改进教与学优化算法的lqr控制器优化设计-智能系统学报.pdfVIP

第９卷第５期　 　 　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．９ №．５ ２０１４年１０月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 　 Ｏｃｔ． ２０１４ ＤＯＩ：１０．３９６９／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３０４０７１ 改进教与学优化算法的ＬＱＲ控制器优化设计 拓守恒，邓方安，雍龙泉 （陕西理工学院数学与计算机科学学院，陕西 西安７２３０００ ） 摘　 要：为了快速有效地确定线性二次最优控制（ｌｉｎｅａｒ ｑｕａｄｒａｔｉｃ ｒｅｇｕｌａｔｏｒ，ＬＱＲ）问题中的加权矩阵Ｑ和Ｒ，针对主 动悬架ＬＱＲ控制器权系数设计问题，提出一种改进的教与学优化算法进行ＬＱＲ优化设计。 算法对基本教与学优化 算法中的“教”与“学”阶段进行了进一步的改进，同时提出一种“自我学习”策略。 通过仿真实验表明，和基本教与 学算法、粒子群算法、遗传算法相比，本文算法在对主动悬架ＬＱＲ控制器优化时，具有收敛速度快，求解精度高和稳 定性强等优势。 关键词：教与学优化算法；ＬＱＲ 控制器；优化控制；主动悬架；粒子群优化算法；遗传算法 中图分类号：ＴＰ１８　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１４）０５⁃０６０２⁃０６ 中文引用格式：拓守恒，邓方安，雍龙泉． 改进教与学优化算法的ＬＱＲ控制器优化设计［Ｊ］． 智能系统学报，２０１４，９（５）：６０２⁃６０７． 英文引用格式：ＴＵＯ Ｓｈｏｕｈｅｎｇ，ＤＥＮＧ Ｆａｎｇ’ａｎ，ＹＯＮＧＬｏｎｇｑｕａｎ． Ｏｐｔｉｍａｌ ｄｅｓｉｇｎ ｏｆ ａｌｉｎｅａｒ ｑｕａｄｒａｔｉｃ ｒｅｇｕｌａｔｏｒ （ＬＱＲ）ｃｏｎｔｒｏｌ⁃ ｌｅｒ ｂａｓｅｄ ｏｎ ｔｈｅ ｍｏｄｉｆｉｅｄ ｔｅａｃｈｉｎｇ⁃ｌｅａｒｎｉｎｇ⁃ｂａｓｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ，２０１４，９ （５）：６０２⁃６０７． Ｏｐｔｉｍａｌ ｄｅｓｉｇｎ ｏｆ ａ ｌｉｎｅａｒ ｑｕａｄｒａｔｉｃ ｒｅｇｕｌａｔｏｒ （ＬＱＲ） ｃｏｎｔｒｏｌｌｅｒ ｂａｓｅｄ ｏｎ ｔｈｅ ｍｏｄｉｆｉｅｄ ｔｅａｃｈｉｎｇ⁃ｌｅａｒｎｉｎｇ⁃ｂａｓｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ＴＵＯ Ｓｈｏｕｈｅｎｇ，ＤＥＮＧ Ｆａｎｇ’ａｎ，ＹＯＮＧ Ｌｏｎｇｑｕａｎ （Ｓｃｈｏｏｌ ｏｆ Ｍａｔｈｅｍａｔｉｃｓ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｓｈａａｎｘｉ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，ＸＩ′ａｎ７２３０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏ ｄｅｔｅｒｍｉｎｅｔｈｅｗｅｉｇｈｔｉｎｇｍａｔｒｉｘ Ｑ ａｎｄＲ ｆｏｒ ａｌｉｎｅａｒ ｑｕａｄｒａｔｉｃｒｅｇｕｌａｔｏｒ （ＬＱＲ），ａｍｏｄｉｆｉｅｄｔｅａｃｈｉｎｇ⁃ ｌｅａｒｎｉｎｇ⁃ｂａｓｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ （ＭＴＬＢＯ） ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｔｕｎｅ ｗｅｉｇｈｔｉｎｇ ｆａｃｔｏｒｓ ｆｏｒ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ ＬＱＲ ｃｏｎｔｒｏｌｌｅｒ． Ｔｈｅ “Ｔｅａｃｈｉｎｇ” ｐｈａｓｅａｎｄ “ｌｅａｒｎｉｎｇ” ｐｈａｓｅａｒｅｍｏｄｉｆｉｅｄｕｓｉｎｇ ＭＴＬＢＯｂａｓｅｄｏｎｔｈｅｂａｓｉｃＴＬＢＯａｌｇｏ⁃ ｒｉｔｈｍ．Ａｎｏｖｅｌ “ｓｅｌｆ⁃ｌｅａｒｎｉｎｇ” ｓｔｒａｔｅｇｙｉｓｅｍｐｌｏｙｅｄｉｎＭＴＬＢＯ．ＴｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅＭＴＬＢＯａｌｇｏ⁃ ｒｉｔｈｍｈａｓｄｉｓｔｉｎｃｔａｄｖａｎｔａｇｅｓｉｎｃｏｎｖｅｒｇｅｎｃｅ，ｐｒｅｃｉｓｉｏｎａｎｄｓｔａｂｉｌｉｔｙｔｈａｎｂａｓｉｃＴＬＢＯ，ＰＳＯａｎｄｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ． Ｋｅｙｗｏｒｄｓ：ｔｅａｃｈｉｎｇ⁃ｌｅａｒｎｉｎｇ⁃ｂａｓｅｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ； ＬＱＲ ｃｏｎｔｒｏｌｌｅｒ； ｏｐｔ