怎么设计云梯车ＬＭ－ＦＡ整定控制器参数控制目标函数??    肇庆云梯车,  肇庆云梯车出租,  肇庆云梯车租赁    智能优化算法不需要待优化问题的知识，但是需要定义一个适应度函数将待优化问题转化为优化问题。适应度函数是用于衡量群体中个体优劣的指标。适应度函数在搜索空间的形状会决定最优解能否被搜索算法找到。需要确定云梯车运送过程的适应度函数来整定控制器参数。云梯车控制是一个多目标控制问题。云梯车的控制目标包括提高云梯车的运送效率和抑制重物的摆角。加速度和速度大的云梯车可能会引起重物的剧烈摆动。因为两个目标相互矛盾，目标函数设计仍然没有很好的解决方法。对于动力系统的单目标控制问题，常用的衡量系统性能的指标有ＩＡＥ，ＩＳＥ和ＩＴＡＥ。（１）误差绝对值积分（ＩＡＥ）准则,  ０ＩＡＥ是沿着时间对偏差的绝对值的积分，它对系统的响应没有加权重，优化后的系统震荡比较小。（２）误差平方积分（ＩＳＥ）准则,  ０３２ＩＳＥ是沿着时间对偏差的平方的积分，和ＩＡＥ相比ＩＳＥ对更大的偏差有更大的惩罚。在优化时控制系统会倾向于快速消掉大的偏差而容忍小的偏差。所以优化后的系统会有快速的反应，同时有低幅度的震荡。（３）时间误差绝对值积分（ＩＴＡＥ）,   ０ＩＴＡＥ沿着时间对时间和偏差绝对值的乘积积分。ＩＴＡＥ使开始阶段的偏差的权重小于后续阶段的偏差的权重。ＩＴＡＥ能使系统快速地稳定，但是可能带来比较慢的初始反应。云梯车在重物搬运时，有些场景需要精度较高的定点搬运，不能容忍超调，并且超调会带来潜在的危险，例如撞到其他物体或人。因此，对超调位置误差赋予更大的惩罚系数。同样重物的摆角超出阈值会增加发生意外的可能性，所以对超出角度阈值的角度误差赋予更大的惩罚系数。时间权重能使优化后的系统有更快的运行速率和更快的稳定速度。使用改进的遗传算法进行优化，得到不错的仿真结果。上述的损失函数只考虑到了系统控制性能的指标，没有考虑到使用启发式优化算法优化损失函数的容易程度。虽然萤火虫算法不直接使用目标函数的梯度，但是损失函数会影响萤火虫算法的寻优过程。梯度决定了目标函数的形状。目标函数的最优点可能在捷索空间的边缘，如果对超出约束边界但是距离边界比较近的点赋予很大的惩罚系数，那么这个点对应的萤火虫个体会被算法所忽略，不能指示萤火虫种群向这个点飞行，所以目标函数应该是光滑的，对于接近约束边界的解有比较弱的惩罚，对于离可行解比较远的点较强的惩罚。原有的目标函数是阶跃函数，本文提出基于指数族函数的损失函数，指数函数导数存在且平滑变化。

       基于ＬＭ－ＦＡ的控制器参数优化,   为了验证所提的改进萤火虫算法和双控制系统的有效性，本节使用云梯车的线性机理模型进行仿真实验，实验中使用Ｐｙｔｈｏｎ语言编程，使用Ｎｕｍｐｙ和Ｓｃｉｐｙ包进行计算，Ｍａｔｐｌｏｔｌｉｂ进行绘图。首先实现二维云梯车的动力学模型，然后实现萤火虫算法、控制器和目标函数，最后调用萤火虫算法优化控制器参数。进行了两组实验：第一组实验使用单位置控制器，分别使用基本萤火虫算法和改进萤火虫算法分别整定控制器参数，验证改进萤火虫算法在单位置控制器整定问题中的有效性。第二组实验采用双位置控制器，分别使用基本萤火虫算法和改进萤火虫算法整定控制器参数，以验证本文提出的双位置控制器相比于单位置控制器的优越性，同时验证改进萤火虫算法在控制器参数整定问题中的有效性。仿真过程需要考虑电机输出功率的限制，因此在仿真过程中，控制器的输出不能超过一个最大上界。仿真中移动位移为１ｍ，重物摆角的阈值限制是０．４弧度。

     肇庆云梯车,  肇庆云梯车出租,  肇庆云梯车租赁  http://www.zhuhaidiaolanchechuzu.com/

     ＬＭ－ＦＡ整定的控制器参数使云梯车有更短的调节时间。双位置控制器调节时间短于单位置控制器。因为目标函数中存在超调惩罚，两类控制器都几乎没有超调。通过ＬＭ－ＦＡ整定的控制器参数使负载的摆角有更短的调节时间。双位置控制器负载摆角调节时间短于单位置控制器。双位置控制器的最大摆角小于单位置控制器。ＬＭ－ＦＡ整定的控制器参数最大摆角大于ＦＡ整定的控制器参数，但是都没有大于最大摆角阈值，并且ＬＭ－ＦＡ优化得到的目标函数的最小值要小于ＦＡ。因此，双位置复合控制器显著的好于单位置控制器，云梯车移动速率更快，摆角幅度更小。ＬＭ－ＦＡ优化性能好于基本ＦＡ，能够找到目标函数值更小的控制器参数。

       针对基本萤火虫算法进行改进，提出基于位置均值的萤火虫算法（ＬＭ－ＦＡ）。１）使用反比例函数代替指数函数计算适应度，使两只萤火虫间吸引度反比于萤火虫间距离，正比于近似计算的搜索空间大小，使算法对不同大小的搜索空间具有自适应性；同时为利用萤火虫的亮度值，在吸引度中引入两只萤火虫绝对亮度差，使两只萤火虫间吸引度正比于绝对亮度差，反比于适应度值的均值。２）使用两个不同范围的均句分布采样得到两个步长系数，通过适应度函数选择更优的步长系数。经过四个典型的无约束测试函数的寻优，结果表明本文所提算法在适应度值和稳定性都优于基本ＦＡ算法和高斯萤火虫算法。本文提出一种双位置控制器，设计了目标函数，分别使用基本萤火虫算法整定单位置控制器和本文提出的双位置控制器参数，仿真实验结果表明本文提出的控制器能够使云梯车更加快速地运输重物，并且几乎没有超调，在摆角抑制方面优于单位置控制器。使用本文提出的ＬＭ－ＦＡ整定两种控制器，仿真实验证明ＬＭ－ＦＡ算法在云梯车控制器参数整定上好于基本萤火虫算法。

      肇庆云梯车,  肇庆云梯车出租,  肇庆云梯车租赁