为了克服最优LQR控制方法中确定权重的困难，本文提出了一种多组遗传算法来优化LQR控制器的加权系数。动悬架控制律的设计结果表明，与被动悬架相比，基于多组遗传算法的LQR控制方法可以有效地提高主动悬架的性能。
于LQR最优控制方法，在性能指标中权重矩阵的选择对控制系统的性能有很大的影响。
常情况下，权重矩阵是根据系统的物理过程人为调整的，无法获得最优的权重矩阵，从而获得最优的控制反馈系数。传算法是全局优化算法。统的遗传算法存在重大缺陷，如早熟容易，后期进化研究效率低。文采用多组遗传算法避免传统遗传算法的过早收敛，并行运算可以提高算法的效率。
后使用多组遗传算法优化线性二次调节器（LQR）的权重系数，恒温阀芯以提高LQR的设计效率和性能。于最优的LQR控制方法[1]，性能指标中权重矩阵的选择对控制系统的性能有很大的影响。于难以确定LQR控制器的权重矩阵，为了提高LQR控制器的设计效率和性能，使用了多组遗传算法来优化LQR控制器的加权系数。传算法是一种高度并行，随机和自适应的算法，用于根据自然世界的选择和进化机制开发的全局最优化概率研究。统的遗传算法有两个主要缺点：第一，它很容易过早地出现，也就是说，收敛会提前结束并落入最优的局部解中。次，研究效率在后期发展中很弱，这意味着最终结果通常不是最佳的整体解决方案。了避免上述情况，本文采用了多组遗传算法，通过多组并行进化的思想，遗传算法在具有不同参数的多个子种群之间并行执行控制，并通过移民操作员在子种群之间交换信息。过手动选择操作员以记录各个组的每个进化世代中的最佳个体，可以避免过早收敛，并且并行操作可以改善算法的效率。骤1：随机生成N个总体，依次将每个总体的每个个体分配给LQR控制器的加权系数，并找到最佳控制反馈增益矩阵和控制信号。骤2：以精英人群中的最佳个体的最小代数作为算法的终止准则，计算每个人群中每个个体的适应度函数值，并判断是否满足终止条件。足算法。
果满意，请退出算法并获得最佳个人。果不满意，请转到步骤（3）。骤3：根据传统标准遗传算法的进化机制，各个小组采用轮盘赌，单点穿越和位点突变的选择来产生新的种群。
中，每个种群选择不同的Pc和Pm突变概率，以便多个种群共同进化并提高算法的全局和局部搜索能力。
骤4：移民操作员用于将目标人群中最差的人替换为源人群中的最差的人，以在人群之间交换信息。骤5：使用人工选择运算符从其他各代人中选择最佳个体，并将其放入精英种群中进行保护，然后转到步骤2。献[2]，以车辆的主动悬架为受控对象，以主动悬架的性能指标为目标函数，并使用第2节中提出的多组遗传算法对LQR控制器的加权矩阵进行优化。Simulink中建立了LQR主动悬架控制模型，如图1所示。模型的参数如下：mb = 320kg，mw = 40kg，Ks = 20000N / m，Kt = 20000N / m，G0 = 5×10-6m3 /周期，v = 20m / s，f0 = 0.1Hz，Kspas = 22000N / m，Cspas = 1000 Ns / m。自道路的输入噪声为10001×1，这是强度为20 dB的白色高斯噪声。
组遗传算法的参数定义如下：种群数量为10，种群中的个体数量为40，世代差距为0.9，杂交的概率在区间[0，7，0，9]中随机产生，并且在区间[0，001，0，05]中随机产生突变的概率，最佳个体至少保持10代。
算法最终收敛到2.54，此时，相应的最优个体为（q1，q2，q3）=（1.11×105、1.18×104、7.56×104）。中列出了相应的性能指标及其与被动悬架的比较。示了1个。
表1中可以看出，根据本文档的方法设计的LQR控制器使主动悬架的性能明显优于被动悬架。
对确定LQR控制方法权重的困难，本文采用多组遗传算法对LQR控制器的权重系数进行优化。
本文方法应用于主动悬架控制律的设计，仿真结果表明，基于多组遗传算法的LQR控制方法可以有效地提高悬架性能。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com