基于多目标优化的自抗扰控制器整定方法详解

1.直接整定法

直接整定法又称为经验整定法，是由韩京清先生在其专著《自抗扰控制技术》（国防工业出版社，2008）中针对一些具体问题提出的。这种方法依赖于控制器研究人员的经验，只能通过人为调整，耗费人力和时间，很难推广。

2.单目标优化算法

在这之后，传统的优化算法被引入到自抗扰控制器的参数整定研究中来。最开始的方法是使用单目标优化算法，如遗传算法和单纯型法等。在这些算法中，自抗扰控制器的参数优化目标被人为地通过加权整合为一个单目标函数，之后采用不同的优化算法计算。下面给出单纯型法的思路。

张文革博士在使用单纯型法对扩张状态观测器进行参数整定时，首先根据人工经验，确定ESO 的一些初始参数作为单纯型法优化的起始端，之后将ESO 的多优化目标整合为一个单优化目标，下面给出二阶ESO 的优化目标函数：

式中　T——过渡时间；

　　　w——权值。

之后采用单纯型法即可得到一个优化参数值。具体的单纯型法的优化过程本书不做深入探讨，可参考相关资料。

3.多目标优化算法(www.xing528.com)

随着多目标优化算法的发展，更多学者将自抗扰控制器的参数整定研究方法放在了多目标优化算法上来。这是由自抗扰控制器的本身性能决定的。由上面的分析可以看出，ESO 的参数优化目标值是多个，并且各个目标函数之间互相影响，很难得到一个唯一的优化解，这就是典型的多目标优化问题。目前史运涛教授采用了混杂优化方法进行了研究，武雷等提出了一种连续动作强化学习器，另外还有一些学者分别对粒子群算法、群体智能算法、免疫算法进行了研究。

由前面的分析可以看出，基于多目标优化的自抗扰控制器整定方法更具有通用性，因此本书主要介绍这种方法。

式中　T——过渡时间；

　　　w——权值。

之后采用单纯型法即可得到一个优化参数值。具体的单纯型法的优化过程本书不做深入探讨，可参考相关资料。

3.多目标优化算法

随着多目标优化算法的发展，更多学者将自抗扰控制器的参数整定研究方法放在了多目标优化算法上来。这是由自抗扰控制器的本身性能决定的。由上面的分析可以看出，ESO 的参数优化目标值是多个，并且各个目标函数之间互相影响，很难得到一个唯一的优化解，这就是典型的多目标优化问题。目前史运涛教授采用了混杂优化方法进行了研究，武雷等提出了一种连续动作强化学习器，另外还有一些学者分别对粒子群算法、群体智能算法、免疫算法进行了研究。

由前面的分析可以看出，基于多目标优化的自抗扰控制器整定方法更具有通用性，因此本书主要介绍这种方法。