基于遗传算法优化的模糊控制技术.pdfVIP

基于遗传算法优化的模糊控制技术+ 易继锴 孙宏涛 陈双叶 北京工业大学自动化系，100022 摘要 本文在传统模糊控制的基础}：提出了一种基于遗传算法优化的自调整模糊控制算法。通过对模 糊变量隶属函数参数编码优化，实现了‘模糊控制规则的在线自调整。物理实验证实了算法的可行性。 关键词 模糊控制遗传算法参数优化温度控制。 1引言 在复杂工业控制过程中，被控对象通常是时变的和1F线性的．建立被控对象的精确数 学模型较为困难。解决这类问题较为有效的办法是采用模糊控制技术。模糊控制可以不依 靠被控对象的显式模型，同时对非线性、干扰噪声和纯滞后等都有较强的适应能力，能够 实现有效的非线性控制。目前，在工业过程中已有许多模糊控制的应用实例。 但在工程实践中，一般模糊控制器存在着自适应能力较差的问题。其控制规则通常来 源于人们日常经验的总结固化，当被控对象的特性随着时间和环境的变化而变化较大，难 于总结出完善的控制规则时，模糊控制器就无法得到期望的控制效果了。要解决这个问题， 就必须动态优化控制规则。本文提出把遗传算法与模糊控制相结台，由遗传算法对模糊控 制规则进行动态优化、在线修改．实现模糊控制器的在线自寻优的控制算法，并应用于电 加热炉炉温控制过程，取得了良好的控制效果。 2模糊控制和遗传优化 2．1基本模糊控制器 模糊控制器的设计包括结构和参数两部分。结构是指控制规则的数目、输入输出变量 的模糊划分的个数等；模糊控制的参数是指模糊集隶属函数的参数、规则后件参数等。基 本模糊控制器的结构如图1所示， 规则1 规则2 …规则n 图l基本模糊控制器的结构 它具有对输入输出空问全局的模糊划分。对每一输入模糊划分的组合一般都有一模糊 规则相对应。设模糊规则集R由一组“I卜T腿N”模糊规则构成： ‘北京市教委科学研究发最项目 —-1210—· 1‘ RII R”】 其中 R FX S 4 R删 XS ．，4 ·and 0is“’ x。is州THEN 隶属函数∥∥(x，)采用钟形分布函数，即 ¨柏一[一(剥 (2) 其中，盯，为模糊量隶属函数的中一D元素，6f为尺度园子。 则模糊系统的输出为： 0=∑，，(托)“。 (3) ，2I ∥为规则后件模糊变量，采用单点形隶属函数．“，=＆l，“2。．，甜。)．‰为常数。 2．2模糊控制器的隶属函数优化 在图1所示的传统控制器中，控制规则的个数和隶属函数的个数都是可以确定的。因 此用遗传算法对模糊控制器进行优化时，主要是对模糊集的隶属函数参数口?，6f．∥进 行优化，即遗传算法主要用于细调隶属函数的位置、形状，后件参数等参数。由于隶属函 数的个数已知，所以优化时．个体编码的长度就是一定的。图2为基于遗传算法优化的自 凋整模糊控制器系统。 (七) 图2基f遗传算法优化的自调整模糊控制器框图 控制评估采用能量型性能指标，在输出y(k)的作用下，受控对象的性能指标为 J：鬟吾pm-Y(，)】2=芝知))’J=∑寺p f)】=∑扣f))2 (4) 式中，j，。为设定值，一(j)为实际输出，g(f)为参考轨迹与实际输出间的误差，￡为模 糊控制器对受控对象的控制步数，☆为学习样本。 显然，隶属函数参数{Ⅱf，67，btJ}的改变就相当于控制规则的调整。所以通过遗传 算法优化隶属函数参数，就可以实现模糊控制器在线自寻优。 利用遗