买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连理工大学申请的专利基于海鸥优化算法的冲压发动机自抗扰控制设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116163842B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310176275.X，技术领域涉及：F02C9/00；该发明授权基于海鸥优化算法的冲压发动机自抗扰控制设计方法是由杜宪;尹博文;马艳华;孙希明设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本基于海鸥优化算法的冲压发动机自抗扰控制设计方法在说明书摘要公布了：一种基于海鸥优化算法的冲压发动机自抗扰控制设计，首先利用随机森林算法提取出对控制量最敏感的压力输出量，加入跟踪微分器，柔化启动环节，对给定压力信号进行平滑降噪处理得到压力信号及压力的微分信号。然后通过改进的扩张状态观测器观测状态，将冲压发发动机系统内部扰动和外部扰动看作一个整体扰动并观测出来，反馈到控制算法中，再通过非线性状态误差反馈将ESO的整体误差补偿到控制系统中，对其进行补偿。采用改进的自适应海鸥优化算法整定控制参数。本发明能够达到使冲压发动机要求按照指定控制压力指令阶跃运行，在满足指令的同时，大幅减小压力阶跃跳变时产生的扰动和误差，并且简化调参复杂度，提高寻优过程的收敛速度与寻优精度。

本发明授权基于海鸥优化算法的冲压发动机自抗扰控制设计方法在权利要求书中公布了：1.一种基于海鸥优化算法的冲压发动机自抗扰控制设计方法，其特征在于，步骤如下： S1：基于多变量少控多的控制目标，实现m个控制量控制n组被控量，m＜n，从n组被控压力中选取m组沿程压力作为最有效的压力被控量，结合随机森林变量选择的方法确定被控量； S1.1根据冲压发动机控制要求，运行发动机模型，获取输出的压力数据，被控量为P＝[p1,…pi,…pn]T即类变量，控制量为U＝[u1,…ui,…un]T，ui和pi是同一回路中的变量；将发动机模型输出的压力数据作为原始训练集D，每条数据含有M个特征，K为样本数量，j为分类树数量； S1.2抽取训练子集，从原始训练集D中有放回地随机选取K个样本，并重复K次，作为训练子集；原始训练集D中除去采样得到的训练子集外的部分，作为袋外数据集，用OOB表示； S1.3构建分类树，先在M个特征中随机抽取l个特征组成特征子集，根据样本特征选择分割点，将分割点划分为子节点，同时将训练子集划分到相应节点中，重复地逐层划分，最终得到所有节点；循环执行上述过程，直至建立j棵分类树，以构成随机森林t，其中t∈{ti,i＝1,2,…,j}； S1.4统计非0子节点处变量的重要度w，循环计算得到所有的变量重要度，取其均值作为最终的判断依据，排列变量的重要度，并选择其中最重要的3组变量； S1.5对分类树所得结果进行评价，计算相关系数R2，验证有效性； S2：根据自抗扰的基本原理，搭建ADRC控制器的跟踪微分器TD、扩张状态观测器ESO、非线性状态误差反馈NLSEF三个部分，并对其中的非线性函数fal进行改进，构造新的扩张状态观测器ESO和非线性状态误差反馈NLSEF； S2.1设计跟踪微分器TD 鉴于非线性TD效率比线性TD效率高，且本控制系统为离散系统，所以引入最速离散函数： 式中：fhan是函数符号；fh是fhan数的输出值；k为离散仿真的第k步；v1k为跟踪的离散信号；v2k为跟踪的离散信号的导数；h为仿真步长；u为控制目标；h0为滤波因子； fhanv1k-ut,v2k,r,h0的计算如下式： 式中：r是待调参数，fsgv,d＝signv+d-signv-d2，sign为符号函数；d、a、a0、a1、a2、y为函数计算的中间过程量，不具备实际物理意义； S2.2设计扩张状态观测器ESO 对三方向通道分别建立如下形式的二阶扩张状态观测器： 式中：e为误差项，通过选择适当的参数β01,β02,β03，使得上式构建的ESO可实时估计对象的状态及被扩张的状态，这里使用带宽整定法确定参数配置，即β01＝3ω,β02＝3ω2,β03＝ω3，其中ω为扩张状态观测器的带宽，需要根据要求设定，也是需要调节的参数；gie,i＝1,2是满足e·gie≥0的适当的非线性函数fale,αi,δ，取 式中：α为0和1之间的常数，δ为线性段区间长度； S2.3改进扩张状态观测器中的fal函数 设计一个新的非线性函数newfal来替换上述传统的非线性函数fal，为了便于区分，下式中x为误差，e为自然底数； 改进后的二阶扩张状态观测器为如下，b为补偿因子； S2.4非线性状态误差反馈设计； 将跟踪微分器的输出与扩张状态观测器的输出做差并进行非线性组合，并将扩张状态观测器估计的总扰动进行实时补偿，得到系统的控制量，具体表示如下： u0＝Kpnewfalx1,α1+Kdnewfalx2,α2 式中：u0是非线性状态反馈模块的输出，Kp、Kd分别为控制量增益，根据自抗扰控制基本原理，得到补偿内外扰动后的系统控制率如下式所示，u为控制量； S3：设计一种改进的海鸥优化算法，对自抗扰控制器主要参数进行自主调优，具体是提出一种基于吸引和排斥概念的启发种群进化策略；所述改进的海鸥优化算法如下： S3.1海鸥种群Ps初始化，最大迭代次数为M_max，初始化附加变量A，B； S3.2计算初始种群的适应度值，标记最优个体，适应度函数fitness计算如下： 式中：tp是时间，etp是上述控制误差，即适应度函数为时间乘以误差绝对值的积分； S3.3根据迁徙和攻击操作更新海鸥位置，为了避免与其他海鸥碰撞，对位置进行更新，位置更新公式为： Cst＝A×Psx， 式中：Cst表示不与其他海鸥存在位置冲突的新位置，Psx表示海鸥当前位置； S3.4计算新种群适应度值，更新最优个体；在避免了与其他海鸥的位置重合之后，海鸥会向最佳位置所在的方向移动；最佳位置方向更新公式为： Mst＝B×Pbestx-Psx 式中：Mst表示个体向最佳海鸥的收敛方向，Pbestx表示最优位置；海鸥靠近最佳位置：海鸥移动到不与其他海鸥相撞的位置后，就向着最佳位置的所在方向进行移动，到达新的位置；位置更新公式为： Hst＝|Cst+Mst| 式中：Hst为海鸥的新位置； S3.5对上述海鸥优化算法的搜索方式进行改进，提出一种基于吸引和排斥概念的启发种群进化策略，改进后的位置更新公式如下： 式中：表示更新后的位置，表示第jH个体第iH维上的位置分量，Hb,iH表示全局最优个体，表示全局最差个体，r1和r2均为[0,1]范围内均匀分布的随机数；上式中表示最优个体的吸引作用，表示最差个体的排斥作用； S3.6攻击阶段：海鸥在迁徙过程中，用翅膀不断改变攻击速度和角度，当攻击猎物时，它们就在空中进行螺旋形状运动；海鸥在三维平面中的运动行为描述如下： xH＝rH×coskH yH＝rH×sinkH zH＝rH×kH 式中：rH是海鸥每个螺旋形状运动的半径，kH是随机角度值，处于0到2π内，uH和vH是螺旋形状的相关常数，用来控制螺旋半径，通常取1，e是自然对数的底数； S3.7对海鸥的攻击位置进行更新，结合海鸥新位置，得到整体海鸥位置更新公式为： Pst＝Hs×xH×yH×zH+Pbestt 式中：Pst为海鸥的攻击位置； S3.8判断是否满足终止条件，是则停止迭代并输出最优参数值，否则跳转至S3.3继续迭代； S3.9根据S3.8求得的最优参数值，将其传递给自抗扰控制器； S4：验证改进自抗扰控制器的优越性，在Matlab中搭建Simulink模型进行仿真实验。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。