本發(fā)明涉及一種永磁直線同步電機(jī)控制領(lǐng)域，具體涉及一種基于果蠅-蛙跳混合算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)PID的永磁直線同步電機(jī)速度控制方法。

背景技術(shù)：

相對(duì)于旋轉(zhuǎn)電機(jī)而言，由永磁直線同步電機(jī)(簡(jiǎn)稱PMLSM)組成的直線伺服系統(tǒng)，因?yàn)槭÷粤藦男D(zhuǎn)電機(jī)至工作臺(tái)之間的所有機(jī)械傳動(dòng)環(huán)節(jié)，能夠直接將電能轉(zhuǎn)化為直線運(yùn)動(dòng)機(jī)械能，并不需要任何中間轉(zhuǎn)換機(jī)構(gòu)，具有結(jié)構(gòu)簡(jiǎn)單、高速度、高精度、高耐久性、直接驅(qū)動(dòng)等優(yōu)點(diǎn)，已在機(jī)器人、高精度數(shù)控機(jī)床、半導(dǎo)體制造等工業(yè)控制領(lǐng)域得到廣泛應(yīng)用。

目前，在永磁直線同步電機(jī)直接驅(qū)動(dòng)系統(tǒng)中，直線同步電機(jī)和工作臺(tái)之間因?yàn)槿鄙偃魏沃虚g的緩沖機(jī)構(gòu)和環(huán)節(jié)，使得系統(tǒng)參數(shù)變化、負(fù)載干擾、推力波動(dòng)、摩擦力等不確定因素直接作用并影響永磁直線同步電機(jī)，加大了直線同步電機(jī)系統(tǒng)控制難度；再加之直線電機(jī)系統(tǒng)屬于多變量、參數(shù)時(shí)變、強(qiáng)耦合性的非線性系統(tǒng)，從而大大影響了直線同步電機(jī)控制系統(tǒng)的控制性能。為此，需要采取有效的控制方案，尤其對(duì)永磁直線同步電機(jī)控制系統(tǒng)的控制器進(jìn)行重新設(shè)計(jì)，以削弱甚至消除系統(tǒng)參數(shù)攝動(dòng)、外界擾動(dòng)等因素對(duì)系統(tǒng)控制性能的影響。

以往永磁直線同步電機(jī)調(diào)速系統(tǒng)中的速度控制器采用傳統(tǒng)PID控制方法，盡管PID算法簡(jiǎn)單，且有一定的控制精度，但仍為線性控制，遠(yuǎn)不能滿足直線同步電機(jī)非線性系統(tǒng)高精度、快響應(yīng)要求。于是很多學(xué)者提出人工智能以及與PID控制相結(jié)合的技術(shù)方案，設(shè)計(jì)了模糊PID控制器、模糊神經(jīng)網(wǎng)絡(luò)控制器、模糊神經(jīng)網(wǎng)絡(luò)PID控制器等，相關(guān)研究文獻(xiàn)有：

[1]胡江.永磁同步直線電機(jī)智能化PID速度控制研究[J].信息技術(shù)，2015(8)：96-99；

[2]喬維德.遺傳算法優(yōu)化的開(kāi)關(guān)磁阻電動(dòng)機(jī)RFNN位置控制器設(shè)計(jì)[J].微特電機(jī)，2016(2)：75-77；

[3]黨明輝，郭亮，基于模糊神經(jīng)網(wǎng)絡(luò)PID的永磁同步直線電機(jī)控制算法研究[J].浙江理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016(1)：52-57；

[4]許道金，楊慶東，衣杰.永磁同步直線電機(jī)模糊PID控制及仿真[J].機(jī)械工程與自動(dòng)化，2014(1)：161-163；

[5]何良辰，劉楊.遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的直線電機(jī)定位力辨識(shí)[J].自動(dòng)化與儀表，2016(2)：1-3；

[6]魯尚，黃宴委，陳迪，李竣.基于模糊推理的免疫PID控制方法的直線電機(jī)速度控制[J].福州大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014(6)：418-422；

[7]謝潛偉，劉軍.永磁同步直線電機(jī)的變論域模糊PID控制[J].微電機(jī)，2013(12)：75-77；

[8]孫華，張濤.永磁同步直線電機(jī)的模糊PID控制及仿真試驗(yàn)[J].機(jī)床與液壓，2011(5)：108-110；

[9]喬維德.基于免疫遺傳模糊神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)控制[J].電氣傳動(dòng)，2008(5)：18-21；

[10]王彥，鄧勇，王超.基于改進(jìn)粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計(jì)[J].控制工程，2012(5)：761-764；

[11]喬維德.基于粒子群模糊神經(jīng)網(wǎng)絡(luò)的繼電保護(hù)系統(tǒng)故障診斷[J].江蘇電器，2008(3)：37-39；

從已有研究文獻(xiàn)分析，用于優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)PID控制器的學(xué)習(xí)算法主要采取BP算法、遺傳算法、粒子群優(yōu)化算法等，這些算法在學(xué)習(xí)訓(xùn)練中存在學(xué)習(xí)過(guò)程長(zhǎng)、易于早熟、容易陷入局部最優(yōu)、魯棒性差等問(wèn)題，學(xué)習(xí)速度、學(xué)習(xí)精度以及尋優(yōu)效率不高，從而直接影響永磁直線同步電機(jī)模糊神經(jīng)網(wǎng)絡(luò)PID控制器的控制性能。

技術(shù)實(shí)現(xiàn)要素：

為克服上述學(xué)習(xí)算法存在的問(wèn)題與不足，提高永磁直線同步電機(jī)控制系統(tǒng)的速度響應(yīng)及控制精度，增強(qiáng)控制系統(tǒng)的魯棒性和抗擾動(dòng)能力，以便更加精準(zhǔn)地實(shí)現(xiàn)永磁直線同步電機(jī)的速度控制，本發(fā)明提出一種基于果蠅-蛙跳混合算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)PID的永磁直線同步電機(jī)速度控制方法。鑒于現(xiàn)有模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)尋優(yōu)過(guò)程及其尋優(yōu)結(jié)果的弊端，首次將果蠅優(yōu)化算法和蛙跳算法相融合生成一種新型的果蠅-蛙跳混合算法，優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，輸出PID最優(yōu)參數(shù)，從而更好滿足永磁直線同步電機(jī)伺服控制系統(tǒng)的性能要求。本發(fā)明的技術(shù)方案為：

一種基于果蠅-蛙跳混合算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)PID的永磁直線同步電機(jī)速度控制方法，控制系統(tǒng)由速度外環(huán)和電流內(nèi)環(huán)組成。其中，電流環(huán)含有i_d＝0控制器和i_q控制器，電流環(huán)設(shè)計(jì)為傳統(tǒng)的PID調(diào)節(jié)器，電流環(huán)的輸入取決于速度環(huán)的控制輸出。速度環(huán)設(shè)計(jì)為模糊神經(jīng)網(wǎng)絡(luò)PID控制器。所述的模糊神經(jīng)網(wǎng)絡(luò)PID速度控制器的控制性能好壞直接影響電流環(huán)及永磁直線同步電機(jī)系統(tǒng)的整體控制性能，利用果蠅-蛙跳算法在線優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)，通過(guò)學(xué)習(xí)訓(xùn)練的模糊神經(jīng)網(wǎng)絡(luò)輸出PID控制器的最佳控制參數(shù)k_p、k_i、k_d，極大提升系統(tǒng)的控制性能。

模糊神經(jīng)網(wǎng)絡(luò)PID速度控制器設(shè)計(jì)由PID控制器、模糊神經(jīng)網(wǎng)絡(luò)、果蠅-蛙跳算法優(yōu)化等部分組成，模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中隸屬度高斯函數(shù)均值m_ij及標(biāo)準(zhǔn)值δ_ij、連接權(quán)值ω_jk和ω_ko等可調(diào)參數(shù)對(duì)速度控制器的控制性能有著重要影響。本發(fā)明充分利用果蠅優(yōu)化算法全局搜索能力強(qiáng)、收斂速度快，以及蛙跳算法局部深度搜尋能力強(qiáng)的優(yōu)勢(shì)，首次將果蠅算法和蛙跳算法進(jìn)行有機(jī)融合，形成果蠅-蛙跳算法來(lái)優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。所述的果蠅-蛙跳算法主要優(yōu)化過(guò)程為：

step1：參數(shù)初始化

初始化果蠅群體規(guī)模groupsize，果蠅算法最大迭代次數(shù)maxmum，蛙跳算法最大迭代次數(shù)maxnum1，隨機(jī)設(shè)定果蠅群體初始位置即X₀、Y₀，等等

step2：種群初始化

隨機(jī)設(shè)置果蠅個(gè)體利用嗅覺(jué)搜索食物目標(biāo)的方向及距離，隨機(jī)數(shù)rand設(shè)為果蠅優(yōu)化迭代步進(jìn)值，即：

step3：計(jì)算果蠅個(gè)體味道濃度

因?yàn)椴荒艽_定食物的具體位置，所以首先估算果蠅與原點(diǎn)之間的距離d_i，然后測(cè)算果蠅個(gè)體的味道濃度判定值G_i：接著將味道濃度判定值G_i代入味道濃度判別函數(shù)Function(也稱為適應(yīng)度函數(shù))，計(jì)算果蠅個(gè)體位置的味道濃度taste_i：

taste_i＝Function(G_i)

step4：尋找且保留全局最大味道濃度的果蠅個(gè)體

[besttaste bestindex]＝max(taste_i)

從群體中尋找味道濃度最佳果蠅個(gè)體，記錄且保留最高味道濃度值besttaste及其對(duì)應(yīng)X、Y坐標(biāo)軸值，同時(shí)果蠅憑借敏銳的視覺(jué)飛向該坐標(biāo)值位置，形成新的果蠅群聚位置。

step5：果蠅迭代尋優(yōu)。及時(shí)判斷當(dāng)前果蠅最佳味道濃度是否優(yōu)于前次迭代味道濃度，若不是，則轉(zhuǎn)至step2重復(fù)執(zhí)行。如果當(dāng)前味道濃度優(yōu)于以往迭代的味道濃度，或者迭代次數(shù)已滿足最大迭代次數(shù)maxnum，則果蠅算法結(jié)束，轉(zhuǎn)入step6執(zhí)行。

step6：將組成的新果蠅群中各個(gè)體看作青蛙個(gè)體，并按適度度從高到低排列。

step7：按蛙跳思想將蛙群劃分成m個(gè)子群，每個(gè)子群均有k只青蛙。

step8：記錄保留每個(gè)子群內(nèi)適應(yīng)度最佳個(gè)體X_b和最差青蛙個(gè)體X_w，并按下式更新計(jì)算每個(gè)子群中適應(yīng)度最差青蛙個(gè)體。

D_j＝R(X_b-X_w)

X_w(new)＝X_w+D_j，||D_j||≤D_max

公式中，R表示[0，1]區(qū)間上的隨機(jī)數(shù)，D_j表示在第j維上移動(dòng)距離，D_max代表青蛙位置一次更新改變的最大值。如果X_w(new)的適應(yīng)值比原來(lái)X_w適應(yīng)值差，則用整個(gè)蛙群最優(yōu)個(gè)體X_g替換式中X_b；如果得到的X_w(new)適應(yīng)值依然沒(méi)有變好，則隨機(jī)產(chǎn)生-新解(青蛙)替換原來(lái)的解X_w(即最差青蛙)。

step9：如果達(dá)到蛙跳算法設(shè)定的迭代次數(shù)maxnum1，則更新輸出全局適應(yīng)值最好的青蛙個(gè)體X_g；否則轉(zhuǎn)入step8，重新更新每個(gè)子群中適應(yīng)值最差的青蛙個(gè)體。

step10：輸出的全局最優(yōu)青蛙個(gè)體X_g便作為模糊神經(jīng)網(wǎng)絡(luò)的最優(yōu)結(jié)構(gòu)參數(shù)。

本發(fā)明的有益效果歸納如下：

(1)本發(fā)明針對(duì)永磁直線同步電機(jī)伺服系統(tǒng)中的非線性、不確定性，且在電機(jī)運(yùn)行中極易受負(fù)載擾動(dòng)影響等問(wèn)題，提出一種模糊神經(jīng)網(wǎng)絡(luò)PID速度控制器，同時(shí)將果蠅優(yōu)化算法和蛙跳算法這兩種群體智能算法融合形成果蠅-蛙跳算法，以果蠅-蛙跳算法在線優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)隸屬度高斯函數(shù)均值m_ij及標(biāo)準(zhǔn)值δ_ij、隸屬函數(shù)層與規(guī)則層之間的連接權(quán)值ω_jk、規(guī)則層與輸出層之間的連接權(quán)值ω_ko等。果蠅-蛙跳算法能發(fā)揮果蠅算法和蛙跳算法各自優(yōu)勢(shì)，并彌補(bǔ)其不足，不僅保持果蠅算法較強(qiáng)的全局搜索尋優(yōu)和較快收斂速度性能，而且又具備蛙跳算法較好的局部深度搜索能力，該算法在應(yīng)用中顯示出很好的參數(shù)尋優(yōu)能力。

(2)與傳統(tǒng)PID及現(xiàn)有的BP模糊神經(jīng)網(wǎng)絡(luò)PID、GA模糊神經(jīng)網(wǎng)絡(luò)PID等控制器相比，采取果蠅-蛙跳算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)PID控制器，能輸出PID控制器最優(yōu)參數(shù)k_p、k_i、k_d，進(jìn)一步提高永磁直線同步電機(jī)控制系統(tǒng)的動(dòng)、靜態(tài)性能，系統(tǒng)的魯棒性強(qiáng)。

附圖說(shuō)明

圖1為永磁直線同步電機(jī)控制系統(tǒng)結(jié)構(gòu)原理圖。

圖2為模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖。

圖3為果蠅-蛙跳混合算法優(yōu)化流程圖。

圖4為不同控制器作用條件下永磁直線同步電機(jī)系統(tǒng)仿真響應(yīng)曲線。

圖5為實(shí)驗(yàn)驗(yàn)證原理示意圖。

圖6為突加負(fù)載時(shí)的試驗(yàn)電機(jī)速度響應(yīng)曲線。

圖7為轉(zhuǎn)速下降時(shí)的試驗(yàn)電機(jī)速度響應(yīng)曲線。

具體實(shí)施方式

以下結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)闡釋。

本發(fā)明實(shí)施例描述了一種基于果蠅-蛙跳混合算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)PID的永磁直線同步電機(jī)控制系統(tǒng)，控制系統(tǒng)基本結(jié)構(gòu)如圖1所示。它包括速度外環(huán)控制和電流內(nèi)環(huán)控制。其中，電流環(huán)含有i_d＝0控制器和i_q控制器，電流環(huán)設(shè)計(jì)為傳統(tǒng)的PID調(diào)節(jié)器，電流環(huán)的輸入取決于速度環(huán)的控制輸出。永磁直線同步電機(jī)的參考給定速度v_r與實(shí)際速度值v比較后差值送入速度控制器，由速度控制器輸出q軸參考電流i_q^*，并得到d軸和q軸電壓值，通過(guò)坐標(biāo)變換求取α軸和β軸的參考電壓，再利用空間矢量脈寬調(diào)制PWM技術(shù)產(chǎn)生電壓源型逆變器的驅(qū)動(dòng)信號(hào)，以有效控制永磁直線同步電機(jī)。本系統(tǒng)中，速度控制器的控制性能好壞將直接影響電流環(huán)及永磁直線同步電機(jī)系統(tǒng)的整體控制性能，為此速度控制器設(shè)計(jì)為模糊神經(jīng)網(wǎng)絡(luò)PID控制器，并利用果蠅-蛙跳算法在線優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)，通過(guò)學(xué)習(xí)訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)輸出PID控制器的最佳控制參數(shù)k_p、k_l、k_d，從而極大提升系統(tǒng)的控制性能。

下面從永磁直線同步電機(jī)數(shù)學(xué)模型、模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、果蠅-蛙跳算法優(yōu)化流程、模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、系統(tǒng)仿真分析以及實(shí)驗(yàn)驗(yàn)證等六個(gè)方面對(duì)本發(fā)明做深入介紹。

(1)永磁直線同步電機(jī)的數(shù)學(xué)模型

永磁直線同步電機(jī)應(yīng)用矢量控制策略，采用坐標(biāo)變換方法，建立d-q坐標(biāo)軸模型下的數(shù)學(xué)模型。

永磁直線同步電機(jī)的電壓和磁鏈方程表達(dá)式為：

永磁直線同步電機(jī)的的電磁推力表達(dá)式為：

永磁直線同步電機(jī)的的機(jī)械運(yùn)動(dòng)方程表示為

以上式中，u_d、u_q表示d、q軸的電壓，i_d、i_q表示d、q軸的電流；L_d、L_q為d軸、q軸電感；ψ_d、ψ_q表示d、q軸的繞組磁鏈；ψ_f表示電機(jī)定子永磁體磁鏈；R_S為電機(jī)繞組線圈電阻；τ為電機(jī)極距；F_e表示直線電機(jī)的電磁推力；F_L表示直線電機(jī)的負(fù)載阻力；B表示粘滯摩擦系數(shù)；v表示直線電機(jī)的機(jī)械運(yùn)動(dòng)速度；M表示直線電機(jī)的質(zhì)量。

從上述數(shù)學(xué)模型可以明顯看出，永磁直線同步電機(jī)具有參數(shù)時(shí)變性、非線性、強(qiáng)耦合性、受負(fù)載擾動(dòng)影響大等特點(diǎn)和問(wèn)題，如果仍采用傳統(tǒng)的線性控制方法如PID控制，則會(huì)極大影響對(duì)永磁直線同步電機(jī)系統(tǒng)的控制效果。為提高系統(tǒng)速度控制的準(zhǔn)確度、快速性以及抗擾動(dòng)能力，本發(fā)明采用速度、電流雙閉環(huán)控制，電流環(huán)采取PID控制，速度環(huán)設(shè)計(jì)成模糊神經(jīng)網(wǎng)絡(luò)PID控制器。

(2)模糊神經(jīng)網(wǎng)絡(luò)PID控制器

基于模糊神經(jīng)網(wǎng)絡(luò)PID控制器的永磁直線同步電機(jī)控制系統(tǒng)，將電機(jī)的速度差值e及其差值變化率ec＝de/dt作為模糊神經(jīng)網(wǎng)絡(luò)的輸入量，模糊神經(jīng)網(wǎng)絡(luò)輸出PID控制器運(yùn)算所需的最優(yōu)參數(shù)k_p、k_l、k_d，PID控制器采用增量式PID運(yùn)算，其輸出u(k)算式為：

u(k)＝u(k-1)+Δu(k)＝k_p[e(k)-e(k-1)]+k_le(k)+k_d[e(k)-2e(k-1)+e(k-2) (4)

模糊神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱FNN)結(jié)構(gòu)如圖2所示。網(wǎng)絡(luò)由輸入層(i層)、隸屬函數(shù)層(j層)、規(guī)則層(k層)、輸出層(O層)組成。

第一層為輸入層。該層有2個(gè)神經(jīng)元，通過(guò)作用函數(shù)f_l⁽¹⁾直接將轉(zhuǎn)速誤差e及其變化率ec傳遞到下一層，第一層輸出為：

第二層為隸屬函數(shù)層或模糊化層。該層主要用來(lái)計(jì)算各輸入量的隸屬度值，對(duì)其進(jìn)行模糊化處理。每個(gè)輸入量都各自用模糊子集{ND、NM、NX、ZE、PX、PM、PD}來(lái)表示，其中，ND、PD分別代表為負(fù)大、正大，NM、PM分別代表負(fù)中、正中，NX、PX分別代表負(fù)小、正小，ZE為零。該層的輸出為各節(jié)點(diǎn)輸入變量對(duì)應(yīng)模糊子集的隸屬度函數(shù)，這里采取高斯型函數(shù)作為隸屬度函數(shù)。該層共有14個(gè)節(jié)點(diǎn)，第j個(gè)節(jié)點(diǎn)的輸出與輸入的關(guān)系為：

式中，m_ij和δ_ij分別表示x_l⁽²⁾的隸屬度高斯函數(shù)的均值和標(biāo)準(zhǔn)差。

第三層為模糊規(guī)則層。該層通過(guò)與上一層隸屬函數(shù)層的連接，實(shí)現(xiàn)模糊規(guī)則的合理匹配及其神經(jīng)元各節(jié)點(diǎn)之間的模糊推理運(yùn)算。根據(jù)永磁直線同步電機(jī)控制系統(tǒng)特點(diǎn)及其對(duì)速度控制要求，PID控制器的參數(shù)k_p與輸入量e、ec之間的模糊規(guī)則如表1所示。

表2為PID控制器的參數(shù)k_i與輸入量e、ec之間的模糊規(guī)則。

表3為PID控制器的參數(shù)k_d與輸入量e、ec之間的模糊規(guī)則。

模糊規(guī)則層中每個(gè)節(jié)點(diǎn)神經(jīng)元均對(duì)應(yīng)1條模糊邏輯運(yùn)算規(guī)則。以表1為例，可以生成k_p的模糊推理規(guī)則49條，所以k_p、k_i、k_d共有對(duì)應(yīng)模糊規(guī)則147條，即模糊規(guī)則層共含有147個(gè)神經(jīng)元。該層輸出可表示為：

其中，是規(guī)則層中的第j個(gè)輸入量；ω_jk為隸屬函數(shù)與規(guī)則層之間的連接權(quán)值。

第四層為輸出層。共有3個(gè)節(jié)點(diǎn)，輸出量為規(guī)則層輸出信號(hào)經(jīng)處理后的總和。

式中，是抵達(dá)第4層的第k個(gè)輸入量，ω_ko是第3層與第4層間的連接權(quán)值，的3個(gè)輸出量分別對(duì)應(yīng)PID控制器的比例、積分、微分常數(shù)k_p、k_i及k_d值。

在以上模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型中，第2層的14個(gè)節(jié)點(diǎn)中高斯基函數(shù)的均值m_ij和標(biāo)準(zhǔn)差δ_ij以及第3、4層間的連接權(quán)值ω_ko均需要調(diào)整和優(yōu)化。

(3)果蠅-蛙跳算法優(yōu)化流程

果蠅-蛙跳算法優(yōu)化步驟為：

step1：參數(shù)初始化

初始化果蠅群體規(guī)模groupsize，果蠅算法最大迭代次數(shù)maxnum，蛙跳算法最大迭代次數(shù)maxnum1，隨機(jī)設(shè)定果蠅群體初始位置即X₀、Y₀，等等。

step2：初始化果蠅群體位置

隨機(jī)設(shè)置果蠅個(gè)體利用嗅覺(jué)搜索食物目標(biāo)的方向及距離，隨機(jī)數(shù)rand設(shè)為果蠅優(yōu)化迭代步進(jìn)值，即：

step3：計(jì)算果蠅個(gè)體味道濃度

因?yàn)椴荒艽_定食物的具體位置，所以首先估算果蠅與原點(diǎn)之間的距離h_i，然后測(cè)算果蠅個(gè)體的味道濃度判定值G_i：接著將味道濃度判定值G_i代入味道濃度判別函數(shù)Function(也稱為適應(yīng)度函數(shù))，計(jì)算果蠅個(gè)體位置的味道濃度taste_i；

taste_i＝Function(G_i) (13)

step4：尋找且保留全局最大味道濃度的果蠅個(gè)體

[besttaste bestindex]＝max(taste_i) (14)

從群體中尋找味道濃度最佳果蠅個(gè)體，記錄且保留最高味道濃度值besttaste及其對(duì)應(yīng)X、Y坐標(biāo)軸值，同時(shí)果蠅憑借敏銳的視覺(jué)飛向該坐標(biāo)值位置，形成新的果蠅群聚位置。

step5：果蠅迭代尋優(yōu)。及時(shí)判斷當(dāng)前果蠅最佳味道濃度是否優(yōu)于前次迭代味道濃度，若不是，則轉(zhuǎn)至step2重復(fù)執(zhí)行。如果當(dāng)前味道濃度優(yōu)于以往迭代的味道濃度，或者迭代次數(shù)已滿足最大迭代次數(shù)maxnum，則果蠅算法結(jié)束，轉(zhuǎn)入step6執(zhí)行。

step6：將組成的新果蠅群中各個(gè)體看作青蛙個(gè)體，并按適度度從高到低排列。

step7：按蛙跳思想將蛙群劃分成m個(gè)子群，每個(gè)子群均有k只青蛙。

step8：記錄保留每個(gè)子群內(nèi)適應(yīng)度最佳個(gè)體X_b和最差青蛙個(gè)體X_w，并按下式更新計(jì)算每個(gè)子群中適應(yīng)度最差青蛙個(gè)體。

D_l＝R(X_b-X_w) (16)

X_w(new)＝X_w+D_l，||D_l||≤D_max (17)

公式中，R表示[0，1]區(qū)間上的隨機(jī)數(shù)，D_j表示在第j維上移動(dòng)距離，D_max代表青蛙位置一次更新改變的最大值。如果X_w(new)的適應(yīng)值比原來(lái)X_w適應(yīng)值差，則用整個(gè)蛙群最優(yōu)個(gè)體X_g替換式中X_b；如果得到的X_w(new)適應(yīng)值依然沒(méi)有變好，則隨機(jī)產(chǎn)生一新解(青蛙)替換原來(lái)的解X_w(即最差青蛙)。

step9：如果達(dá)到蛙跳算法設(shè)定的迭代次數(shù)maxnum1，則更新輸出全局適應(yīng)值最好的青蛙個(gè)體X_g；否則轉(zhuǎn)入step8，重新更新每個(gè)子群中適應(yīng)值最差的青蛙個(gè)體。

step10：輸出的全局最優(yōu)青蛙個(gè)體X_g便作為模糊神經(jīng)網(wǎng)絡(luò)的最優(yōu)結(jié)構(gòu)參數(shù)。

(4)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

將模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)m_ij、δ_ij、ω_jk、ω_ko置于一多維向量，每一個(gè)參數(shù)均看作果蠅-蛙跳算法中的果蠅個(gè)體。初始化種群時(shí)隨機(jī)產(chǎn)生N只果蠅，每只果蠅構(gòu)成一個(gè)模糊神經(jīng)網(wǎng)絡(luò)，通過(guò)輸入樣本對(duì)這些模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。每個(gè)模糊神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)在訓(xùn)練樣本集中的均方誤差(即目標(biāo)函數(shù))為：

上式中，n為樣本個(gè)數(shù)，Y_o，p為訓(xùn)練樣本p在第o個(gè)輸出節(jié)點(diǎn)的實(shí)際輸出；Q_o，p為對(duì)應(yīng)的期望輸出。設(shè)定Fitness＝1/(MSE+1)作為測(cè)算果蠅-蛙跳算法的適應(yīng)度函數(shù)，用來(lái)對(duì)每個(gè)果蠅個(gè)體進(jìn)行適應(yīng)度評(píng)價(jià)，直至搜尋到果蠅群體中的最佳個(gè)體。當(dāng)MSE小于給定誤差或者果蠅-蛙跳算法的進(jìn)化迭代次數(shù)超過(guò)最大進(jìn)化迭代次數(shù)時(shí)，則果蠅-蛙跳算法訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò)過(guò)程結(jié)束。

(5)系統(tǒng)仿真分析

采用軟件工具M(jìn)atlab/Simulink搭建永磁直線同步電機(jī)控制系統(tǒng)的仿真模型。仿真用永磁直線同步電機(jī)參數(shù)設(shè)置如下：繞組電樞電阻R_S＝3.25Ω，電感L_d＝L_q＝32.75mH，動(dòng)子質(zhì)量M＝5.5kg，極距τ＝36mm，粘滯摩擦系數(shù)B＝6N·s/m，定子磁鏈Ψ_f＝0.28wb，F(xiàn)_L＝200N。果蠅-蛙跳混合算法參數(shù)選取為：果蠅種群規(guī)模groupsize＝200，最大混合迭代次數(shù)maxnum＝500，果蠅優(yōu)化迭代步進(jìn)值rand在[-1，1]內(nèi)取值；蛙跳算法的最大內(nèi)迭代次數(shù)maxnum1-15，族群(子群)數(shù)m＝20，每個(gè)族群(子群)內(nèi)的個(gè)體個(gè)數(shù)k＝10，隨機(jī)初始化果蠅群體位置(X_axis，Y axis)為待優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的搜索空間。在永磁直線同步電機(jī)電流、速度雙閉環(huán)控制系統(tǒng)中，電流內(nèi)環(huán)仍使用傳統(tǒng)PID控制器，而速度外環(huán)由本發(fā)明設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)PID控制器作為速度控制器。

為了進(jìn)行對(duì)比實(shí)驗(yàn)研究，先后采取傳統(tǒng)PID控制器、BP算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)PID控制器(即BP-FNNPID)、遺傳算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)PID控制器(即GA-FNNPID)、經(jīng)果蠅-蛙跳算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)PID控制器(即FOA-FLA-FNNPID)分別取代永磁直線同步電機(jī)控制系統(tǒng)中的速度控制器，圖4為不同控制器作用下永磁直線同步電機(jī)系統(tǒng)仿真輸出響應(yīng)比較曲線，其中設(shè)定的給定速度為v_r＝5mm/s的階躍信號(hào)，曲線①、②、③、④分別表示傳統(tǒng)PID、BP-FNNPID、GA-FNNPID、FOA-FLA-FNNPID等不同速度控制器條件下的響應(yīng)曲線。

由圖4比較分析，經(jīng)果蠅-蛙跳算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)PID控制器用于速度控制器時(shí)，直線同步電機(jī)控制系統(tǒng)的穩(wěn)態(tài)誤差最小，系統(tǒng)調(diào)整時(shí)間最短，無(wú)超調(diào)，系統(tǒng)跟蹤響應(yīng)速度也最快。當(dāng)系統(tǒng)在t＝0.21s時(shí)突減50N負(fù)載時(shí)，F(xiàn)OA-FLA優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)PID控制器系統(tǒng)受到外界負(fù)載變化擾動(dòng)的影響最小，系統(tǒng)的魯棒性能最強(qiáng)。表4為階躍速度信號(hào)下各控制器的具體性能指標(biāo)比較情況。

(6)實(shí)驗(yàn)驗(yàn)證

為了進(jìn)一步驗(yàn)證果蠅-蛙跳算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)PID控制器的控制性能及其控制效果，建立永磁直線同步電機(jī)控制實(shí)驗(yàn)平臺(tái)，實(shí)驗(yàn)樣機(jī)參數(shù)與仿真參數(shù)相同。實(shí)驗(yàn)原理示意圖如圖5所示。

實(shí)驗(yàn)控制芯片使用DSP芯片TMS320F2812，DSP完成永磁直線同步電機(jī)控制系統(tǒng)的數(shù)據(jù)采集、信號(hào)處理與控制等功能。系統(tǒng)控制的外圍電路包括功率驅(qū)動(dòng)器、逆變器電路、電流采樣檢測(cè)電路、示波器、PC機(jī)、CAN通信電路等。給定永磁直線同步電機(jī)速度為6mm/s階躍信號(hào)，且在t＝0.17秒時(shí)突加10N·m負(fù)載，采取本發(fā)明設(shè)計(jì)的果蠅-蛙跳算法優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)PID速度控制器時(shí)的速度響應(yīng)曲線如圖6所示。

從圖6中可以明顯觀察出系統(tǒng)調(diào)整時(shí)間較短，超調(diào)量非常小，幾乎為零，并且t＝0.17秒時(shí)因負(fù)載干擾而引起的速度變化量?jī)H為-0.04mm/s，表明負(fù)載擾動(dòng)對(duì)直線電機(jī)轉(zhuǎn)速影響很小，實(shí)驗(yàn)取得了與上面仿真相類似的結(jié)果。

圖7為在0.15秒處直線電機(jī)轉(zhuǎn)速由6mm/s降至3mm/s時(shí)的試驗(yàn)結(jié)果波形，轉(zhuǎn)速發(fā)生較大變化時(shí)過(guò)渡曲線平穩(wěn)。通過(guò)實(shí)驗(yàn)進(jìn)一步驗(yàn)證表明，經(jīng)過(guò)果蠅-蛙跳算法優(yōu)化的模糊神經(jīng)網(wǎng)絡(luò)PID控制能使永磁直線同步電機(jī)控制系統(tǒng)的響應(yīng)速度加快、穩(wěn)態(tài)精度提高、抗擾動(dòng)能力以及魯棒性能增強(qiáng)，控制系統(tǒng)具有較強(qiáng)的動(dòng)、靜態(tài)性能。

以上內(nèi)容所述，僅是本發(fā)明的較佳實(shí)施例，并沒(méi)有對(duì)本發(fā)明進(jìn)行任何形式上的限制，凡依本發(fā)明申請(qǐng)專利范圍內(nèi)所做的任何簡(jiǎn)單修改、等同變化，都應(yīng)在本發(fā)明的涵蓋范疇。