权利要求书： 1.基于多智能体TLBO算法的球磨机制粉优化控制方法，包括：建立球磨机制粉控制模型；对基本TLBO算法进行改进，包括教学因子TF的改进，改进之后的教学因子如式(1)：式(1)中，令TF最大值TFmax，TFi的初始值设计TF1＝1，iter_max表示最大迭代次数，iter表示当前迭代次数；建立控制器的状态空间模型，将改进的TLBO算法用于球磨机制粉系统控制器的参数优化。2.根据权利要求1所述的球磨机制粉优化控制方法，其特征在于：基本TLBO算法的改进还包括多智能体构造，构造过程如下：构造多智能体状态空间函数：在多智能体系统中当选取未经过学习的学员表示为智能体的联合状态空间S＝[s1，s2，…sn]，式中：s1～sn是未经过学习的学员的多智能体状态空间；构造多智能体动作相位：使用联合动作相位A＝[a1，a2，…an]式中：a1～an为动作相位。3.根据权利要求2所述的球磨机制粉优化控制方法，其特征在于：基本TLBO算法的改进还包括Stackelberg博弈均衡：选取最优秀的学员作为领导者，目标函数为f领导者(x)f领导者(x)＝max(U领导者智能体(s，[a1，…an]))式中：ωi(s，[a1，…an])学员群体中领导者智能体i的性能函数，θi(s，[a1，…an])学员群体中领导者智能体i的损失函数，n表示整个学员群体中领导者智能体的个数；最优化学员自身收益，目标函数为f跟随者(x)：f跟随者(x)＝max(U跟随智能体(s，[a1，…an]))式中：φi(s，[a1，…an])学员群体中跟随者智能体i的性能函数， 学员群体中跟随者智能体i的损失函数，k整个学员群体中跟随者智能体的个数。4.根据权利要求2或3所述的球磨机制粉优化控制方法，其特征在于：基本TLBO算法的改进还包括改进“学”阶段：多智能体TLBO算法依次选中每一个学员，然后挑选一个优秀的学员作为比较，基于自学习的学习过程为：式(2)中：Xnew，i，表示第i个学员学习后的状态值；Xold，i表示原来的状态值；r1，r2表示[0，1]之间的随机数。5.根据权利要求1～4任一项所述的球磨机制粉优化控制方法，其特征在于：控制器的状态空间模型为：使用TLBO算法多智能体学员对控制器Ka，Kb统一进行编码：设计多智能体TLBO算法的适应度函
声明：
“基于多智能体TLBO算法的球磨机制粉优化控制方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
814
编辑：管理员
来源：广东道氏技术股份有限公司
分享 0
举报 0
收藏 0
反对 0
点赞 0
2025年05月23日 ~ 25日 
