本发明属于 pid 控制优化领域，尤其涉及一种用于煤泥烘干机的温度控制方法。
背景技术：
1、煤泥烘干机是一种专门用于处理煤泥的设备，通过高温加热将煤泥中的水分蒸发，从而获得干燥的煤泥，便于存储和运输，为了实现高效和稳定的烘干过程，温度控制至关重要，通过pid控制器调节加热器的输出功率，可以维持烘干机内部温度在设定范围内，实现高效稳定的烘干过程。
2、pid控制是一种经典的控制算法，通过比例、积分和微分三个控制参数对系统进行调节，比例控制通过调整控制器输出与当前误差成正比，积分控制通过累积误差的历史值进行调节，以消除稳态误差，微分控制则通过预测误差的变化趋势进行提前调节，增加系统响应速度和稳定性，pid控制器因其简单、有效且易于实现，广泛应用于工业自动化领域，实现对温度、压力、流量等参数的精确控制，但是传统pid控制在复杂系统中对于参数的调整比较困难，需要反复实验和调整，而且在某些特定的场景下，控制性能不稳定，结合智能优化算法对其控制策略进行优化可以很好的弥补不足。
3、青蒿素优化算法（ao）是一种新型元启发式算法，这一算法的灵感来自青蒿素药物治疗疟疾的过程，其中涉及到全面根除人体内的疟疾寄生虫，该算法包括3个优化阶段：全面淘汰阶段、局部清除阶段和巩固后阶段，该算法具有适应性强、灵活度高等特点，但是在某些场景下存在收敛速度慢，容易陷入局部最优从而导致精度不高的缺点。
技术实现思路
1、本发明的目的在于：通过改进标准青蒿素优化算法，提高其在寻优过程中的收敛速度和寻优精度，减少陷入局部最优解的可能性，并增强快速跳出局部最优解的能力，通过改进算法的搜索策略，增加算法种群的多样性和搜索种群的质量，从而整体提升算法性能，采用改进后的青蒿素优化算法来优化煤泥烘干机温度控制系统的pid控制器，从而提高烘干机在烘干煤泥过程中的温度控制，在更加准确的温度下烘干煤泥，提高煤泥的烘干质量和利用效率。
2、为实现上述目的，本发明采用了一种用于煤泥烘干机的温度控制方法，该方法的具体步骤如下。
3、步骤一、构建煤泥烘干机的温度控制系统和数学模型，所述控制系统包括误差计算模块、pid控制器、改进青篙素优化算法模块、温度调节模块、煤泥烘干模块、温度传感器，数学模型是模拟烘干机内部实际的温度变化过程。
4、步骤二、改进青篙素优化算法，具体改进策略为：
5、d1、使用一种虚拟镜像局部开发策略改进青篙素优化算法的全面淘汰阶段，首先设置虚拟领导者，通过虚拟领导者生成实像同时生成一个虚像，选择不同的镜像来进行种群的位置更新；
6、d2、使用一种三维坐标变异策略改进青篙素优化算法的巩固后阶段，通过模拟三维坐标系下的坐标对当前的种群位置进行不同位置和多个方向的变异，从而得到新的种群位置。
7、步骤三、利用改进的青篙素优化算法对煤泥烘干机的温度控制系统的pid控制器进行参数整定，通过设定迭代次数下的寻优得到最优的kp、ki、kd三个参数。
8、步骤四、将通过改进的青篙素优化算法优化得到的pid控制器的三个最优参数，用于煤泥烘干机的温度控制系统的pid控制器，优化系统的控制效果。
9、优选地，步骤一所述的煤泥烘干机的温度控制系统，该系统的执行过程为：首先设置系统的目标烘干温度，将目标烘干温度与温度传感器检测到的实际烘干温度输入误差计算模块，得到实时误差e(t)，将e(t)输入pid控制器，通过改进青篙素优化算法对pid控制器进行参数整定，根据整定的最优参数，pid控制器输出控制量u(t)，将控制量u(t)输入温度调节模块，温度调节模块根据控制量u(t)的大小输出相应的温度控制信号给煤泥烘干模块，完成煤泥的烘干，控制量u(t)的计算公式为：
10、(1)；
11、式(1)中，表示比例增益，表示积分增益，表示微分增益，e(t)表示实时误差值。
12、优选地，步骤一所述的数学模型是通过烘干机内部的参数、环境温度、温度控制信号和热源的效率来模拟烘干机内部的温度变化，具体的数学模型为：
13、(2)；
14、式(2)中，tem(t)表示烘干机内部的温度随时间t变化的函数，表示烘干机内部的煤泥和空气的总热容量，表示温度控制信号，h表示热源效率，h表示烘干机的总传热系数，是热量通过传导和对流散失的效率，a表示烘干机的散热表面积，表示环境温度；
15、根据上述烘干机内部温度变化的微分方程设计一个二阶的传递函数，将公式(2)进行简化和拉普拉斯变换得到的传递函数为：
16、(3)；
17、式(3)中，g(s)表示传递函数，s表示拉普拉斯变换中的复频域变量，、h、a的含义与式(2)中相同，λ表示时间常数。
18、优选地，步骤二中d1所述的使用一种虚拟镜像局部开发策略改进青篙素优化算法的全面淘汰阶段，虚拟镜像局部开发策略的具体数学模型为：
19、(4)；
20、式(4)中，表示更新的种群位置，iter表示当前迭代次数，表示当前种群位置，rand表示[0，1]之间的随机数，表示虚拟领导者，具体公式如式(5)所示，c表示一个系数因子，其中f表示当前位置的适应度值，min_f表示当前最小适应度值，r1和r2表示两个互不相等的随机数，取值范围是[0，1]，k表示概率因子，其中，表示在当前迭代次数下随机选取一个搜索代理的位置；
21、(5)；
22、式(5)中，表示非线性加权因子，计算公式如式(6)所示，表示当前最优位置，表示当前种群位置中适应度值排名前5中除去第一名之外的四个位置的平均值；
23、(6)；
24、式(6)中，iter表示当前迭代次数，max_iter表示最大迭代次数，min_f表示当前最小适应度值，f表示当前位置的适应度值，α表示控制因子，调整适应度值对非线性加权因子的影响大小，取值范围是[0.5，2]。
25、优选地，虚拟镜像局部开发策略通过实像和虚像的结合平衡了算法的全局搜索，通过虚拟领导者引导的实像位置可以使得算法的搜索种群向全局最优解快速收敛，提高寻优效率，通过随机位置生成的虚像增加了种群的多样性，使算法不局限于当前位置，能够探索更加广阔的解空间，减少陷入局部最优的可能性，该策略中的非线性加权因子和概率因子k都是根据算法在寻优过程中当前位置的适应度值进行调整，增加了算法的适应性和稳定性。
26、优选地，步骤二中d2所述的使用一种三维坐标变异策略改进青篙素优化算法的巩固后阶段，其中三维坐标变异策略的具体数学模型为：
27、(7)；
28、式(7)中，表示更新的种群位置，表示当前种群位置，th表示适应度变化检测系数，通过th的值可以判断算法是否陷入局部最优，进行判断的阈值设置为1乘10的-5次方，科学计数法为1e-5，其中th的计算公式如式(8)所示，、、分别表示当前位置在x、y、z三个坐标轴上的变异值，计算公式如式(9)、式(10)和式(11)所示：
29、(8)；
30、式(8)中，th表示适应度变化检测系数，iter表示当前迭代次数，i表示累加变量，初始值为1，f表示当前位置的适应度值，favg表示截止当前迭代次数之前的适应度值的平均值；
31、(9)；
32、式(9)中，表示x坐标轴的变异值，rand表示[0,1]之间的随机值，表示当前最优位置，表示当前种群位置，sign(x)表示x坐标轴的变异方向函数；
33、(10)；
34、式(10)中，表示y坐标轴的变异值，rand表示[0,1]之间的随机值，表示当前种群位置，表示在当前迭代次数下随机选取一个搜索代理的位置，sign(y)表示y坐标轴的变异方向函数；
35、(11)；
36、式(11)中，表示x坐标轴的变异值，rand表示[0,1]之间的随机值，表示当前最优位置，表示在当前迭代次数下随机选取一个搜索代理的位置，sign(z)表示z坐标轴的变异方向函数。
37、优选地，青篙素优化算法的巩固后阶段作为整个算法的最后一个阶段，决定着整个算法的优化性能，通过三维坐标变异策略的改进可以更好的保证算法在寻优过程中寻优种群的质量，从而提高算法的寻优速度和精度，当算法进入巩固后阶段首先判断算法在当前迭代次数下是否陷入局部最优解的情况，如果适应度变化检测系数th大于阈值说明算法寻优正常保留本次迭代更新的种群位置，否则进行三维坐标变异生成新的种群位置，帮助算法更好的跳出局部最优继续寻优。
38、优选地，步骤三中所述的，利用改进的青篙素优化算法对煤泥烘干机的温度控制系统的pid控制器进行参数整定，具体步骤为：
39、s1、设置改进的青篙素优化算法的初始参数，包括种群规模n，问题维度dim，最大迭代数max_iter，搜索空间的上限ub，下限lb，通过初始参数初始化种群位置；
40、s2、根据算法的问题维度dim，将pid的三个参数kp、ki、kd编码为算法搜索种群的位置向量；
41、s3、设置改进的青篙素优化算法的适应度值函数，适应度值作为算法寻优过程中的评价指标，使用iae作为改进的青篙素优化算法的适应度值函数，iae函数公式为：
42、(12)；
43、式(12)中，j表示适应度值，e(t)表示实时误差值，l为系统运行的总时间；
44、s4、计算种群的适应度值，根据适应度值大小进行排序，设置最小适应度值为min_f，最大适应度值为max_f；
45、s5、通过改进的青篙素优化算法的数学模型对搜索种群进行位置更新，更新种群中的最优位置；
46、s6、判断迭代次数是否达到最大迭代次数，如果没有达到，则继续执行s4寻优，否则，将种群中的最优位置作为最优解输出，寻优结束。
47、优选地，s5中所述，通过改进的青篙素优化算法的数学模型对搜索种群进行位置更新的具体过程为：
48、s51、如果随机数r2小于概率因子k,则进入改进的青篙素优化算法的全面淘汰阶段进行位置更新，全面淘汰阶段是使用一种虚拟镜像局部开发策略，具体的数学模型如式(4)所示；
49、s52、如果随机数r2大于等于概率因子k，并且随机数rand小于，则进入改进的青篙素优化算法的局部清除阶段进行位置更新，的计算公式如式(13)所示，局部清除阶段的数学模型如式(14)所示：
50、(13)；
51、式(13)中，表示归一化适应度值，min_f表示当前最小适应度值，f表示当前位置的适应度值，max_f表示当前最大适应度值；
52、(14)；
53、式(14)中，表示更新的种群位置，d取[0.1，0.6]之间的随机值，b1、b2、b3为互不相等的随机数，取值范围是[1,n]，n表示种群数量；
54、s53、执行改进的青篙素优化算法的巩固后阶段进行位置更新，巩固后阶段使用使用一种三维坐标变异策略，具体的数学模型如式(7)所示；
55、s54、计算更新位置的适应度值，更新最小适应度值和最大适应度值，并根据贪婪策略保留适应度较小的位置作为最优位置。
56、通过采用上述技术方案，本发明的有益效果为：通过一种虚拟镜像局部开发策略和一种三维坐标变异策略改进标准青篙素优化算法，提高了算法的全局搜索能力，提高了算法在应对不同场景下的适应能力，保证搜索种群质量的同时增加的种群更新的多样性，在算法陷入局部最优解的情况下可以快速调整，并跳出局部最优解继续寻优，提高了算法的寻优精度，将改进的青篙素优化算法应用于煤泥烘干机的温度控制系统的pid控制器的参数优化，增加了烘干机内部温度控制的精度和稳定性，提高了煤泥的烘干质量，使用改进的青篙素优化算法对煤泥烘干机的温度控制系统的pid控制器进行参数整定也减少了人工调参的复杂度和工作量。
1.一种用于煤泥烘干机的温度控制方法，其特征在于，具体步骤为：
2.根据权利要求1所述的一种用于煤泥烘干机的温度控制方法，其特征在于，步骤一中所述的煤泥烘干机的温度控制系统，该系统的执行过程为：首先设置系统的目标烘干温度，将目标烘干温度与温度传感器检测到的实际烘干温度输入误差计算模块，得到实时误差e(t)，将e(t)输入pid控制器，通过改进青篙素优化算法对pid控制器进行参数整定，根据整定的最优参数，pid控制器输出控制量u(t)，将控制量u(t)输入温度调节模块，温度调节模块根据控制量u(t)的大小输出相应的温度控制信号给煤泥烘干模块，完成煤泥的烘干，控制量u(t)的计算公式为：
3.根据权利要求2所述的一种用于煤泥烘干机的温度控制方法，其特征在于，步骤一所述的数学模型是通过烘干机内部的参数、环境温度、温度控制信号和热源的效率来模拟烘干机内部的温度变化，具体的数学模型为：
4.根据权利要求3所述的一种用于煤泥烘干机的温度控制方法，其特征在于，步骤二中d1所述的使用一种虚拟镜像局部开发策略改进青篙素优化算法的全面淘汰阶段，虚拟镜像局部开发策略的具体数学模型为：
5.根据权利要求4所述的一种用于煤泥烘干机的温度控制方法，其特征在于，步骤二中d2所述的使用一种三维坐标变异策略改进青篙素优化算法的巩固后阶段，其中三维坐标变异策略的具体数学模型为：
6.根据权利要求5所述的一种用于煤泥烘干机的温度控制方法，其特征在于，步骤三中所述的，利用改进的青篙素优化算法对煤泥烘干机的温度控制系统的pid控制器进行参数整定，具体步骤为：
7.根据权利要求6所述的一种用于煤泥烘干机的温度控制方法，其特征在于，s5中所述的，通过改进的青篙素优化算法的数学模型对搜索种群进行位置更新的具体过程为：
