本發(fā)明涉及pid控制優(yōu)化領(lǐng)域，具體涉及一種排痰儀的振動(dòng)電機(jī)優(yōu)化控制方法。

背景技術(shù)：

1、排痰儀是一種用于幫助患者清除呼吸道痰液的醫(yī)療設(shè)備，廣泛應(yīng)用于無(wú)法自主有效排痰的患者群體；振動(dòng)電機(jī)是排痰儀的核心部件之一，通常選用的電機(jī)為無(wú)刷直流電機(jī)，通過(guò)產(chǎn)生機(jī)械振動(dòng)，將振動(dòng)能量傳遞到患者的胸部和肺部，使患者肺部和支氣管內(nèi)的痰液松動(dòng)，讓患者更容易通過(guò)咳嗽或吸引等方式排出痰液，從而減輕呼吸道阻塞，預(yù)防感染，并改善患者的呼吸功能；振動(dòng)電機(jī)的頻率和強(qiáng)度通?？梢愿鶕?jù)不同患者的需求進(jìn)行調(diào)整，以確保治療的有效性和舒適性。

2、pid控制作為一種結(jié)構(gòu)簡(jiǎn)單而性能強(qiáng)大的控制方法，被廣泛應(yīng)用于排痰儀的振動(dòng)電機(jī)控制當(dāng)中；通過(guò)比例控制(p)、積分控制(i)和微分控制(d)，使排痰儀中的振動(dòng)電機(jī)能夠精確地響應(yīng)控制信號(hào)，確保設(shè)備在不同患者條件下都能提供最佳的振動(dòng)效果，從而提高治療的有效性和安全性；雖然pid控制器可以通過(guò)調(diào)整p、i、d三個(gè)參數(shù)實(shí)現(xiàn)對(duì)振動(dòng)電機(jī)的精確控制，但找到最優(yōu)參數(shù)組合往往需要大量的實(shí)驗(yàn)和調(diào)整，特別是在復(fù)雜或非線性系統(tǒng)中無(wú)法提供理想的控制效果，而且在處理具有大范圍動(dòng)態(tài)變化的系統(tǒng)時(shí)可能不夠靈活。

3、為了提升排痰儀的性能，智能優(yōu)化算法被應(yīng)用于優(yōu)化pid控制參數(shù)；晶體結(jié)構(gòu)算法(crystal)是一種新穎的元啟發(fā)式優(yōu)化方法，其靈感來(lái)源于晶體結(jié)構(gòu)中基質(zhì)與晶格點(diǎn)的形成原理；晶體結(jié)構(gòu)的對(duì)稱排列和構(gòu)造特點(diǎn)被用于算法的設(shè)計(jì)中，使其能夠在復(fù)雜的搜索空間內(nèi)進(jìn)行有效的全局搜索和局部搜索；通過(guò)crystal算法在復(fù)雜的搜索空間中快速找到最優(yōu)的pid參數(shù)組合，使得pid控制器能夠迅速達(dá)到最佳控制效果；雖然晶體結(jié)構(gòu)算法在許多顯示出了極其強(qiáng)悍的性能，但在復(fù)雜的結(jié)構(gòu)空間中，算法可能會(huì)陷入局部最優(yōu)解，并且在某些情況下，算法的收斂速度可能較慢，特別是在優(yōu)化過(guò)程中面對(duì)比較復(fù)雜的振動(dòng)電機(jī)控制系統(tǒng)時(shí)。

4、本發(fā)明的目的在于：針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種排痰儀的振動(dòng)電機(jī)優(yōu)化控制方法，通過(guò)改進(jìn)晶體結(jié)構(gòu)算法(icrystal)優(yōu)化pid控制器，根據(jù)實(shí)時(shí)反饋的振動(dòng)電機(jī)角度信息，動(dòng)態(tài)調(diào)整pid控制器的控制參數(shù)，實(shí)現(xiàn)對(duì)pid控制器的精確控制，進(jìn)而確?；颊吣軌虬踩⒓皶r(shí)地排出痰液，確保治療的有效性和舒適性。

5、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：一種排痰儀的振動(dòng)電機(jī)優(yōu)化控制方法，包括：改進(jìn)晶體結(jié)構(gòu)算法(icrystal)和位置式pid控制算法，具體步驟為：

6、步驟1、確定排痰儀振動(dòng)電機(jī)優(yōu)化控制的優(yōu)化目標(biāo)，建立排痰儀振動(dòng)電機(jī)的數(shù)學(xué)模型，所述數(shù)學(xué)模型包括目標(biāo)函數(shù)模型和控制系統(tǒng)模型。

7、步驟2、通過(guò)引入自適應(yīng)機(jī)制和隨機(jī)變異策略對(duì)晶體結(jié)構(gòu)算法進(jìn)行改進(jìn)，所述改進(jìn)點(diǎn)為：

8、s1、通過(guò)引入自適應(yīng)機(jī)制動(dòng)態(tài)調(diào)整算法中的隨機(jī)參數(shù)r1、r2和r3；

9、s2、通過(guò)引入隨機(jī)變異策略改進(jìn)算法來(lái)增強(qiáng)算法個(gè)體解的多樣性。

10、步驟3、通過(guò)icrystal算法優(yōu)化pid控制器參數(shù)，算法全局迭代尋優(yōu)，通過(guò)模擬晶體學(xué)家建立晶體結(jié)構(gòu)的行為，在搜索空間中搜尋最優(yōu)pid控制參數(shù)向量，得到最優(yōu)pid控制方法，即icrystal-pid控制方法。

11、步驟4、通過(guò)icrystal-pid控制方法對(duì)排痰儀振動(dòng)電機(jī)的振動(dòng)角度進(jìn)行精確控制，根據(jù)實(shí)時(shí)反饋的振動(dòng)電機(jī)角度信息，計(jì)算電機(jī)的目標(biāo)角度與實(shí)時(shí)角度之間的偏差值δθ(t)，對(duì)δθ(t)進(jìn)行求導(dǎo)，得到電機(jī)轉(zhuǎn)速差值e(t)，計(jì)算并輸入到icrystal-pid控制器中，計(jì)算得到輸出控制量，實(shí)現(xiàn)對(duì)振動(dòng)電機(jī)控制系統(tǒng)的閉環(huán)控制。

12、進(jìn)一步地，所述的排痰儀振動(dòng)電機(jī)的數(shù)學(xué)模型，目標(biāo)函數(shù)模型是數(shù)學(xué)模型的核心，綜合考慮振動(dòng)電機(jī)的效率、穩(wěn)定性、響應(yīng)速度等性能，以及實(shí)現(xiàn)對(duì)振動(dòng)電機(jī)的振動(dòng)頻率精確控制，選擇目標(biāo)函數(shù)模型為：

13、

14、式(1)中，j為目標(biāo)函數(shù)計(jì)算的適應(yīng)度值，θref為振動(dòng)電機(jī)的目標(biāo)角度，θ(t)為t時(shí)刻振動(dòng)電機(jī)的實(shí)時(shí)角度，p(t)為t時(shí)刻振動(dòng)電機(jī)的實(shí)時(shí)功率，ω(t)為t時(shí)刻振動(dòng)電機(jī)的實(shí)時(shí)轉(zhuǎn)速，α1，α2，α3為權(quán)重系數(shù)，用于平衡各項(xiàng)指標(biāo)的權(quán)重，t為系統(tǒng)運(yùn)行總時(shí)間，t為系統(tǒng)的實(shí)際運(yùn)行時(shí)間。

15、進(jìn)一步地，建立排痰儀振動(dòng)電機(jī)的控制系統(tǒng)模型，控制系統(tǒng)模型包括：減法器模塊，pid控制器模塊，svpwm模塊，無(wú)刷直流電機(jī)模塊，電機(jī)驅(qū)動(dòng)模塊，位置信息采集模塊，其中，所述無(wú)刷直流電機(jī)的數(shù)學(xué)模型為：

16、

17、式(2)中，uα、uβ為靜止坐標(biāo)下的定子電壓，iα、iβ為靜止坐標(biāo)下的定子電流，l為定子繞組的相電感，eα、eβ為靜止坐標(biāo)下的反電勢(shì)，ψ為振動(dòng)電機(jī)磁鏈，θ為振動(dòng)電機(jī)轉(zhuǎn)動(dòng)角度。

18、進(jìn)一步地，所述控制系統(tǒng)模型，使用位置式pid控制器來(lái)實(shí)現(xiàn)對(duì)振動(dòng)電機(jī)的速度控制，位置式pid控制器數(shù)學(xué)模型為：

19、

20、式(3)中，u(t)為t時(shí)刻的輸出控制量，所述輸出控制量為電機(jī)電壓值，e(t)為振動(dòng)電機(jī)t時(shí)刻的轉(zhuǎn)速差值，kp、ki、kd分別為比例、積分和微分控制參數(shù)，t為系統(tǒng)運(yùn)行總時(shí)間，t為系統(tǒng)的實(shí)際運(yùn)行時(shí)間；將控制數(shù)學(xué)模型進(jìn)行離散化，可以得到離散化的位置式pid控制器數(shù)學(xué)模型為：

21、

22、式(4)中，e(t-1)為上一時(shí)刻的電機(jī)轉(zhuǎn)速差值，其他參數(shù)意義同上。

23、進(jìn)一步地，所述控制系統(tǒng)模型，位置信息采集模塊用于采集振動(dòng)電機(jī)轉(zhuǎn)動(dòng)角度，svpwm模塊用于生成3對(duì)互補(bǔ)pwm信號(hào)控制電機(jī)驅(qū)動(dòng)模塊輸出電壓值大小，電機(jī)驅(qū)動(dòng)模塊用于輸出三相電壓到無(wú)刷直流電機(jī)。

24、進(jìn)一步地，所述步驟2、通過(guò)引入自適應(yīng)機(jī)制和隨機(jī)變異策略對(duì)晶體結(jié)構(gòu)優(yōu)化算法進(jìn)行改進(jìn)，具體步驟為：

25、s1、引入自適應(yīng)機(jī)制動(dòng)態(tài)調(diào)整算法中的隨機(jī)參數(shù)r1、r2和r3，改進(jìn)算法中的模擬形成最好和均衡晶體結(jié)構(gòu)建立的數(shù)學(xué)模型，平衡算法的全局搜索和局部搜索能力，改進(jìn)后的數(shù)學(xué)模型為：crnew＝crold+r1crman+r2crb+r3fc?(5)；

26、式(5)中，crnew為更新后的個(gè)體位置，crold為當(dāng)前迭代中的個(gè)體位置，crmain為當(dāng)前迭代中從算法種群中隨機(jī)選擇的個(gè)體位置，crb為當(dāng)前迭代中的最佳個(gè)體位置，fc為當(dāng)前迭代中隨機(jī)選擇位置集合的平均值；引入自適應(yīng)機(jī)制動(dòng)態(tài)調(diào)整r1、r2和r3后的數(shù)學(xué)模型為：

27、

28、式(6)中，r1、r2和r3為改進(jìn)后的隨機(jī)參數(shù)，fcrb為crb個(gè)體位置的適應(yīng)度，fcold為crold個(gè)體位置的適應(yīng)度，τ為當(dāng)前迭代次數(shù)，為避免分母為零的極小常數(shù)，σ(fcov)為當(dāng)前個(gè)體解集合的適應(yīng)度標(biāo)準(zhǔn)差，用于衡量解的分散程度，fcov為當(dāng)前候選解集合，tmax為算法總迭代次數(shù)，τ/tmax隨迭代次數(shù)逐漸減小，確保算法在后期收斂；

29、s2、引入隨機(jī)變異策略改進(jìn)算法中的模擬形成最好晶體結(jié)構(gòu)建立的數(shù)學(xué)模型，增強(qiáng)算法后期的局部搜索能力，避免陷入局部最優(yōu)，改進(jìn)后的數(shù)學(xué)模型為：

30、crnew＝crold+r1crmain+r2fc+η×m(crold，t)??(7)；

31、式(7)中，crnew為更新后的個(gè)體位置，crold為當(dāng)前迭代中的個(gè)體位置，crmain為當(dāng)前迭代中從算法種群中隨機(jī)選擇的個(gè)體位置，fc為當(dāng)前迭代中隨機(jī)選擇位置集合的平均值，r1、r2為取值在[0,1]之間的隨機(jī)數(shù)；η為控制變異強(qiáng)度的參數(shù)，通常隨著迭代次數(shù)減少，η的數(shù)學(xué)模型為：

32、

33、式(8)中，η0為初始變異強(qiáng)度，λ為控制變異衰減的速率，其他參數(shù)意義同上，m(crold，t)為符合高斯分布，均值為0，方差為σ2的函數(shù)。

34、進(jìn)一步地，所述步驟3、通過(guò)icrystal算法優(yōu)化pid控制器參數(shù)，算法全局迭代尋優(yōu)，通過(guò)模擬晶體學(xué)家建立晶體結(jié)構(gòu)的行為，在搜索空間中搜尋最優(yōu)pid控制參數(shù)個(gè)體解，得到最優(yōu)pid控制方法，具體步驟為：

35、s1、初始化改進(jìn)晶體結(jié)構(gòu)算法(icrystal)的種群規(guī)模nmax，最大迭代次數(shù)tmax、問(wèn)題維度dim，以及參數(shù)空間[ub,lb]，ub和lb為階數(shù)為dim的列向量；

36、s2、初始化改進(jìn)晶體結(jié)構(gòu)算法的個(gè)體位置，生成種群個(gè)體初始位置，初始化個(gè)體位置的數(shù)學(xué)模型為：

37、crinit＝lb+ξ(ub-lb)??(9)；

38、式(9)中，crinit為初始化生成的種群個(gè)體初始位置，ξ為取值在[0,1]之間的隨機(jī)數(shù)，ub和lb的意義同上；

39、s3、計(jì)算所有個(gè)體位置的適應(yīng)度值并保存，根據(jù)適應(yīng)度越小，個(gè)體位置解越好的原則，記錄適應(yīng)度最小的個(gè)體為當(dāng)前迭代中的最佳個(gè)體位置，該個(gè)體適應(yīng)度為最佳適應(yīng)度；

40、s4、算法進(jìn)入位置更新階段，模擬形成單晶體結(jié)構(gòu)的方式建立數(shù)學(xué)模型對(duì)個(gè)體進(jìn)行更新，數(shù)學(xué)模型為：

41、crnew＝crold+rcrmain??(10)；

42、式(10)中，crnew為更新后的個(gè)體位置，crold為當(dāng)前迭代中的個(gè)體位置，crmain為當(dāng)前迭代中從算法種群中隨機(jī)選擇的個(gè)體位置，r為取值在[0,1]之間的隨機(jī)數(shù)；

43、s5、根據(jù)公式(7)，引入隨機(jī)變異策略改進(jìn)算法中的模擬形成最好晶體結(jié)構(gòu)建立的數(shù)學(xué)模型，通過(guò)改進(jìn)后的數(shù)學(xué)模型對(duì)個(gè)體進(jìn)行位置更新；

44、s6、模擬形成均衡晶體結(jié)構(gòu)的方式建立數(shù)學(xué)模型對(duì)個(gè)體進(jìn)行更新，數(shù)學(xué)模型為：

45、crnew＝crold+r1crmain+r2fc??(11)；

46、式(11)中，crnew為更新后的個(gè)體位置，crold為當(dāng)前迭代中的個(gè)體位置，crmain為當(dāng)前迭代中從算法種群中隨機(jī)選擇的個(gè)體位置，fc為當(dāng)前迭代中隨機(jī)選擇位置集合的平均值，r1、r2為取值在[0,1]之間的隨機(jī)數(shù)；

47、s7、根據(jù)公式(5)，引入自適應(yīng)機(jī)制動(dòng)態(tài)調(diào)整算法中的隨機(jī)參數(shù)r1、r2和r3，改進(jìn)算法中的模擬形成最好和均衡晶體結(jié)構(gòu)建立的數(shù)學(xué)模型，通過(guò)改進(jìn)后的數(shù)學(xué)模型對(duì)個(gè)體進(jìn)行位置更新；

48、s9、檢查當(dāng)前迭代次數(shù)τ是否等于最大迭代次數(shù)tmax，若是，則輸出最優(yōu)pid控制參數(shù)個(gè)體解，若否，則執(zhí)行τ＝τ+1，返回步驟s3繼續(xù)尋優(yōu)。

49、進(jìn)一步地，所述步驟4、通過(guò)icrystal-pid控制方法對(duì)排痰儀振動(dòng)電機(jī)的振動(dòng)角度進(jìn)行精確控制，根據(jù)實(shí)時(shí)反饋的振動(dòng)電機(jī)角度信息，計(jì)算振動(dòng)電機(jī)的目標(biāo)角度與實(shí)時(shí)角度之間的偏差值θ(t)，對(duì)θ(t)進(jìn)行求導(dǎo)，得到電機(jī)轉(zhuǎn)速差值e(t)，計(jì)算并輸入到icrystal-pid控制器中，計(jì)算得到輸出控制量，實(shí)現(xiàn)對(duì)振動(dòng)電機(jī)控制系統(tǒng)的閉環(huán)控制，具體步驟為：

50、s1、設(shè)置振動(dòng)電機(jī)控制系統(tǒng)的目標(biāo)角度為θref，根據(jù)實(shí)時(shí)反饋的振動(dòng)電機(jī)角度信息θ(t)，計(jì)算θref與θ(t)之間的偏差值θ(t)，通過(guò)對(duì)θ(t)進(jìn)行求導(dǎo)，得到電機(jī)轉(zhuǎn)速差值e(t)，計(jì)算并輸入到icrystal-pid控制器模塊中；

51、s2、icrystal-pid控制器模塊通過(guò)對(duì)輸入的e(t)進(jìn)行比例-積分-微分控制，輸出控制量u(t)，u(t)為目標(biāo)電流值；

52、s3、將u(t)與實(shí)時(shí)采集到的電流數(shù)值i(t)進(jìn)行做差，得到δi(t)，將i(t)輸入到電流pid控制器模塊中，經(jīng)過(guò)比例-積分-微分控制，輸出控制量v(t)，v(t)為電壓值；

53、s4、將v(t)輸入到svpwm模塊中，經(jīng)過(guò)調(diào)制輸出三對(duì)互補(bǔ)的pwm信號(hào)到電機(jī)驅(qū)動(dòng)模塊中；s5、電機(jī)驅(qū)動(dòng)模塊得到pwm信號(hào)后，將直流電壓調(diào)制為方波電壓輸入到無(wú)刷直流電機(jī)中；s6、無(wú)刷直流電機(jī)運(yùn)行，不斷采集并傳輸電機(jī)角度信息和實(shí)時(shí)電流值，實(shí)現(xiàn)對(duì)振動(dòng)電機(jī)控制系統(tǒng)的閉環(huán)控制。

54、本發(fā)明中提出了一種排痰儀的振動(dòng)電機(jī)優(yōu)化控制方法，通過(guò)改進(jìn)晶體結(jié)構(gòu)算法(icrystal)優(yōu)化pid控制器，由于采用了上述技術(shù)方案，本發(fā)明的有益效果為：

55、m1、通過(guò)引入自適應(yīng)機(jī)制動(dòng)態(tài)調(diào)整算法中的隨機(jī)參數(shù)r1、r2和r3，能夠在不同的優(yōu)化階段進(jìn)行適應(yīng)性調(diào)節(jié)，確保算法在初期具備較強(qiáng)的全局搜索能力，而在后期則增強(qiáng)局部搜索精度；

56、m2、引入隨機(jī)變異策略改進(jìn)算法中的模擬建立最好晶體結(jié)構(gòu)的數(shù)學(xué)模型，通過(guò)隨機(jī)擾動(dòng)增加了搜索空間中的多樣性，進(jìn)而提升了全局搜索能力；

57、m3、通過(guò)改進(jìn)的icrystal算法優(yōu)化pid控制器，使系統(tǒng)能夠在復(fù)雜的動(dòng)態(tài)環(huán)境下更加快速、精準(zhǔn)地響應(yīng)，動(dòng)態(tài)調(diào)整pid參數(shù)(kp,ki,kd)，使得系統(tǒng)在不同工況下都能夠?qū)崿F(xiàn)穩(wěn)定的控制性能，從而提升系統(tǒng)的魯棒性，更重要的是確?；颊吣軌虬踩⒓皶r(shí)地排出痰液以及確保治療的有效性和舒適性。

技術(shù)實(shí)現(xiàn)思路