一种基于遗传算法的多模态boost转换电路滑模控制方法
技术领域
1.本发明涉及自动化控制技术领域，涉及一种基于遗传算法的多模态boost转换电路系统的滑模控制方法。
背景技术：2.当今科学技术日益发展，boost转换电路系统在各种场合中的应用越来越普遍。boost转换电路是由开关管(晶体管、二极管)驱动的电路，用于使电源提供的能量适应负载，是保证器件寿命和降低能耗的关键因素。然而，随着便携式设备功能和性能要求的不断提升，许多难以解决的困难也随之而来，给动态建模与控制带来了很大的挑战。而滑模控制由于其快速响应能力、对参数和外部扰动变化的敏感性、结构简单、强鲁棒性而受到越来越多的关注。滑模控制策略与其他控制策略的不同之处在于，滑模动态系统的结构不固定，可以在运行过程中可以根据系统的当前状态进行改变，迫使系统状态根据预定的滑模轨迹进行移动。基于上述优点，滑模控制已被应用于机电系统、自动驾驶车辆以及水下机器人等应用领域。
3.另外，切换系统作为一类重要的混合动力系统，由一系列子系统和决定子系统之间切换序列的切换信号组成。切换系统为许多物理现象和实际应用的数学建模提供了一个自然和方便的统一框架。随着计算机技术、通信和传感器技术的发展，网络化控制系统逐渐成为控制领域的热点。网络化控制系统中的传感器、致动器和控制器通常分布在不同的地理位置，并通过有线或无线共享网络实现通信。近年来，许多研究者将切换系统理论的概念引入了网络化控制系统，对网络化切换系统产生了深远的影响。信道衰落是一种常见的网络诱导方式，主要由多径效应和多普勒效应引起，通常用反映所传输信号的相位和振幅的随机变化过程来描述。在实际的无线网络环境中，信号传输比较复杂。反射、折射和衍射可能会在物理上导致无线信号的波动，从而导致信道衰落。如果不进行有效的处理，系统的性能将不可避免地降低。可见，信道衰落在无线移动通信中具有现实意义，有必要研究其对网络化切换系统的影响。综上所述，研究信道衰落下多模态boost转换电路系统的滑模控制方法，并建立控制器使多模态boost转换电路系统在信道衰落下稳定运行是一个亟需解决的问题，并具有挑战性及重要的研究意义。
技术实现要素：4.本发明的目的在于保证多模态boost转换电路系统在信道衰落下的稳定运行，提出了一种基于遗传算法的多模态boost转换电路滑模控制方法，通过建立信道衰落下多模态boost转换电路的动态模型，进而设计出多模态boost转换电路系统的滑模控制策略以保证信道衰落下多模态boost转换电路的稳定运行。
5.本发明的技术方案如下：
6.一种基于遗传算法的多模态boost转换电路滑模控制方法，包括以下步骤：
7.考虑参数不确定、多模态特性以及非线性对多模态boost转换电路系统的影响，将
多模态boost转换电路系统建模为离散时间不确定网络化切换系统；
8.考虑信道衰落对系统状态信息的影响，设计信道衰落模型；
9.为了避免重复切换导致的不稳定，构造公共滑模面；
10.设计滑模控制律，计算控制器参数；
11.进行稳定性分析及可达性分析，基于最优可达性的目标函数，采用遗传算法构造有效的滑模控制策略，使滑模动态在有限时间内被驱动到理想的最小化滑动区域。
12.如上所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，多模态boost转换电路系统模型建模为如下离散时间不确定网络化切换系统：
[0013][0014]
其中z(t)和u(t)分别表示系统状态和控制输入，分段连续函数表示切换信号，且m＝{1,2,...,n}，对于切换时间序列t0＜t1＜t2＜
…
＜t
l
＜
…
，切换间隔的持续时间[t
l
,t
l+1
]为驻留时间，对于，a
σ
，b
σ
为已知常数矩阵，δa
σ
(t)为参数不确定项且满足δa
σ
(t)＝c
σwσ
(t)e
σ
，其中w
σt
(t)w
σ
(t)≤i，非线性项φ
σ
(z(t),t)满足||φ
σ
(z(t),t)||≤ξ||z(t)||。
[0015]
如上所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，信道衰落模型如下：
[0016][0017]
其中为z(t)在信道衰落影响下的实际信号，ζ
t
＝min{ζ,t}，ζ和t分别表示路径数和当前采样时刻，γ
p
(t)(p＝0,
…
,ζ
t
)是密度函数为h(γ
p
(t))∈[0,1]的相互独立的随机变量，满足ε{γ
p
(t)}＝γ
p
,
[0018]
如上所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，公共滑模面函数如下：
[0019]
s(t)＝lz(t),
[0020]
其中l为滑模面设计参数。
[0021]
如上所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，滑模控制律如下：
[0022][0023]
其中h
σ
为控制增益。
[0024]
如上所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，采用滑模控制律后的系统更新为：
[0025][0026]
其中
[0027]
如上所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，对于给定
的标量0＜μ＜1和τ＞1，平均驻留时间满足的切换信号，对称正定矩阵y
σ
，标量κ1＞0，κ2＞0，作为未知量，那么需优化的目标函数为：
[0028][0029][0030][0031][0032]
其中
[0033][0034][0035][0036]
a＝4λ
σ
ξ2(ζ
t
+1)m+4λ
σ
ξ2,h＝4λ
σ
ξ2(ζ
t
+1)m,+1)m,
[0037]
如上所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，滑模动态可以被驱动到滑动区域υ，并在滑动区域上保持运动，滑动区域υ为：
[0038]
υ＝{s(t)|||s(t)||≤ψ(t)},
[0039]
其中，
[0040][0041]
本发明的有益效果在于：
[0042]
本发明公开的一种基于遗传算法的多模态boost转换电路滑模控制方法，利用网络化切换模型来描述信道衰落下的多模态boost转换电路系统模型，综合考虑了参数不确定、多模态特性以及非线性对多模态boost转换电路系统的影响，能够较好地描述其动力学特性，更加符合系统的实际运行场景，应用范围广；本发明方法能够保证信道衰落下多模态boost转换电路的稳定运行，并且从理论上证明了系统轨迹在滑动阶段的稳定性以及到达阶段的可达性。
附图说明
[0043]
通过阅读下文优选实施方式的详细描述，本技术的方案和优点对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
[0044]
在附图中：
[0045]
图1为本发明实施例1的流程示意图；
[0046]
图2为实施例1的多模态boost转换电路示意图；
[0047]
图3为实施例1的每一代的适应度；
[0048]
图4为实施例1的滑模切换面；
[0049]
图5为实施例1的多模态boost转换电路系统的控制输入；
[0050]
图6为实施例1的多模态boost转换电路系统的状态轨迹。
具体实施方式
[0051]
下面将结合附图更详细地描述本公开的示例性实施方式。需要说明，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员，可以以各种形式实现本公开，而不应被这里阐述的实施方式所限制。
[0052]
实施例1
[0053]
参见图1，图1为本发明实施例1的流程图，该基于遗传算法的多模态boost转换电路滑模控制方法，包括以下步骤：
[0054]
考虑参数不确定、多模态特性以及非线性对多模态boost转换电路系统的影响，将多模态boost转换电路系统建模为离散时间不确定网络化切换系统；
[0055]
考虑信道衰落对系统状态信息的影响，设计信道衰落模型；
[0056]
为了避免重复切换导致的不稳定，构造公共滑模面；
[0057]
设计滑模控制律，计算控制器参数；
[0058]
进行稳定性分析及可达性分析，基于最优可达性的目标函数，采用遗传算法构造有效的滑模控制策略，使滑模动态在有限时间内被驱动到理想的最小化滑动区域。
[0059]
下面结合图1和图2，来说明本发明方法的具体实施方式。
[0060]
(1)多模态boost转换电路的实际模型为
[0061]
[0062][0063]
其中i
l
,es和ec分别为电流，源电压和电容器电压。切换信号s(t)的值为1或2。当开关s1接通且s2关闭时，s(t)＝1；反之，s(t)＝2。
[0064]
令z(t)＝[i
l
(t)ec(t)]
t
，u(t)＝es(t)，考虑到参数的不确定性和非线性，采用euler-maruyama离散化方法，可以得到相应的离散时间网络化多模态boost转换电路模型：
[0065]
z(t+1)＝(a
σ
+δa
σ
(t))z(t)+b
σ
(u(t)+φ
σ
(z(t),t)),
[0066]
其中相关矩阵的选择如下：
[0067]
当s(t)＝1时，
[0068]
当s(t)＝2时，
[0069]
即当s(t)＝1时选择一组下标为1的矩阵，当s(t)＝2时选择一组下标为2的矩阵，且ts为采样时间。
[0070]
选取l＝1h,r1＝0.2ω,r＝3ω,c＝2f以及ts＝0.5s,则
[0071][0072]
e1＝[0.2 0.1],e2＝[0.1 0.2],
[0073][0074]
多模态boost转换电路系统模型建模为如下离散时间不确定网络化切换系统：
[0075][0076]
其中z(t)和u(t)分别表示系统状态和控制输入，分段连续函数表示切换信号，且m＝{1,2,...,n}，对于切换时间序列t0＜t1＜t2＜
…
＜t
l
＜
…
，切换间隔的持续时间[t
l
,t
l+1
]为驻留时间，对于为已知常数矩阵，δa
σ
(t)为参数不确定项且满足δa
σ
(t)＝c
σwσ
(t)e
σ
，其中非线性项φ
σ
(z(t),t)满足||φ
σ
(z(t),t)||≤ξ||z(t)||。
[0077]
(2)信道衰落模型如下：
[0078][0079]
其中为z(t)在信道衰落影响下的实际信号，ζ
t
＝min{ζ,t}，ζ和t分别表示路径数和当前采样时刻，γ
p
(t)(p＝0,
…
,ζ
t
)是密度函数为h(γ
p
(t))∈[0,1]的相互独立的随
机变量，满足ε{γ
p
(t)}＝γ
p
,衰落模型中路径数ζ＝1，γ
p
(t)的密度函数h(
·
)为
[0080][0081]
其中信道系数γ0＝0.8989，γ1＝0.1174，
[0082]
(3)公共滑模面函数如下：
[0083]
s(t)＝lz(t),
[0084]
其中l为滑模面设计参数。
[0085]
(4)考虑系统受信道衰落的影响，选取滑模控制律，将状态轨迹驱动到指定的滑动面附近的滑动区域，
[0086][0087]
其中h
σ
为控制增益。
[0088]
那么采用滑模控制律后的闭环系统形式更新为：
[0089][0090]
其中
[0091]
(5)基于(4)中设计的离散时间滑模控制律，对得到的闭环系统进行稳定性分析及可达性分析。然后采用遗传算法，通过搜索理想的滑动增益，以获得最小的收敛区域。
[0092]
对于给定的标量0＜μ＜1和τ＞1，平均驻留时间满足的切换信号，对称正定矩阵y
σ
，标量κ1＞0，κ2＞0，作为未知量，那么需优化的目标函数为：
[0093][0094][0095][0096][0097]
其中
[0098][0099][0100][0101]
a＝4λ
σ
ξ2(ζ
t
+1)m+4λ
σ
ξ2,h＝4λ
σ
ξ2(ζ
t
+1)m,+1)m,
[0102]
经过上述分析，滑模动态可以被驱动到滑动区域υ，并在滑动区域上保持运动，滑动区域υ为：
[0103]
γ＝{s(t)|||s(t)||≤ψ(t)},
[0104]
其中，
[0105][0106]
选取t
max
＝50,nc＝30,pm＝0.05,pc＝0.8，以及μ＝0.2,τ＝1.5,可解得：
[0107][0108]
为了能够直观地展现出本方法的控制性能及有效性，我们将通过实验数据通过图3至图6进行展示，来进一步验证所提出方法的控制性能和有效性，其中初始状态选取为z(0)＝[0.5
ꢀ‑
0.3]
t
。
[0109]
图3体现了每一代的适应度平均值和最佳适应度值；
[0110]
图4描述滑模切换面，可以看出本方法实现了有限时间可达性；
[0111]
图5描述了多模态boost转换电路系统的控制输入，在信道衰落下控制输入收敛到原点，具有良好的控制性能；
[0112]
图6描述了多模态boost转换电路系统的状态轨迹在滑模控制作用下达到平衡点，验证了本发明方法能够保证信道衰落下多模态boost转换电路的稳定运行。
[0113]
根据图3-6可知，本发明方法可以有效地抑制信道衰落对多模态boost转换电路系统的影响，解决信道衰落下多模态boost转换电路系统的滑模控制问题，提高多模态boost转换电路系统的性能
[0114]
本发明公开的一种基于遗传算法的多模态boost转换电路滑模控制方法，系统建模考虑全面，模型精确，利用网络化切换模型来描述信道衰落下的多模态boost转换电路系统模型，综合考虑了参数不确定、多模态特性以及非线性对多模态boost转换电路系统的影响，能够非常精确地描述其动力学特性，更加符合系统的实际运行场景，应用范围广；本发明方法解决了多模态boost转换电路系统的滑模控制问题，提高多模态boost转换电路系统的性能，能够保证信道衰落下多模态boost转换电路的稳定运行，并且从理论上证明了系统轨迹在滑动阶段的稳定性以及到达阶段的可达性。
[0115]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或增减替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
技术特征：1.一种基于遗传算法的多模态boost转换电路滑模控制方法，其特征在于，包括以下步骤：将多模态boost转换电路系统建模为离散时间不确定网络化切换系统；考虑信道衰落对系统状态信息的影响，设计信道衰落模型；构造公共滑模面；设计滑模控制律，计算控制器参数；进行稳定性分析及可达性分析，基于最优可达性的目标函数，采用遗传算法构造有效的滑模控制策略，使滑模动态在有限时间内被驱动到理想的最小化滑动区域。2.按照权利要求1所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，其特征在于：多模态boost转换电路系统模型建模为如下离散时间不确定网络化切换系统：z(t+1)＝(a
θ(t)
+δa
θ(t)
(t))z(t)+b
θ(t)
(u(t)+φ
θ(t)
(z(t),t)),其中z(t)和u(t)分别表示系统状态和控制输入，分段连续函数θ(t):n
+
→
m表示切换信号，且m＝{1,2,...,n}，对于切换时间序列t0＜t1＜t2＜
…
＜t
l
＜
…
，切换间隔的持续时间[t
l
,t
l+1
]为驻留时间，对于θ(t)＝σ，a
σ
，b
σ
为已知常数矩阵，δa
σ
(t)为参数不确定项且满足δa
σ
(t)＝c
σ
w
σ
(t)e
σ
，其中非线性项φ
σ
(z(t),t)满足||φ
σ
(z(t),t)||≤ξ||z(t)||。3.按照权利要求2所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，其特征在于：信道衰落模型如下：其中为z(t)在信道衰落影响下的实际信号，ζ
t
＝min{ζ,t}，ζ和t分别表示路径数和当前采样时刻，γ
p
(t)(p＝0,
…
,ζ
t
)是密度函数为h(γ
p
(t))∈[0,1]的相互独立的随机变量，满足ε{γ
p
(t)}＝γ
p
,4.按照权利要求3所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，其特征在于：公共滑模面函数如下：s(t)＝lz(t),其中l为滑模面设计参数。5.按照权利要求4所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，其特征在于：滑模控制律如下：其中h
σ
为控制增益。6.按照权利要求5所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，其特征在于：采用滑模控制律后的系统更新为：
其中7.按照权利要求1所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，其特征在于：对于给定的标量0＜μ＜1和τ＞1，平均驻留时间满足的切换信号θ(t)，对称正定矩阵y
σ
，标量κ1＞0，κ2＞0，作为未知量，那么需优化的目标函数为：量，那么需优化的目标函数为：量，那么需优化的目标函数为：量，那么需优化的目标函数为：其中其中其中其中a＝4λ
σ
ξ2(ζ
t
+1)m+4λ
σ
ξ2,h＝4λ
σ
ξ2(ζ
t
+1)m,+1)m,8.按照权利要求7所述的一种基于遗传算法的多模态boost转换电路滑模控制方法，其特征在于：滑模动态可以被驱动到滑动区域υ，并在滑动区域上保持运动，滑动区域υ为：υ＝{s(t)|||s(t)||≤ψ(t)},其中，
技术总结一种基于遗传算法的多模态Boost转换电路滑模控制方法，包括以下步骤：将多模态Boost转换电路系统建模为离散时间不确定网络化切换系统；考虑信道衰落对系统状态信息的影响，设计信道衰落模型；构造公共滑模面；设计滑模控制律，计算控制器参数；进行稳定性分析及可达性分析，基于最优可达性的目标函数，采用遗传算法构造有效的滑模控制策略，使滑模动态在有限时间内被驱动到理想的最小化滑动区域。综合考虑了参数不确定、多模态特性以及非线性对多模态Boost转换电路系统的影响，模型精确，更加符合系统的实际运行场景，应用范围广；提高了多模态Boost转换电路系统性能，能够保证信道衰落下多模态Boost转换电路稳定运行。衰落下多模态Boost转换电路稳定运行。衰落下多模态Boost转换电路稳定运行。
技术研发人员：齐文海 吕贤超 宗广灯 张宁 张团勇 田仕军 曹佃国 孙海滨 杨东
受保护的技术使用者：日照市水务工程建设有限公司
技术研发日：2022.04.06
技术公布日：2022/7/5
