36、s5、計算初始種群的適應度值，并對種群適應度值進行排序，選取最優(yōu)適應度值和對應的最優(yōu)個體位置；

37、s6、通過改進瞪羚優(yōu)化算法的數(shù)學模型對種群中的個體進行位置更新，并更新種群中的最優(yōu)個體和最優(yōu)適應度值；

38、s7、判斷當前迭代次數(shù)是否達到了最大迭代次數(shù)，如果沒有達到，則繼續(xù)執(zhí)行s6進行尋優(yōu)，否則，將種群中的最優(yōu)位置輸出完成尋優(yōu)。

39、進一步地，s6所述的，通過改進瞪羚優(yōu)化算法的數(shù)學模型對種群中的個體進行位置更新，具體步驟為：

40、s61、如果隨機值r<0.5，進入改進瞪羚優(yōu)化算法的開發(fā)階段，使用一種萊維余弦自適應搜索策略進行位置更新，具體的數(shù)學模型如式(5)所示；

41、s62、如果隨機值r>=0.5，進入改進瞪羚優(yōu)化算法的探索階段，探索階段更新種群位置的數(shù)學模型如式(8)所示：

42、(8)；

43、式(8)中，x(iter+1)表示更新的個體位置，x(iter)表示當前個體位置，s表示瞪羚吃草速度值，r表示[0，1]之間隨機數(shù)，elite表示種群中的最優(yōu)位置，rb表示布朗運動的隨機數(shù)，rl表示levy分布生成的隨機數(shù)，cf表示捕食者累積效應因子，計算公式如式(4)所示，μ表示調(diào)整系數(shù)，如果當前迭代次數(shù)為2的倍數(shù)取值為-1，否則取值為1，iter表示當前迭代次數(shù)，max_iter表示最大迭代次數(shù)；

44、s63、計算更新后種群的適應度值，進行排序，更新種群中的最優(yōu)適應度值和最優(yōu)位置。

45、通過采用上述技術(shù)方案，本發(fā)明的有益效果為：通過一種自適應平滑衰減因子生成瞪羚優(yōu)化算法中捕食者累積效應因子cf和一種萊維余弦自適應搜索策略改進瞪羚優(yōu)化算法的數(shù)學模型，并通過混沌雙重映射策略初始化種群，保證搜索種群質(zhì)量的同時增加了種群的多樣性，平衡了算法的開發(fā)和探索階段，提高了算法的尋優(yōu)精度和全局搜索能力，將改進的瞪羚優(yōu)化算法用于優(yōu)化電動起立床的調(diào)節(jié)電機的轉(zhuǎn)速外環(huán)pid控制器，通過優(yōu)化pid控制器，不僅能夠改善電機的動態(tài)響應和控制精度，還能顯著提升電動起立床在姿態(tài)調(diào)節(jié)過程中的舒適性和安全性。