技术摘要：
本发明公开了一种控制参数的寻优方法、装置、空调、存储介质及处理器，该方法包括：确定电器设备的所有控制回路中需进行单元控制器的PID控制参数寻优的控制回路，作为目标控制回路；将目标控制回路中每个单元控制器的PID控制参数的初始化值或经验值，作为每个群落细菌 全部
背景技术：
在暖通空调控制系统中，对温度、湿度、空气污染度等参数分别独立控制， 控制器 大都采用PID控制，并且控制器参数是固定的。但是，暖通空调系统的 时滞、时变、非线性等 特性比较明显，导致系统不容易控制，使用固定参数的 控制器时控制时容易造成大量的能 耗。 上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现 有技 术。
技术实现要素：
本发明的目的在于，针对上述缺陷，提供一种控制参数的寻优方法、装置、 空调、 存储介质及处理器，以解决采用固定参数的控制器控制时容易造成大量 能耗的问题，达到 通过优化控制器的控制参数避免控制过程中造成大量能耗的 效果。 本发明提供一种控制参数的寻优方法，包括：确定电器设备的所有控制回 路中需 进行单元控制器的PID控制参数寻优的控制回路，作为目标控制回路； 将目标控制回路中 每个单元控制器的PID控制参数的初始化值或经验值，作为 每个群落细菌的初始位置，并 初始化每个群落细节在细菌觅食算法中的寻优参 数；基于每个群落细菌的初始位置和寻 优参数，结合云模型和粒子群算法对目 标控制回路进行基于细菌觅食算法的PID控制参数 寻优处理，以得到每个目标 控制回路中每个单元控制器的PID控制参数的寻优结果，进而 能够利用每个目 标控制回路中每个单元控制器的PID控制参数的寻优结果对该目标控制 回路 进行控制。 可选地，其中，确定电器设备的所有控制回路中需进行单元控制器的PID 控制参 数寻优的控制回路，包括：对电器设备所有控制回路进行分组，确定各 组控制回路的性能 指标；将各组控制回路中性能指标未达到设定阈值的几组控 制回路，确定为需进行单元控 制器的PID控制参数寻优的控制回路；其中，每 组控制回路的性能指标，包括：每组控制回 路中所有被控量的实际输出值与设 定值之间的控制误差的标准差；和/或，初始化每个群 落细节在细菌觅食算法中 的寻优参数，包括：初始化每个群落细菌的搜索空间的维度、细 菌种群规模、 趋化次数、复制次数、迁徙次数、迁徙概率、和/或趋化操作中游动的最大步 数； 其中，搜索空间的维度与PID控制参数的数量匹配，细菌种群规模与目标控制 回路中 的单元控制器数目匹配。 可选地，结合云模型和粒子群算法对目标控制回路进行基于细菌觅食算法 的PID 8 CN 111610713 A 说 明 书 2/30 页 控制参数寻优处理，包括：基于确定的每个群落细菌的初始位置，对确 定的每个群落细菌 进行趋化操作；对每个群落细菌进行趋化操作之后，将所有 群落细菌的种群划分为设定数 量个层次，每个层次采取与该层次设定的搜索步 长生成策略生成自适应步长，进行所有群 落细菌的下一次趋化操作；当趋化操 作的次数达到设定的最大趋化次数时，进入复制循 环；在复制循环中的每次复 制操作中，将每次趋化操作后每个群落细菌的适应度值之和确 定为每个群落细 菌的健康度，将所有群落细菌中健康度低于设定值的一部分群落细菌淘 汰，对 剩余群落细菌进行复制操作；当复制操作的次数达到设定的最大复制次数时， 进入 迁徙循环；在迁徙循环的每次迁徙操作中，对当前群落细菌随机生成一个 概率，若该概率 小于设定迁徙概率则对当前群落细菌进行迁徙；当迁徙次数达 到设定的最大迁徙次数后， 退出基于细菌觅食算法的PID控制参数寻优处理， 将每个群落细菌的适应度值的最小值所 对应的细菌位置，确定为与该群落细菌 对应的单元控制器的PID控制参数的寻优结果。 可选地，对确定的每个群落细菌进行趋化操作，包括：基于确定的每个群 落细菌 的初始位置中当前群落细菌的初始位置，对当前群落细菌进行趋化操作， 直至当前群落细 菌的趋化操作完成后，基于确定的每个群落细菌的初始位置中 下一个群落细菌的初始位 置，对下一个群落细菌进行趋化操作，以此完成对确 定的每个群落细菌的趋化操作；其中， 对当前群落细菌进行趋化操作，包括： 使当前群落细菌开始进行翻转运行，伴随产生一个 方向向量，并对当前群落细 菌的初始位置进行位置更新；计算翻转运行之后当前群落细菌 在更新后的细菌 位置下的适应度值，并判断翻转之后当前群落细菌在更新后的细菌位置 下的适 应度值是否得到改善；若当前群落细菌在更新后的细菌位置下的适应度值没有 得 到改善，则继续翻转运动，使当前群落细菌向另一个随机方向运动；若当前 群落细菌在更 新后的细菌位置下的适应度值有所改善，则使当前群落细菌按其 开始翻转的方向继续游 动，直至适应度值不再改善或者已经达到最大的游动步 数时停止当前群落细菌的游动，即 完成对当前群落细菌的趋化操作；其中，大 肠杆菌在原地随机选择一个新的方向运动称为 翻转，沿着与上一步运动方向相 同的前进运动称为游动。 可选地，其中，计算翻转运行之后当前群落细菌在更新后的细菌位置下的 适应度 值，包括：利用下面的公式(1)计算翻转运行之后当前群落细菌在更 新后的细菌位置下的 适应度值： 在公式(1)中，P为每组控制回路的性能指标， 为第i个单元控 制回路中 第j个控制回路的标准差，n表示有n个单元控制回路，m表示每个 单元控制回路有m个控制 回路；和/或，对当前群落细菌的初始位置进行位置 更新，包括：利用下面的公式(2)和公式 (3)对当前群落细菌的初始位置进 行位置更新； 在公式(2)中，θ(i,j,k,l)表示第i个细菌在第j次趋化、第k次复制、 第l次迁徙操 作后的位置；C(i)是趋化前进的步长；Δ(i)是细菌翻转时产生的随 机方向向量；在公式 9 CN 111610713 A 说 明 书 3/30 页 (3)中，xi(t)表示第i个粒子在第t代的位置，vi(t)表 示第i个粒子在第t代的速度， 为个体极值(在单个控制回路中适应度 值最佳的细菌位置)，xgbest为全局极值(在整个单元 控制器回路中适应度值 最佳的细菌位置)，w为惯性权重，c1、c2为学习因子，r1(t)、r2(t)为 在[0，1] 之间产生的随机数。 可选地，在公式(2)中，C(i)能够采用X条件云发生器非线性动态自适 应调整细菌 的搜索步长，搜索步长的值为： 其中，第一部分细菌种群和第二部分细菌种群的平均适应度值分别记作 J′avg和 J″avg，最优细菌的适应度值为Jmin，Ex＝J′avg，En＝(J′avg-Jmin)/c1，Ji表示第i个细菌的适应 度值，c1为学习因子；k1、k2均为常数，且k1＜k2；和/ 或，在公式(3)中，c1、c2能够通过云模型 和/或X条件发生器确定；和/或， 在公式(3)中，根据不同时期搜索的进展情况，采用在w的 动态调节算法动 态地调节w的取值；该w的动态调节算法为： 其中， 为当前第i个细菌在一次趋化操作中最小的适应度值； 为当前第i个细菌 在一 次趋化操作中适应度值的平均值， 为当前第i个细菌在一次趋化操作 中适应度值的 最大值，a、b为大于零的设定常数。 与上述方法相匹配，本发明另一方面提供一种控制参数的寻优装置，包括： 确定 单元，用于确定电器设备的所有控制回路中需进行单元控制器的PID控制 参数寻优的控制 回路，作为目标控制回路；控制单元，用于将目标控制回路中 每个单元控制器的PID控制参 数的初始化值或经验值，作为每个群落细菌的初 始位置，并初始化每个群落细节在细菌觅 食算法中的寻优参数；控制单元，还 用于基于每个群落细菌的初始位置和寻优参数，结合 云模型和粒子群算法对目 标控制回路进行基于细菌觅食算法的PID控制参数寻优处理，以 得到每个目标 控制回路中每个单元控制器的PID控制参数的寻优结果，进而能够利用每个 目 标控制回路中每个单元控制器的PID控制参数的寻优结果对该目标控制回路 进行控 制。 可选地，其中，确定单元确定电器设备的所有控制回路中需进行单元控制 器的 PID控制参数寻优的控制回路，包括：对电器设备所有控制回路进行分组， 确定各组控制回 路的性能指标；将各组控制回路中性能指标未达到设定阈值的 几组控制回路，确定为需进 行单元控制器的PID控制参数寻优的控制回路；其 中，每组控制回路的性能指标，包括：每 组控制回路中所有被控量的实际输出 值与设定值之间的控制误差的标准差；和/或，控制 单元初始化每个群落细节在 细菌觅食算法中的寻优参数，包括：初始化每个群落细菌的搜 索空间的维度、 细菌种群规模、趋化次数、复制次数、迁徙次数、迁徙概率、和/或趋化操作 中 游动的最大步数；其中，搜索空间的维度与PID控制参数的数量匹配，细菌种 群规模与 10 CN 111610713 A 说 明 书 4/30 页 目标控制回路中的单元控制器数目匹配。 可选地，控制单元结合云模型和粒子群算法对目标控制回路进行基于细菌 觅食 算法的PID控制参数寻优处理，包括：基于确定的每个群落细菌的初始位 置，对确定的每个 群落细菌进行趋化操作；对每个群落细菌进行趋化操作之后， 将所有群落细菌的种群划分 为设定数量个层次，每个层次采取与该层次设定的 搜索步长生成策略生成自适应步长，进 行所有群落细菌的下一次趋化操作；当 趋化操作的次数达到设定的最大趋化次数时，进入 复制循环；在复制循环中的 每次复制操作中，将每次趋化操作后每个群落细菌的适应度值 之和确定为每个 群落细菌的健康度，将所有群落细菌中健康度低于设定值的一部分群落 细菌淘 汰，对剩余群落细菌进行复制操作；当复制操作的次数达到设定的最大复制次 数 时，进入迁徙循环；在迁徙循环的每次迁徙操作中，对当前群落细菌随机生 成一个概率，若 该概率小于设定迁徙概率则对当前群落细菌进行迁徙；当迁徙 次数达到设定的最大迁徙 次数后，退出基于细菌觅食算法的PID控制参数寻优 处理，将每个群落细菌的适应度值的 最小值所对应的细菌位置，确定为与该群 落细菌对应的单元控制器的PID控制参数的寻优 结果。 可选地，控制单元对确定的每个群落细菌进行趋化操作，包括：基于确定 的每个 群落细菌的初始位置中当前群落细菌的初始位置，对当前群落细菌进行 趋化操作，直至当 前群落细菌的趋化操作完成后，基于确定的每个群落细菌的 初始位置中下一个群落细菌 的初始位置，对下一个群落细菌进行趋化操作，以 此完成对确定的每个群落细菌的趋化操 作；其中，控制单元对当前群落细菌进 行趋化操作，包括：使当前群落细菌开始进行翻转运 行，伴随产生一个方向向 量，并对当前群落细菌的初始位置进行位置更新；计算翻转运行 之后当前群落 细菌在更新后的细菌位置下的适应度值，并判断翻转之后当前群落细菌在 更新 后的细菌位置下的适应度值是否得到改善；若当前群落细菌在更新后的细菌位 置下 的适应度值没有得到改善，则继续翻转运动，使当前群落细菌向另一个随 机方向运动；若 当前群落细菌在更新后的细菌位置下的适应度值有所改善，则 使当前群落细菌按其开始 翻转的方向继续游动，直至适应度值不再改善或者已 经达到最大的游动步数时停止当前 群落细菌的游动，即完成对当前群落细菌的 趋化操作；其中，大肠杆菌在原地随机选择一 个新的方向运动称为翻转，沿着 与上一步运动方向相同的前进运动称为游动。 可选地，其中，控制单元计算翻转运行之后当前群落细菌在更新后的细菌 位置下 的适应度值，包括：利用下面的公式(1)计算翻转运行之后当前群落 细菌在更新后的细菌 位置下的适应度值： 在公式(1)中，p为每组控制回路的性能指标， 为第i个单元控 制回路中 第j个控制回路的标准差，n表示有n个单元控制回路，m表示每个 单元控制回路有m个控制 回路；和/或，控制单元对当前群落细菌的初始位置 进行位置更新，包括：利用下面的公式 (2)和公式(3)对当前群落细菌的初 始位置进行位置更新； 11 CN 111610713 A 说 明 书 5/30 页 在公式(2)中，θ(i,j,k,l)表示第i个细菌在第j次趋化、第k次复制、 第l次迁徙操 作后的位置；C(i)是趋化前进的步长；Δ(i)是细菌翻转时产生的随 机方向向量；在公式 (3)中，xi(t)表示第i个粒子在第t代的位置，vi(t)表 示第i个粒子在第t代的速度， 为个体极值(在单个控制回路中适应度 值最佳的细菌位置)，xgbest为全局极值(在整个单元 控制器回路中适应度值 最佳的细菌位置)，w为惯性权重，c1、c2为学习因子，r1(t)、r2(t)为 在[0，1] 之间产生的随机数。 可选地，在公式(2)中，C(i)能够采用X条件云发生器非线性动态自适 应调整细菌 的搜索步长，搜索步长的值为： 其中，第一部分细菌种群和第二部分细菌种群的平均适应度值分别记作J′avg和 J″avg，最优细菌的适应度值为Jmin，Ex＝J′avg，En＝(J′avg-Jmin)/c1，Ji表示第i个细菌的适应 度值，c1为学习因子；k1、k2均为常数，且k1＜k2；和/ 或，在公式(3)中，c1、c2能够通过云模型 和/或X条件发生器确定；和/或， 在公式(3)中，根据不同时期搜索的进展情况，采用在w的 动态调节算法动 态地调节w的取值；该w的动态调节算法为： 其中， 为当前第i个细菌在一次趋化操作中最小的适应度值； 为 当前 第i个细菌在一次趋化操作中适应度值的平均值， 为当前第i个细菌 在一次趋化操作 中适应度值的最大值，a、b为大于零的设定常数。 与上述装置相匹配，本发明再一方面提供一种空调，包括：以上所述的控 制参数 的寻优装置。 与上述方法相匹配，本发明再一方面提供一种存储介质，所述存储介质包 括存储 的程序，其中，在所述程序运行时控制所述存储介质所在设备执行以上 所述的控制参数的 寻优方法。 与上述方法相匹配，本发明再一方面提供一种处理器，所述处理器用于运 行程 序，其中，所述程序运行时执行以上所述的控制参数的寻优方法。 本发明的方案，通过针对电器设备尤其是暖通空调的控制器如PID控制器 的控制 参数，引入了云模型的思想和粒子群算法、并基于细菌觅食算法对PID 控制器的控制参数 进行寻优，可以缩短调整时间，提高控制精度和稳定性，可 以有效的降低系统的能量消耗。 进一步，本发明的方案，通过在基于细菌觅食算法的PID控制参数寻优过 程中，引 入云模型的思想和粒子群算法可以提高细菌觅食算法收敛速度和计算 精度，可以提高空 12 CN 111610713 A 说 明 书 6/30 页 调机组单元控制器PID参数在线寻优的收敛速度和计算精度。 进一步，本发明的方案，通过在细菌觅食算法中先使用云模型思想中的X 条件发 生器生成了细菌觅食算法的搜索步长，后使用粒子群算法产生细菌觅食 算法的方向向量， 可以提高细菌觅食算法在PID控制参数寻优上的精度和速度。 进一步，本发明的方案，通过采取云自适应算法动态调节细菌觅食算法的 搜索步 长，可以根据细菌适应度值自适应匹配搜索步长的效果，进一步提高细 菌觅食算法的执行 精度。 进一步，本发明的方案，通过在细菌觅食算法中，搭配粒子群算法惯性权 重动态 调节算法确保了寻优结果最优，提升惯性权重与细菌适应度值动态匹配 的效果，提高算法 的执行精度和速度。 由此，本发明的方案，通过针对电器设备尤其是暖通空调的控制器如PID 控制器 的控制参数，引入了云模型的思想和粒子群算法、并基于细菌觅食算法 对PID控制器的控 制参数进行寻优，解决采用固定参数的控制器控制时容易造 成大量能耗的问题，达到通过 优化控制器的控制参数避免控制过程中造成大量 能耗的效果。 本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明 书中变 得显而易见，或者通过实施本发明而了解。 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。 附图说明 图1为本发明的控制参数的寻优方法的一实施例的流程示意图； 图2为本发明的方法中确定电器设备的所有控制回路中需进行单元控制器 的PID 控制参数寻优的控制回路的一实施例的流程示意图； 图3为本发明的方法中结合云模型和粒子群算法对目标控制回路进行基于 细菌 觅食算法的PID控制参数寻优处理的一实施例的流程示意图； 图4为本发明的方法中对当前群落细菌进行趋化操作的一实施例的流程示 意图； 图5为本发明的控制参数的寻优装置的一实施例的结构示意图； 图6为本发明的空调(如暖通空调)的一实施例的通风系统的结构示意图； 图7为本发明的空调(如暖通空调)的一实施例的细菌觅食算法趋化操作 的流程 示意图； 图8为本发明的空调(如暖通空调)的一实施例的PID控制参数寻优系统 的结构示 意图； 图9为本发明的空调(如暖通空调)的一实施例的细菌觅食算法复制操作 流程示 意图； 图10为本发明的空调(如暖通空调)的一实施例的BFO算法流程示意图； 图11为本发明的空调(如暖通空调)的一实施例的正态云模型及其数字 特征的变 化状态示意图。 结合附图，本发明实施例中附图标记如下： 102-确定单元；104-控制单元。 13 CN 111610713 A 说 明 书 7/30 页
