·1524· 工程科学学报，第37卷，第11期 一步离散化得到可以进行时间序列分析的数据集 △→△k。,△ka高置信度关系见表5.针对△(u)-△y (2)时间序列分析.针对△(u)-△y和△k。、△k 进行三维趋势关系挖掘，挖掘结果中置信度较高的部 进行三维关联关系挖掘，从挖掘结果中选择△f(u)- 分趋势关系见表6. 表5△k。、△k和△f()-△y三维频繁模式挖掘结果 Table 5 Three-dimensional frequent pattern mining results ofk,and Af(u)-Ay 最小置信度 60% 70% 80% 90% LAHB,MA(69.23%) LBHA,MA(87.87%) MBMA,MB(92.87%) 关联关系 HBMB,MA(89.349%) HAB.MA(94.58%) MA-MB,MB(80.67%) 表6△f(u)-△y三维趋势挖掘结果 Table6 Three-dimensional trend mining results of△f(w）-△y 最小置信度 50% 60% 70% 80% 90% MB.LAHA(54.269%)LB,LAHA(55.42%)LA.MAMB(71.04%)LB,LBHA(85.00%)MB.MAMA(91.37%) HB,MAMB(71.52%) 关联关系 LB.LBMB(59.16%) LA,MAHB(81.26%) HA,HBHB(70.57%) 两个已知时间点△f(u)-△y大小组合情况共6× 也进行了趋势化和离散化，在实际进行参数微调策略应 6=36种，从所有的挖掘结果中找出每种组合对应的 用时，对其微调数值的大小有重新做出了规定，并通过试 置信度最高的趋势关系，组成趋势预测知识集合 验进行设定调整，最终确定微调设定值如表7所示 (3)基于时间序列分析的控制策略分析.从表6 表7参数微调设定值 的挖掘结果可以看出，当连续两个时间点的△()- Table 7 Parameter adjustment setting △y大小分别为LB和LA时，则可以认为有71.04%的 分档 LB LA MB MA HB HA 可能第三个时间点△(u)-△y的数值变化趋势为 范围% -34 -19-5 +7+11 +27 MB,即减小0~10%.根据表5所示，可以制定控制参 数的微调策略，参数△k。和△ka的微调范围分别为MA 3.3系统仿真 和MB,也就是分别增大0~10%和减小0~10%. 设定系统输入为简单阶跃信号，系统动态响应曲 由于在数据挖掘过程中，对于控制器参数微调数值 线如图4所示 1.64 1.2 1.62 1.60 1.0 1.58 目0.8 1.5600.050.100.150.200.250.300.350400.450.50 年0.6 时间/s 3000 2000 04 1000 0.2 0 -1000 0.050.100.150.200.250.300.350.400.450.50 -2000 00.050.100.150.200.250.300.350.400.450.50 时间/s 时间/s (a) (a) 图4控制器阶跃响应(a)和控制参数变化曲线(b) Fig.4 Step response of the controller (a)and variation curve of parameters (b) 同时，设计普通线性自抗扰控制器与基于随机应仿真结果如图5所示，表8为不同控制器在阶跃响 搜索算法(NL山算法)自整定优化的线性自抗扰控制 应下调节时间(，、上升时间1，和超调率σ指标的 器，应用于液压自动位置控制模型对象控制，阶跃响比较工程科学学报，第 37 卷，第 11 期 一步离散化得到可以进行时间序列分析的数据集． ( 2) 时间序列分析． 针对 Δf( u) － Δy 和 Δkp、Δkd 进行三维关联关系挖掘，从挖掘结果中选择 Δf( u) － ΔyΔkp，Δkd 高置信度关系见表 5． 针对 Δf( u) － Δy 进行三维趋势关系挖掘，挖掘结果中置信度较高的部 分趋势关系见表 6． 表 5 Δkp、Δkd 和 Δf( u) － Δy 三维频繁模式挖掘结果 Table 5 Three-dimensional frequent pattern mining results of Δkp，Δkd and Δf( u) － Δy 最小置信度 60% 70% 80% 90% LA-HB，MA( 69. 23% ) LB-HA，MA( 87. 87% ) MB-MA，MB( 92. 87% ) 关联关系 HB-MB，MA( 89. 34% ) HA-LB，MA( 94. 58% ) MA-MB，MB( 80. 67% ) 表 6 Δf( u) － Δy 三维趋势挖掘结果 Table 6 Three-dimensional trend mining results of Δf( u) － Δy 最小置信度 50% 60% 70% 80% 90% MB，LA-HA( 54. 26% ) LB，LA-HA( 55. 42% ) LA，MA-MB( 71. 04% ) LB，LB-HA( 85. 00% ) MB，MA-MA( 91. 37% ) 关联关系  HB，MA-MB( 71. 52% )  LB，LB-MB( 59. 16% )  LA，MA-HB( 81. 26% ) HA，HB-HB( 70. 57% ) 两个已知时间点 Δf( u) － Δy 大小组合情况共 6 × 6 = 36 种，从所有的挖掘结果中找出每种组合对应的 置信度最高的趋势关系，组成趋势预测知识集合． ( 3) 基于时间序列分析的控制策略分析． 从表 6 的挖掘结果可以看出，当连续两个时间点的 Δf( u) － Δy 大小分别为 LB 和 LA 时，则可以认为有 71. 04% 的 可能第三个时间点 Δf ( u) － Δy 的数值变化趋势为 MB，即减小 0 ～ 10% ． 根据表 5 所示，可以制定控制参 数的微调策略，参数 Δkp 和 Δkd 的微调范围分别为 MA 和 MB，也就是分别增大 0 ～ 10% 和减小 0 ～ 10% ． 由于在数据挖掘过程中，对于控制器参数微调数值 也进行了趋势化和离散化，在实际进行参数微调策略应 用时，对其微调数值的大小有重新做出了规定，并通过试 验进行设定调整，最终确定微调设定值如表7 所示． 表 7 参数微调设定值 Table 7 Parameter adjustment setting 分档 LB LA MB MA HB HA 范围/% － 34 － 19 － 5 + 7 + 11 + 27 3. 3 系统仿真 设定系统输入为简单阶跃信号，系统动态响应曲 线如图 4 所示． 图 4 控制器阶跃响应( a) 和控制参数变化曲线( b) Fig． 4 Step response of the controller ( a) and variation curve of parameters ( b) 同时，设计普通线性自抗扰控制器与基于随机 搜索算法( NLJ 算法) 自整定优化的线性自抗扰控制 器，应用于液压自动位置控制模型对象控制，阶跃响 应仿真结果如图 5 所示，表 8 为不同控制器在阶跃响 应下调 节 时 间 ts、上 升 时 间 tr 和 超 调 率 σ 指 标 的 比较． · 4251 ·