一种桥式吊车PID控制方法、系统、设备及存储介质

一种桥式吊车pid控制方法、系统、设备及存储介质
技术领域
1.本发明涉及桥式吊车控制技术领域，尤其是涉及一种桥式吊车pid控制方法、系统、设备及存储介质。

背景技术：

2.桥式吊车因其成本低、结构简单、承重能力强的优点被广泛利用在冶金、煤炭、电力等各行各业的物料起重、运送、装卸等方面。主要研究其控制系统，从而提高设备的稳定性和可靠性，解决其运行过程中摆角幅度大和定位慢的问题，以便在各种工况下都能高质量完成作业。在已经使用过的pid控制器、模糊控制器和滑膜控制器等控制器中，通常情况下操作都是靠工人在实际工作中积累的经验来完成，控制效果并不是很理想，所以控制系统各项参数的选定是桥式吊车发展进程中需要克服的一个重要的问题。
3.国内外的研究主要通过改善机械结构和提出控制方法解决。机械结构优化是通过建模，对其最危险工况进行应力及应变静力学分析，得到极限效应力和挠度。然后结合灵敏度参数要求，利用算法优化，通过matlab、ansys等软件仿真进行校对调试。该方法成本高，实物调试存在局限性，于是基于能量分析、滑膜非线性、模糊控制等控制策略被提出。随着各种控制策略的提出，主动控制方法通过判定是否需要输出反馈逐渐被分为两类：开环控制，闭环控制。其中闭环控制的控制效果最理想，闭环控制中有延迟反馈控制器、李雅普诺夫方法，线性二次型调节器等依赖模型建立的方法与模糊控制、神经网络等不依赖模型建立的控制方法。依赖模型建立的控制方法与不依赖模型建立的控制方法相较，优点为控制系统可靠，缺点为反应速度慢，迭代次数多，以至于在环境发生变化时自调节能力差。pid控制器在工业界有广泛的应用，也可以用于桥式吊车控制。pid控制器结构简单，参数容易调整，并且具有良好的稳定性。常用的pid控制器控制方法是采用一个pid控制器来控制吊车的位置或者分别对位置和角度采用pid控制，最后进行加权求得控制器输出，仿真结果和具体应用表明单pid位置控制不能获得令人满意的控制结果。
4.目前，常见的解决问题方法主要分为机械结构优化和添加主动控制系统两种，桥式吊车属于重工类机械，从机械结构上改良难度大，精度低。主动控制系统中闭环控制系统因为具有自整定能力，抗干扰性强的优点，所以应用最为广泛。闭环控制又分为线性控制、非线性控制和智能控制三大类。桥式吊车系统是典型的非线性强耦合系统，线性控制系统显然难以获得理想结果；非线性控制系统也存在对建模误差非常敏感的缺点；智能控制对于系统建模误差和外界干扰具有较强的鲁棒性，但目前存在控制系统参数选取困难的问题。

技术实现要素：

5.本发明旨在至少解决现有技术中存在的技术问题。为此，本发明提出一种桥式吊车pid控制方法、系统、设备及存储介质，能够快速寻最优的pid控制参数，实现了大型作业器械桥式吊车的智能化操作，克服桥式吊车在运行过程中摆角幅度大、定位反应慢的问
题，提高了工作效率和安全性能。
6.本发明的第一方面，提供了一种桥式吊车pid控制方法，包括如下步骤：
7.步骤s101：获取桥式吊车pid控制器的参数向量；
8.步骤s102：根据所述参数向量计算得到适应度函数值；
9.步骤s103：根据麻雀搜索算法构造所述pid控制器的参数向量的优化模型，依据所述适应度函数值将所述优化模型中的麻雀分为发现者和抢夺发现者食物的加入者；
10.步骤s104：根据发现者位置更新公式对所述发现者位置进行更新，得到发现者位置更新结果；
11.步骤s105：将正态变异引入加入者位置更新公式对所述加入者位置进行更新，得到加入者第一位置更新结果；
12.步骤s106：利用正交对立学习策略对所述加入者第一位置更新结果进行更新，得到加入者第二位置更新结果；
13.步骤s107：随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果；
14.步骤s108：若迭代次数小于最大迭代次数，跳转至步骤s104，否则输出所述发现者位置更新结果、所述加入者第二位置更新结果与所述侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据所述最优值麻雀位置得到最优pid控制参数。
15.根据本发明的实施例，至少具有如下技术效果：
16.本方法通过获取桥式吊车pid控制器的参数向量，根据参数向量计算得到适应度函数值，根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者，根据发现者位置更新公式对发现者位置进行更新，得到发现者位置更新结果，将正态变异引入加入者位置更新公式对加入者位置进行更新，得到加入者第一位置更新结果，利用正交对立学习策略对加入者第一位置更新结果进行更新，得到加入者第二位置更新结果，随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果，若迭代次数小于最大迭代次数，则继续循环，否则输出发现者位置更新结果、加入者第二位置更新结果与侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据最优值麻雀位置得到最优pid控制参数，实现了大型作业器械桥式吊车的智能化操作，克服了桥式吊车在运行过程中摆角幅度大、定位反应慢的问题，提高了工作效率和安全性能。
17.根据本发明的一些实施例，在所述获取桥式吊车pid控制器的参数向量之前，所述桥式吊车pid控制方法还包括：
18.根据所述桥式吊车pid控制器的参数向量的数量，设置种大小；
19.随机初始化所述桥式吊车pid控制器的参数向量。
20.根据本发明的一些实施例，所述适应度函数值的计算公式为：
21.w＝[wi,w2,w3,w4,w5l
[0022][0023]
其中，j为适应度函数值，t为当前迭代次数，ζ(t)为第t次迭代的位置偏差信号参数，x3(t)为第t次迭代的摆角信号参数，u(t)为第t次迭代的驱动力参数，u
max
为控制过程中吊车驱动力的最大值，x
3max
为负载摆动的最大角度，w为权重矩阵，且w＝[w1,w2,w3,w4,w5]＝
[0.5,0.3,0.2,0.1,0.1]。
[0024]
根据本发明的一些实施例，所述发现者位置更新公式为：
[0025][0026]
其中，为第t次迭代的第i个麻雀第j维的位置，iter
max
为最大迭代次数，α为服从0到1的正态分布的随机数，q为服从0到1的正态分布的随机数，l为元素全为1的1
×
d维的向量，r2为预警值，st为安全值。
[0027]
根据本发明的一些实施例，所述加入者位置更新公式为：
[0028]a+
＝＝a'(a.a')-1
[0029][0030][0031][0032]
其中，a为1和-1组成的1xd维的矩阵，a
′
为a矩阵的转置，r是取值范围在[0,1]的随机数，为第t次迭代的第j维的最优位置，为第t次迭代的第j维的最差位置。
[0033]
根据本发明的一些实施例，所述利用正交对立学习策略对所述加入者第一位置更新结果进行更新，得到加入者第二位置更新结果，包括：
[0034]
根据对立学习策略生成所述加入者第一位置更新结果的对立位置；
[0035]
根据所述加入者第一位置更新结果与所述对立位置利用正交表构建正交候选解；
[0036]
根据所述正交候选解对应的适应度函数值评估所述正交候选解，得到所述加入者第二位置更新结果。
[0037]
根据本发明的一些实施例，所述侦查公式为：
[0038][0039]
其中，β为服从0到1的正态分布的随机数，lb为预先设置的搜索空间的下界，ub为预先设置的搜索空间的上界，fi为第i个麻雀的适应度函数值，fg为当前最优个体的适应度函数值。
[0040]
本发明的第二方面，提供一种桥式吊车pid控制系统，其包括如本发明第一方面所述的一种桥式吊车pid控制方法，所述桥式吊车pid控制系统包括：
[0041]
数据获取模块用于获取桥式吊车pid控制器的参数向量；
[0042]
适应度函数值计算模块用于根据所述参数向量计算得到适应度函数值；
[0043]
麻雀分类模块用于根据麻雀搜索算法构造所述pid控制器的参数向量的优化模型，依据所述适应度函数值将所述优化模型中的麻雀分为发现者和抢夺发现者食物的加入者；
[0044]
发现者位置更新模块用于根据发现者位置更新公式对所述发现者位置进行更新，
得到发现者位置更新结果；
[0045]
加入者第一位置更新模块用于将正态变异引入加入者位置更新公式对所述加入者位置进行更新，得到加入者第一位置更新结果；
[0046]
加入者第二位置更新模块用于利用正交对立学习策略对所述加入者第一位置更新结果进行更新，得到加入者第二位置更新结果；
[0047]
侦查位置更新模块用于随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果；
[0048]
迭代模块用于若迭代次数小于最大迭代次数，跳转至发现者位置更新模块，否则输出所述发现者位置更新结果、所述加入者第二位置更新结果与所述侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据所述最优值麻雀位置得到最优pid控制参数。
[0049]
本系统通过获取桥式吊车pid控制器的参数向量，根据参数向量计算得到适应度函数值，根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者，根据发现者位置更新公式对发现者位置进行更新，得到发现者位置更新结果，将正态变异引入加入者位置更新公式对加入者位置进行更新，得到加入者第一位置更新结果，利用正交对立学习策略对加入者第一位置更新结果进行更新，得到加入者第二位置更新结果，随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果，若迭代次数小于最大迭代次数，则继续循环，否则输出发现者位置更新结果、加入者第二位置更新结果与侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据最优值麻雀位置得到最优pid控制参数，实现了大型作业器械桥式吊车的智能化操作，克服了桥式吊车在运行过程中摆角幅度大、定位反应慢的问题，提高了工作效率和安全性能。
[0050]
本发明的第三方面，提供了一种桥式吊车pid控制电子设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行上述的桥式吊车pid控制方法。
[0051]
本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述的桥式吊车pid控制方法。
[0052]
需要注意的是，本发明的第二方面至第四方面与现有技术之间的有益效果与上述的一种桥式吊车pid控制系统与现有技术之间的有益效果相同，此处不再细述。
[0053]
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0054]
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0055]
图1是pid控制器原理示意图；
[0056]
图2是本发明一实施例的一种桥式吊车pid控制方法的流程图；
[0057]
图3是图2中的步骤s106的流程图；
[0058]
图4是本发明一实施例的一种桥式吊车pid控制方法的改进麻雀搜索算法流程图；
[0059]
图5是本发明一实施例的一种桥式吊车pid控制系统的流程图。
具体实施方式
[0060]
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0061]
在本发明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0062]
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0063]
本发明的描述中，需要说明的是，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
[0064]
在介绍本发明实施例之前，先对pid控制器与智能优化算法进行简要说明：
[0065]
为了使桥式吊车受到自动控制，且达到吊车快速定位、摆角幅度小的效果，pid控制器是最常用的自动控制器，它有三个环节，即比例控制(p)、积分控制(i)和微分控制(d)，其控制原理图如图1：图1中r(t)为桥式吊车当前的位置或摆角，e(t)为t时刻的误差，u(t)为控制器的输出，c(t)为当前时刻吊车的位置或负载摆角，图1中的三种控制方法都是为了让输出达到目标值，或者说让误差等于0，但不同的控制方法的效果也各不相同。
[0066]
其中，比例控制就是将误差乘以一个放大系数kp，再将结果作为被控对象的输入，那么下一时刻的误差e(t+1)将会减小，从而使当前状态接近目标值(使吊车位置或摆角大幅靠近目标值)，比例控制是其它两种控制方法的基础，其它两种控制方法是基于比例控制再进行优化控制。
[0067]
微分控制主要用于改善上述的比例控制，使状态量衰减并趋于一个定值(使吊车停下来，但不一定停在目标值)，与比例控制一样有一个关键系数td，这个参数影响着微分控制的效果，例如过早收敛。
[0068]
积分控制则是用于继续加强上述的pd控制，作用是消除稳态误差(即让吊车停在目标值这个定点位置)，他的关键参数是ti，参数的过调会使得控制的不精准。
[0069]
桥式吊车pid控制器参数优化：由上述pid控制器的三种控制方法可知，pid控制最重要的就是三个控制方法的系数：kp、ti、td的确定，而且因为pid三个控制方法互相影响，所以需要同时到三个参数的适合值，所以桥式吊车pid控制器参数优化就是将pid控制器与桥式吊车系统模型相连接，使用优化算法到一个能使得桥式吊车最快到达指定位置、摆角受到快速抑制的pid控制器参数。
[0070]
智能优化算法的技术原理为：将动物种中的个体作为一个点，这个点可以在解空间中按照其自身更新方式变换位置，即每一个个体所在的位置都是一个解。将这些解
代入目标函数，可以计算出一个值，称为适应度函数值。种中个体的每一个位置都能对应得到目标函数的一个适应度函数值，通常设定为该适应度函数值越小，代表该位置代表的解越好，即最优解。
[0071]
因此，智能优化算法就是通过不断地迭代更新(有最大次数限制)种中个体的位置，通过计算该位置对应的适应度函数值，然后对比这些适应度函数值，取最小值作为目标函数的最优值，即取最小的适应度函数值所对应的解作为目标函数的最优解。
[0072]
一般算法将适应度函数值当作食物丰富度，此地适应度越小，表示食物越丰富。而智能算法中个体的位置更新一般以个体间竞争寻食物来设计，因此有了在算法迭代更新的后期，种个体聚集在当前最优解的附近并收敛。此时会出现一种情况，就是陷入局部最优解：表示个体由于其自身位置更新机制，难以到比当前位置更好的解(难以跳出局部最优)，但确实解空间内还有更好的位置。因此衍生出了智能算法会出现的问题。
[0073]
种多样性：可以认为是种个体在解空间中的分布情况，如果种后期都收敛在当前最优解附近，那么代表种多样性低，表现为若陷入局部最优解，则难以跳脱。
[0074]
收敛速度：上面说过，算法不仅要到最好的解，还需要快速地到最优解。此时就要考虑算法的收敛速度，若算法到了那个最优的解，此时种个体由于更新机制，慢慢悠悠地朝最优解移动，会严重拖慢算法的运行速度，得不偿失。
[0075]
稳定性：如果算法出现随机性过高、种个体在不同的迭代阶段，都进行大步长的位置变换等情况，会导致算法的鲁棒性不强，适用性不广，不可以应用在其它有稳定性等方面的工业工程应用问题。
[0076]
而智能算法运行时，要对种进行限制，即设置初始值，不然在一个没有边界的空间里无止境地搜索，一点都不实际。所以，智能优化算法首先要对种进行初始化，要设置解空间的上下界、种中个体的数量、最大迭代次数、维度和不同算法所需要的参数等。
[0077]
麻雀搜索算法的搜索原理来源于麻雀的捕食与反捕食行为，麻雀搜索算法中，麻雀被分为发现者和加入者。发现者是适应度值排名靠前的个体，其他个体则为加入者，当麻雀发现危险时，当前个体需要放弃食物并逃离到其他地方。
[0078]
对立学习是一种常用的跳出局部最优解位置的策略。在原始麻雀搜索算法的侦查时，最优位置的麻雀往最差解靠拢，其他位置麻雀往最优值靠拢。虽然往最差解位置搜索，一定程度上能够避免陷入局部最优，但这样并不利于种的收敛。而对立学习不仅能帮助个体快速逃离当前位置，而且对立位置相比于当前最差位置，其适应度值更有可能比于当前位置更优。
[0079]
正交对立学习策略是利用当前解与对立解，通过正交实验设计，以较少的实验次数到不同因素的水平最佳组合的一种方法。该策略的基本思想是：利用当前位置与其对立位置，根据正交表构建正交候选解，接着对各候选解进行评估，最终取出其中最佳的正交组合。通过这种方式，充分利用个体和对立个体中各维度的信息并到最佳组合。
[0080]
目前，常见的解决问题方法主要分为机械结构优化和添加主动控制系统两种，桥式吊车属于重工类机械，从机械结构上改良难度大，精度低。主动控制系统中闭环控制系统因为具有自整定能力，抗干扰性强的优点，所以应用最为广泛。闭环控制又分为线性控制、非线性控制和智能控制三大类。桥式吊车系统是典型的非线性强耦合系统，线性控制系统
显然难以获得理想结果；非线性控制系统也存在对建模误差非常敏感的缺点；智能控制对于系统建模误差和外界干扰具有较强的鲁棒性，但目前存在控制系统参数选取困难的问题。
[0081]
为了解决上述技术缺陷，参照图2，本发明的一个实施例，提供一种桥式吊车pid控制方法，包括：
[0082]
步骤s101：获取桥式吊车pid控制器的参数向量，其中，参数向量的长度为桥式吊车pid控制器的参数数目，参数向量的值为pid控制器的参数值。
[0083]
步骤s102：根据参数向量计算得到适应度函数值。
[0084]
步骤s103：根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者。
[0085]
步骤s104：根据发现者位置更新公式对发现者位置进行更新，得到发现者位置更新结果。
[0086]
步骤s105：将正态变异引入加入者位置更新公式对加入者位置进行更新，得到加入者第一位置更新结果。
[0087]
步骤s106：利用正交对立学习策略对加入者第一位置更新结果进行更新，得到加入者第二位置更新结果。
[0088]
步骤s107：随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果。
[0089]
步骤s108：若迭代次数小于最大迭代次数，跳转至步骤s104，否则输出发现者位置更新结果、加入者第二位置更新结果与侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据最优值麻雀位置得到最优pid控制参数。
[0090]
本方法通过获取桥式吊车pid控制器的参数向量，根据参数向量计算得到适应度函数值，根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者，根据发现者位置更新公式对发现者位置进行更新，得到发现者位置更新结果，将正态变异引入加入者位置更新公式对加入者位置进行更新，得到加入者第一位置更新结果，利用正交对立学习策略对加入者第一位置更新结果进行更新，得到加入者第二位置更新结果，随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果，若迭代次数小于最大迭代次数，则继续循环，否则输出发现者位置更新结果、加入者第二位置更新结果与侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据最优值麻雀位置得到最优pid控制参数，实现了大型作业器械桥式吊车的智能化操作，克服了桥式吊车在运行过程中摆角幅度大、定位反应慢的问题，提高了工作效率和安全性能。
[0091]
在一些实施例中，在获取桥式吊车pid控制器的参数向量之前，桥式吊车pid控制方法还包括步骤s1091至步骤s1092：
[0092]
步骤s1091：根据桥式吊车pid控制器的参数向量的数量，设置种大小。
[0093]
步骤s1092：随机初始化桥式吊车pid控制器的参数向量。
[0094]
具体为：桥式吊车pid控制器的目标有2个，分别是位移与摆角，分别是让负载最快移动到目前位置，同时让摆角最小。因此，需要用到两组pid控制器分别控制位移与摆角两个目标量。将要调整的两组pid控制器参数分别以u(t)1,ζ(t)1,x3(t)1,u(t)2,ζ(t)2,x3(t)2命名，其中，u(t)1,ζ(t)1,x3(t)1为第一组pid控制器的参数值，u(t)2,ζ(t)2,x3(t)2为第
二组pid控制器的参数值。
[0095]
在一些实施例的步骤s102中，适应度函数值的计算公式为：
[0096]
w＝[wi,w2,w3,w4,w5l
[0097][0098]
其中，j为适应度函数值，t为当前迭代次数，ζ(t)为第t次迭代的位置偏差信号参数，x3(t)为第t次迭代的摆角信号参数，u(t)为第t次迭代的驱动力参数，u
max
为控制过程中吊车驱动力的最大值，x
3max
为负载摆动的最大角度，w为权重矩阵，且w＝[w1,w2,w3,w4,w5]＝[0.5,0.3,0.2,0.1,0.1]。
[0099]
在一些实施例的步骤s104中，发现者位置更新公式为：
[0100][0101]
其中，为第t次迭代的第i个麻雀第j维的位置，iter
max
为最大迭代次数，α为服从0到1的正态分布的随机数，q为服从0到1的正态分布的随机数，l为元素全为1的1
×
d维的向量，r2为预警值，st为安全值。
[0102]
在一些实施例的步骤s105中，加入者位置更新公式为：
[0103]a+
＝a'(a.a')-1
[0104][0105][0106][0107]
其中，a为1和-1组成的1xd维的矩阵，a
′
为a矩阵的转置，r是取值范围在[0,1]的随机数，为第t次迭代的第j维的最优位置，为第t次迭代的第j维的最差位置。
[0108]
引入正态变异算子对加入者的最优位置进行扰动，让非饥饿的加入者向发现者最优位置的变异解学习，这样能够提高种的多样性和跳出局部最优的能力。
[0109]
参照图3，在一些实施例中，步骤s106可以包括但不限于包括步骤s1001至步骤s1003：
[0110]
步骤s1001、根据对立学习策略生成加入者第一位置更新结果的对立位置。
[0111]
步骤s1002、根据加入者第一位置更新结果与对立位置利用正交表构建正交候选解。
[0112]
步骤s1003、根据正交候选解对应的适应度函数值评估正交候选解，得到加入者第二位置更新结果。
[0113]
针对麻雀搜索算法随机性过大，算法不够稳定和在解决复杂问题时性能较差的问题，本发明提出正交对立学习策略，并应用在加入者的位置更新，提高了麻雀搜索算法的鲁棒性和实用性。
[0114]
在一些实施例的步骤s107中，侦查公式为：
[0115][0116]
其中，β为服从0到1的正态分布的随机数，lb为预先设置的搜索空间的下界，ub为预先设置的搜索空间的上界，fi为第i个麻雀的适应度函数值，fg为当前最优个体的适应度函数值。
[0117]
本发明通过引入对立学习策略改进侦察者的更新公式，提高了算法的收敛速度。
[0118]
在一些实施例中，参照表1，表1为桥式吊车pid控制方法的伪代码：
[0119]
输入为桥式吊车pid控制器的参数向量，其中，参数向量的长度为桥式吊车pid控制器的参数数目，参数向量的值为pid控制器的参数值。
[0120]
输出为最优pid控制参数。
[0121]
步骤为：
[0122]
(1)根据桥式吊车pid控制器的参数向量的数量，设置种大小，随机初始化桥式吊车pid控制器的参数向量。
[0123]
(2)根据参数向量计算得到适应度函数值并进行排序。
[0124]
(3)若迭代次数小于最大迭代次数。
[0125]
(4)设置种大小数目为n，根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者。
[0126]
(5)根据发现者位置更新公式对发现者位置进行更新，得到发现者位置更新结果。
[0127]
(6)将正态变异引入加入者位置更新公式对加入者位置进行更新，得到加入者第一位置更新结果。
[0128]
(7)利用正交对立学习策略对加入者第一位置更新结果进行更新，得到加入者第二位置更新结果。
[0129]
(8)随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果。
[0130]
(9)输出最优值麻雀位置及适应度函数值，根据最优值麻雀位置得到最优pid控制参数。
[0131]
[0132][0133]
表1
[0134]
参照图4，为了便于本领域人员的理解，以下提供一组最佳实施例：
[0135]
一、获取参数向量：
[0136]
根据桥式吊车pid控制器的参数向量的数量，设置种大小。
[0137]
随机初始化桥式吊车pid控制器的参数向量，桥式吊车pid控制器的目标有2个，分别是位移与摆角，分别是让负载最快移动到目前位置，同时让摆角最小。因此，需要用到两组pid控制器分别控制位移与摆角两个目标量。将要调整的两组pid控制器参数分别以u(t)1,ζ(t)1,x3(t)1,u(t)2,ζ(t)2,x3(t)2命名，其中，u(t)1,ζ(t)1,x3(t)1为第一组pid控制器的参数值，u(t)2,ζ(t)2,x3(t)2为第二组pid控制器的参数值。
[0138]
获取桥式吊车pid控制器的参数向量，其中，参数向量的长度为桥式吊车pid控制器的参数数目，参数向量的值为pid控制器的参数值。
[0139]
二、利用改进麻雀搜索算法寻最优参数：
[0140]
第1步、根据参数向量计算得到适应度函数值并进行升序排序。
[0141]
适应度函数计算公式为：
[0142]
w＝[wi,w2,w3,w4,w5l
[0143][0144]
其中，j为适应度函数值，t为当前迭代次数，ζ(t)为第t次迭代的位置偏差信号参数，x3(t)为第t次迭代的摆角信号参数，u(t)为第t次迭代的驱动力参数，u
max
为控制过程中吊车驱动力的最大值，x
3max
为负载摆动的最大角度，w为权重矩阵，且w＝[w1,w2,w3,w4,w5]＝[0.5,0.3,0.2,0.1,0.1]。
[0145]
第2步、根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者。
[0146]
第3步、根据发现者位置更新公式对发现者位置进行更新，得到发现者位置更新结果，发现者位置更新公式为：
[0147][0148]
其中，为第t次迭代的第i个麻雀第j维的位置，iter
max
为最大迭代次数，α为服从0到1的正态分布的随机数，q为服从0到1的正态分布的随机数，l为元素全为1的1
×
d维的向量，r2为预警值，st为安全值。
[0149]
第4步、将正态变异引入加入者位置更新公式对加入者位置进行更新，得到加入者第一位置更新结果，加入者更新公式为：
[0150]a+
＝a'(a.a')-1
[0151][0152][0153][0154]
其中，a为1和-1组成的1xd维的矩阵，a
′
为a矩阵的转置，r是取值范围在[0,1]的随机数，为第t次迭代的第j维的最优位置，为第t次迭代的第j维的最差位置。
[0155]
第5步、利用正交对立学习策略对加入者第一位置更新结果进行更新，得到加入者第二位置更新结果：
[0156]
根据对立学习策略生成加入者第一位置更新结果的对立位置。
[0157]
根据加入者第一位置更新结果与对立位置利用正交表构建正交候选解。
[0158]
根据正交候选解对应的适应度函数值评估正交候选解，得到加入者第二位置更新结果。
[0159]
第6步、随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果。
[0160]
侦查公式为：
[0161][0162]
其中，β为服从0到1的正态分布的随机数，lb为预先设置的搜索空间的下界，ub为预先设置的搜索空间的上界，fi为第i个麻雀的适应度函数值，fg为当前最优个体的适应度函数值。
[0163]
三、得到最优参数数值：
[0164]
若迭代次数小于最大迭代次数，则继续循环，否则输出发现者位置更新结果、加入者第二位置更新结果与侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据最优值麻雀位置得到最优pid控制参数。
[0165]
当优化结束时，最优的那组结果对应的位置(u(t)1,ζ(t)1,x3(t)1,u(t)2,ζ(t)2,x3(t)2)就会作为参数，传到控制器中，完成对桥式吊车的控制。
[0166]
另外，参照图5，本发明还提供了一种桥式吊车pid控制系统，包括数据获取模块1100、适应度函数值计算模块1200、麻雀分类模块1300、发现者位置更新模块1400、加入者
第一位置更新模块1500、加入者第二位置更新模块1600、侦查位置更新模块1700以及迭代模块1800，其中：
[0167]
数据获取模块1100用于获取桥式吊车pid控制器的参数向量，其中，参数向量的长度为桥式吊车pid控制器的参数数目，参数向量的值为pid控制器的参数值。
[0168]
适应度函数值计算模块1200用于根据参数向量计算得到适应度函数值。
[0169]
麻雀分类模块1300用于根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者。
[0170]
发现者位置更新模块1400用于根据发现者位置更新公式对发现者位置进行更新，得到发现者位置更新结果。
[0171]
加入者第一位置更新模块1500用于将正态变异引入加入者位置更新公式对加入者位置进行更新，得到加入者第一位置更新结果。
[0172]
加入者第二位置更新模块1600用于利用正交对立学习策略对加入者第一位置更新结果进行更新，得到加入者第二位置更新结果。
[0173]
侦查位置更新模块1700用于随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果。
[0174]
迭代模块1800用于若迭代次数小于最大迭代次数，跳转至发现者位置更新模块，否则输出发现者位置更新结果、加入者第二位置更新结果与侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据最优值麻雀位置得到最优pid控制参数。
[0175]
本系统通过获取桥式吊车pid控制器的参数向量，根据参数向量计算得到适应度函数值，根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者，根据发现者位置更新公式对发现者位置进行更新，得到发现者位置更新结果，将正态变异引入加入者位置更新公式对加入者位置进行更新，得到加入者第一位置更新结果，利用正交对立学习策略对加入者第一位置更新结果进行更新，得到加入者第二位置更新结果，随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果，若迭代次数小于最大迭代次数，则继续循环，否则输出发现者位置更新结果、加入者第二位置更新结果与侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据最优值麻雀位置得到最优pid控制参数，实现了大型作业器械桥式吊车的智能化操作，克服了桥式吊车在运行过程中摆角幅度大、定位反应慢的问题，提高了工作效率和安全性能。
[0176]
需要注意的是，本方法实施例与上述的系统实施例是基于相同的发明构思，因此上述方法实施例的相关内容同样适用于本系统实施例，这里不再赘述。
[0177]
本技术还提供一种桥式吊车pid控制电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现：如上述的桥式吊车pid控制方法。
[0178]
处理器和存储器可以通过总线或者其他方式连接。
[0179]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络
连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0180]
实现上述实施例的桥式吊车pid控制方法所需的非暂态软件程序以及指令存储在存储器中，当被处理器执行时，执行上述实施例中的桥式吊车pid控制方法，例如，执行以上描述的图1中的方法步骤s101至步骤s108。
[0181]
本技术还提供一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于执行：如上述的桥式吊车pid控制方法。
[0182]
该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的桥式吊车pid控制方法，例如，执行以上描述的图1中的方法步骤s101至步骤s108。
[0183]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序单元或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序单元或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
[0184]
上面结合附图对本发明实施例作了详细说明，但本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

技术特征：

1.一种桥式吊车pid控制方法，其特征在于，所述桥式吊车pid控制方法包括：步骤s101：获取桥式吊车pid控制器的参数向量；步骤s102：根据所述参数向量计算得到适应度函数值；步骤s103：根据麻雀搜索算法构造pid控制器的参数向量的优化模型，依据所述适应度函数值将所述优化模型中的麻雀分为发现者和抢夺发现者食物的加入者；步骤s104：根据发现者位置更新公式对所述发现者位置进行更新，得到发现者位置更新结果；步骤s105：将正态变异引入加入者位置更新公式对所述加入者位置进行更新，得到加入者第一位置更新结果；步骤s106：利用正交对立学习策略对所述加入者第一位置更新结果进行更新，得到加入者第二位置更新结果；步骤s107：随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果；步骤s108：若迭代次数小于最大迭代次数，跳转至步骤s104，否则输出所述发现者位置更新结果、所述加入者第二位置更新结果与所述侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据所述最优值麻雀位置得到最优pid控制参数。2.根据权利要求1所述的桥式吊车pid控制方法，其特征在于，在所述获取桥式吊车pid控制器的参数向量之前，所述桥式吊车pid控制方法还包括：根据所述桥式吊车pid控制器的参数向量的数量，设置种大小；随机初始化所述桥式吊车pid控制器的参数向量。3.根据权利要求2所述的桥式吊车pid控制方法，其特征在于，所述适应度函数值的计算公式为：w＝[w1,w2,w3,w4,w5]其中，j为适应度函数值，t为当前迭代次数，ζ(t)为第t次迭代的位置偏差信号参数，x3(t)为第t次迭代的摆角信号参数，u(t)为第t次迭代的驱动力参数，u
max
为控制过程中吊车驱动力的最大值，x
3max
为负载摆动的最大角度，w为权重矩阵，且w＝[w1,w2,w3,w4,w5]＝[0.5,0.3,0.2,0.1,0.1]。4.根据权利要求3所述的桥式吊车pid控制方法，其特征在于，所述发现者位置更新公式为：其中，为第t次迭代的第i个麻雀第j维的位置，iter
max
为最大迭代次数，α为服从0到1的正态分布的随机数，q为服从0到1的正态分布的随机数，l为元素全为1的1
×
d维的向量，r2为预警值，st为安全值。5.根据权利要求4所述的桥式吊车pid控制方法，其特征在于，所述加入者位置更新公式为：a
+
＝a
′
(a
·
a
′
)-1
其中，a为1和-1组成的1xd维的矩阵，a
′
为a矩阵的转置，r是取值范围在[0,1]的随机数，为第t次迭代的第j维的最优位置，为第t次迭代的第j维的最差位置。6.根据权利要求5所述的桥式吊车pid控制方法，其特征在于，所述利用正交对立学习策略对所述加入者第一位置更新结果进行更新，得到加入者第二位置更新结果，包括：根据对立学习策略生成所述加入者第一位置更新结果的对立位置；根据所述加入者第一位置更新结果与所述对立位置利用正交表构建正交候选解；根据所述正交候选解对应的适应度函数值评估所述正交候选解，得到所述加入者第二位置更新结果。7.根据权利要求6所述的桥式吊车pid控制方法，其特征在于，所述侦查公式为：其中，β为服从0到1的正态分布的随机数，lb为预先设置的搜索空间的下界，ub为预先设置的搜索空间的上界，f
i
为第i个麻雀的适应度函数值，f
g
为当前最优个体的适应度函数值。8.一种桥式吊车pid控制系统，其特征在于，所述桥式吊车pid控制系统包括：数据获取模块用于获取桥式吊车pid控制器的参数向量；适应度函数值计算模块用于根据所述参数向量计算得到适应度函数值；麻雀分类模块用于根据麻雀搜索算法构造所述pid控制器的参数向量的优化模型，依据所述适应度函数值将所述优化模型中的麻雀分为发现者和抢夺发现者食物的加入者；发现者位置更新模块用于根据发现者位置更新公式对所述发现者位置进行更新，得到发现者位置更新结果；加入者第一位置更新模块用于将正态变异引入加入者位置更新公式对所述加入者位置进行更新，得到加入者第一位置更新结果；加入者第二位置更新模块用于利用正交对立学习策略对所述加入者第一位置更新结果进行更新，得到加入者第二位置更新结果；侦查位置更新模块用于随机选取部分麻雀个体根据侦查公式计算，得到侦查位置更新结果；迭代模块用于若迭代次数小于最大迭代次数，跳转至发现者位置更新模块，否则输出所述发现者位置更新结果、所述加入者第二位置更新结果与所述侦查位置更新结果中的最优值麻雀位置及适应度函数值，根据所述最优值麻雀位置得到最优pid控制参数。9.一种桥式吊车pid控制设备，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执
行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至7任一项所述的一种桥式吊车pid控制方法。10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的一种桥式吊车pid控制方法。

技术总结

本发明公开了一种桥式吊车PID控制方法、系统、设备及存储介质，包括获取桥式吊车PID控制器的参数向量，根据参数向量计算得到适应度函数值，依据适应度函数值将优化模型中的麻雀分为发现者和抢夺发现者食物的加入者，根据发现者位置更新公式对发现者位置进行更新，将正态变异引入加入者位置更新公式对发现者位置进行更新，利用正交对立学习策略对加入者位置更新结果进行更新，随机选取部分麻雀个体根据侦查公式计算，根据最优值麻雀位置得到最优PID控制参数，实现了大型作业器械桥式吊车的智能化操作，克服了桥式吊车在运行过程中摆角幅度大、定位反应慢的问题，提高了工作效率和安全性能。安全性能。安全性能。