首页分享一种犬舍环境温度控制优化方法与流程

一种犬舍环境温度控制优化方法与流程

来源：花匠小妙招时间：2024-12-25 12:26

一种犬舍环境温度控制优化方法与流程

本发明属于pid控制优化领域，尤其涉及一种犬舍环境温度控制优化方法。

背景技术：

1、温度控制系统在犬舍环境中的有着重要的作用，犬舍的温度过高或过低都可能影响犬只的健康，一个较好的温度控制系统旨在提供稳定、舒适的环境以确保犬只的健康，温度的采集主要通过高精度温度传感器，这些传感器能够准确监测犬舍内的环境参数，并将数据传输给智能控制器，控制器可以根据预设的程序自动调节加热、制冷和通风设备，现代温度控制系统还具备远程监控和控制功能，通过互联网或局域网，管理者可以随时随地调整系统设置，为了提供精确和稳定的温度调节控制，一般使用pid控制器来控制温度控制系统，得益于pid控制的易于实现、精确性高、稳定性好等特点，可以构成一个高效、可靠的犬舍温度控制系统，保障了犬只的健康和舒适。

2、pid控制结合了比例控制（p）、积分控制（i）和微分控制（d）三种策略，比例控制根据当前误差调整输出，提供即时响应；积分控制累计误差，消除长期稳态误差；微分控制预测误差趋势，抑制快速变化，通过这三种方式，pid控制器实现快速响应、精确调节和系统稳定，广泛应用于温度控制等领域，pid控制的算法简单且高效，易于在现代微处理器和控制器中实现，并能自动调节和优化，提高系统适应性和可靠性，然而，传统pid控制器的性能依赖于正确设置比例、积分和微分参数，手动调节这些参数可能需要大量经验和实验，特别是在系统复杂或环境难以预测的情况下，智能优化算法可以自动搜索最佳pid参数组合，避免了手动调节参数的繁琐过程，显著提升pid控制器的性能和适应性。

3、大甘蔗鼠算法 (gcra)，是一种新型元启发式算法，gcra 的优化过程受到大甘蔗鼠在交配季节和非交配季节的智能觅食行为的启发，该算法的设计目的是解决复杂的优化问题，主要通过模拟大甘蔗鼠在觅食过程中展现的探索和开发行为来实现，凭借其简单易实现、适应性强以及高效的收敛速度等优点，在多种优化问题中表现出色，然而，和其他元启发式算法一样，gcra 也存在一些局限性，如可能陷入局部最优、参数敏感性等，通过对大甘庶鼠算法的改进可以提高算法的性能从而更好的对pid控制参数进行优化。

技术实现思路

1、本发明目的在于，提出一种犬舍环境温度控制优化方法，该方法通过改进大甘蔗鼠算法，对犬舍环境温度控制系统的pid控制器进行优化，改进后的大甘蔗鼠算法在优化性能方面更好，可以更快、更精确的整定pid的kp、ki、kd三个参数，从而增加犬舍环境温度控制系统的鲁棒性和适应性。

2、为了实现上述目的，本发明采用的一种犬舍环境温度控制优化方法，该方法的具体步骤如下。

3、s1、构建犬舍环境温度控制系统，所述的控制系统包括误差计算模块、pid控制器模块、改进大甘蔗鼠算法模块、温度信号控制模块、温度调节器模块、温度检测模块。

4、s2、改进大甘蔗鼠算法，具体的改进策略如下：

5、s21：提出一种主导收敛变异策略，根据种群中的主导雄性的位置构建种群变异数学模型，通过数学模型对初始化种群位置进行变异；

6、s22：通过引入一种适应性动态因子af来改进大甘蔗鼠算法的探索阶段的数学模型，af会根据每个搜索代理的适应度自动调节大小，从而控制搜索代理位置的更新；

7、s23：通过一种局部寻优扰动策略来改进大甘蔗鼠算法的开发阶段的数学模型，根据每次选取的局部最优的适应度值变化大小来判断算法的寻优是否陷入局部最优解，通过调用不同的更新策略来扰动种群的位置继续寻优。

8、s3、利用改进的大甘蔗鼠算法对犬舍环境温度控制系统的pid控制器进行参数整定，通过算法寻优得到最佳的kp、ki、kd三个参数值。

9、s4、将s3中整定的pid三个参数作用到犬舍环境温度控制系统，优化系统的控制效果，实现温度的精确调节。

10、优选地，在s1所述的犬舍环境温度控制系统中，首先将犬舍目标温度输入控制系统，与温度检测模块反馈的犬舍实际温度一起输入到误差计算模块，得到实时误差e(t)，将误差e(t)输入pid控制器模块通过改进大甘蔗鼠算法进行优化，将优化得到的控制信号传入温度信号控制器从而控制温度的调节，通过犬舍环境温度控制系统的调节最终达到目标温度。

11、优选地，在大甘蔗鼠算法设计的框架内，位置向量产生目标值最佳的个体称为主导雄性个体，主导收敛变异策略就是根据算法迭代前的最优个体作为主导对初始种群进行变异行为，在保证种群的多样性的同时增加算法的收敛速度，种群变异的数学模型为：

12、(1)；

13、式(1)中，表示种群中的第i个搜索代理，第j维度的更新位置，表示主导雄性在第j维度上的位置，表示种群中的第i个搜索代理，第j维度的原始位置，γ表示变异幅度取值为0.5，β表示正态分布生成的随机数，ub为搜索空间的上限，lb为搜索空间的下限。

14、优选地，通过主导收敛变异策略对初始种群的位置更新，可以更好的保证在算法迭代之前的种群质量，增加算法的收敛速度，使得pid控制器的效果很快的达到一个较稳定的状态，其中正态分布随机数β可以保证变异后种群的多样性，变异幅度γ可以控制每个搜索代理与主导雄性移动的距离差值变化。

15、优选地，利用适应性因子af对大甘蔗鼠的探索阶段的数学模型进行改进，改进后的探索阶段的数学模型为：

16、(2)；

17、式(2)中，表示种群中的第i个搜索代理，第j维度的更新位置，表示主导雄性在第j维度上的位置，表示种群中的第i个搜索代理，第j维度的原始位置，af表示适应性因子其数学模型如式(3)所示，r表示迭代因子其数学模型如式(4)所示：

18、(3)；

19、式(3)中，表示适应性因子的初始值，表示适用性因子的最大值，current_fitness表示当前搜索代理的适应度值，best_fitness表示最优适应度值；

20、(4)；

21、式(4)中，表示主导雄性的适应度值的大小，iter表示当前迭代数，max_iter表示最大迭代数。

22、优选地，适应性因子af可以通过当前搜索代理的适应度值大小和最优适应度值大小的比例来调节当前位置的更新幅度大小，从而提高算法在探索阶段的适应性，使得种群可以更好的向最优位置进行靠近，在一些较复杂的控制环境下可以根据适应度的变化自适应的调整参数从而达到更稳定的控制效果。

23、优选地，标准的大甘蔗鼠算法在寻优的过程中容易陷入局部最优的情况，更新公式的单一可能导致算法在有限的迭代次数内很难跳出局部最优解从而导致控制精度较低，针对此问题使用一种局部寻优扰动策略来改进大甘蔗鼠算法的开发阶段的数学模型，在算法寻优过程中实时查看算法适应度值更新情况，如果出现陷入局部最优的情况则改变更新策略进行扰动，改进的大甘蔗鼠算法的开发阶段数学模型为：

24、(5)；

25、式(5)中，表示上一次更新的最优适应度值，表示当前更新的最优适应度值，表示种群中的第i个搜索代理，第j维度的原始位置，表示主导雄性在第j维度上的位置，表示随机选取的第m个搜索代理的第j维度的位置，c和μ都表示0到1之间的随机数，，，α=π·rand，其中rand表示0到1之间的随机数。

26、优选地，如果算法寻优时与差值小于一个接近于0的数值1e-6，说明算法陷入了局部最优的情况，这时通过调用式(5)中对应的更新策略来扰动，使算法快速跳出局部最优，尤其是在开发阶段的后期，快速跳出局部最优的情况可以增加算法的寻优精度，在有限的迭代次数下可以得到更优解，从而增加控制系统最终的控制精度和鲁棒性。

27、优选地，所述的利用改进的大甘蔗鼠算法对犬舍环境温度控制系统的pid控制器进行参数整定，通过算法寻优得到最佳的kp、ki、kd三个参数值的具体步骤如下：

28、s31、模拟犬舍环境温度控制系统的工作过程，构建控制系统仿真模型的传递函数；

29、s32、设置犬舍环境温度控制系统的目标温度，并将目标温度作为输入信号输入到控制系统中；

30、s33、初始化改进大甘蔗鼠算法模块的参数，种群规模n，问题维度dim，搜索空间上限ub，下限lb；

31、s34、将犬舍温度控制系统的pid控制器模块的kp、ki、kd三个参数进行编码，转换为改进大甘蔗鼠算法位置解的三个维度；

32、s35、使用ise作为改进大甘蔗鼠算法的目标函数，目标函数的公式如下：

33、(6)；

34、式(6)中，表示改进大甘蔗鼠算法的适应度值，e(t)表示犬舍温度控制系统在当前运行时间t的误差，即目标温度与温度检测模块检测到的实际温度之间的差值，t表示系统运行的总时间；

35、s36、根据参数初始化种群的初始位置，并计算种群的适应度，根据适应度值越小越好的原则选出主导雄性，通过公式(1)对初始化种群进行主导收敛变异；

36、s37、通过改进的大甘蔗鼠算法的数学模型对种群位置进行更新，将寻优得到的位置解通过目标函数进行计算得到适应度值，选取当前迭代次数下的最优解和最优适应度值，将最优解转换成犬舍温度控制系统的pid控制器模块的kp、ki、kd三个参数，并转入温度控制系统进行控制优化；

37、s38、循环执行s37，判断当前迭代次数是否达到最大迭代数，如果未达到，则继续寻优，如果达到，则退出循环，将输出最优解作为pid控制器最优kp、ki、kd参数。

38、优选地，s32中构建的控制仿真模型的传递函数，主要是模拟犬舍温度控制系统的实际运行状态，根据犬舍环境中各种影响因素，设计一个二阶非线性积分方程模拟犬舍温度变化，并通过拉普拉斯变换将其转换成仿真模型的传递函数g(s)，公式如下：

39、(7)；

40、式(7)中，g(s)为传递函数，s为函数变量。

41、优选地，s37中所述的改进的大甘蔗鼠算法的数学模型对种群位置更新的具体步骤如下：

42、step1、如果随机选取值rand<0.5，则执行算法的探索阶段，使用一种适应性动态因子来改进大甘蔗鼠算法的探索阶段的数学模型对种群位置进行更新，数学模型如公式(2)所示；

43、step2、如果随机选取值rand>=0.5，则执行算法的开发阶段，使用一种局部寻优扰动策略来改进大甘蔗鼠算法的开发阶段的数学模型，数学模型如公式(5)所示；

44、step3、根据算法开发或者探索阶段更新的位置信息，计算适应度值大小，如果适应度值有所优化，则保留更新的种群位置，如果适应度值较差则进行位置的再更新，再更新公式如式(8)所示：

45、(8)；

46、式(8)中，表示第i个搜索代理的新位置，c表示0到1之间的随机数，表示种群中的第i个搜索代理，第j维度的原始位置，表示主导雄性在第j维度上的位置，，r由公式(4)计算，rand为0到1的随机数；

47、step4、更新种群中的主导雄性个体、最优适应度值，判断当前迭代是否达到最大迭代，选择是否继续寻优。

48、相比于现有技术，本发明的有益效果为：本发明通过改进大甘蔗鼠算法来优化犬舍温度控制系统的pid控制器，实现了对温度的精确控制，通过一种主导收敛变异策略来对初始化种群进行变异，利用主导雄性个体的引导提高了初始化种群的质量，增加了算法的收敛速度，显著提高了控制系统的响应速度，通过引入一种适应性动态因子，在算法的探索阶段自适应的调整种群的位置更新，使得种群可以更好的向最优位置进行靠近，增加控制系统的鲁棒性，通过一种局部寻优扰动策略来改进大甘蔗鼠算法的开发阶段的数学模型，通过改进使算法可以快速跳出局部最优的情况，增加算法的寻优精度，同时也增加了控制系统的控制精度。