利用遗传算法进行规则的自学习.pdfVIP

维普资讯 第22卷 第2期 太 原 重 型 机 械 学 院 学 报 VoI22 №2 2oO1年 6月 ]OURiNALOFTAI．YUANHEAVYMACHINERY INSTITUTE jun2001 文章编号：1000—159X{2001)02—0102—04 利用遗传算法进行规则的 自学习 赵锡龄， 陈奕梅， 袁世强 (太原理工大学 自动化系，太原030024) 摘 要 ：提出一许基于遗传算法的自学习智能控稍系统。通过对控制规则进行优化， 得到了基于ITAE指标的满意控制，遗传算法也改变了传统的操作方式。仿真结果证明 其具有 良好的控制性能。 关键词：智能控制；遗传算法；ITAE指标；规则生成 中图分类号：TP墙l 文献标识码：A O 引言 不再采用传统的二进制串形式进行遗传操作 ，而是 采用实数串的形式进行，并且在同一代群体中进行 在对控制系统进行设计时，往往需对控制对象 和控制器进行建模，然后再加以实现。对于复杂对 多层评价，给予算法以更快的搜索速度与更广泛的 象的控制，比如对具有大迟延、大惯性、或者非线性 搜索空间。 的控制对象，系统的数学建模是相当困难并且难以 实现的。利用基于规则的智能控制，不仅可以简化 控制器设计的建模复杂性，并且可以使控制过渡过 程快速平稳，因而在许多领域得到了广泛的应用。 随着智能控制的广泛应用，控制对象越来越复 杂，而控制器的开发周期希望越来越短。控制规则 的设定是控制器开发的核心，但是对于两个以上输 入的控制对象，人工设定控制规则显然是困难的。 因此研究控制规则的自动生成有着重要的研究和 应用价值。遗传算法 (GA)是依照自然界物种进化 的自然选择规律提出的一种优化策略，可甩以获得 进化意义上的最适宜个体。采用这一方法得到的 最适宜个体对应于优化问题的最优解。GA以其优 良的寻优特性在规则的自动生成中取得了较好的 圄 1 基于规则 自学习系统结构圄 效果。 ng．1 System confjgurati~ based011self-learningrules 本文提出了一种基于GA的规则生成方法，GA 收稿 日期：2001—01—26 作者简介：赵锡龄 (194o一)，男、太原理工大学信息工程学院教授．主要研究方向为分布式计算机控翩。 维普资讯 第22卷第2期 赵锡龄等：利用遗传算法进行规则的自学习 103 2 基于遗传算法的规则的自动生成 1 基于规则的自学习系统 为了获得理想的规则集，需要对规则集中各参 基于规则的自学习系统的结构图如图1所示： 数进行搜索。 1．1 控制器的在线执行过程 一 组规则集构成了一个群体，一个规则集代表 了一个个体，构成了一个串，而规则集中的每一条 对于工业控制对象控制器通常选择误差信号 规则用串中的一位来表示 e，误差变化率ec，等作为控制器的输入。控制器的 主要任务就是根据输入量从规则集中找y-0与之匹 2．1 串的确定 配的规则，从而