基于遗传算法的智能控制器设计方法研究-控制理论与控制工程专业论文.docxVIP

基于遗传算法的智能控制器设计方法研究摘 基于遗传算法的智能控制器设计方法研究 摘 要 现代大工业过程存在非线性、大滞后、时变和数学模型不确定等特征，采取 传统的PID控制，很难达到理想的控制效果，因此有必要研究新的智能控制策略。 目前，模糊理论、神经网络和遗传算法的融合正在控制领域显示出巨大的潜力。 本文在对上述三种方法进行结合和改进的基础上，提出了在无模型和无先验知识 的情况下利用本文提出的改进遗传算法自动优化设计智能控制器的方法。本文主 要设计了两类控制器：其一，基于遗传算法的控制规则可调整模糊控制器。首先 在描述控制规则的解析表达式中引入合理的可调整因子，为实现控制规则的修正 打下基础。并通过遗传算法对可调整因子的在线优化实现模糊控制规则的在线自 寻优。其二，基于遗传算法的模糊神经网络控制器。首先根据模糊逻辑系统的结 构确定与其等价的神经网络。再利用遗传算法对该模糊神经网络的参数进行在线 寻优，从而实现模糊控制规则与隶属函数的优化。本文编制了实现这两类控制器 性能的算法程序，并通过仿真研究，验证了这两类控制器的性能。 本课题主要工作和研究内容如下： (1)分析了模糊控制、神经网络控制和遗传算法的发展现状。 (2)研究了遗传算法的基本原理，并针对控制器参数优化问题，提出改进遗传算法 性能的若干措施。 (3)研究控制规则可调整的模糊控制器，提出了两种具有多个可调整因子的新型解 析描述表达式。通过对多个可调整因子的优化可实现控制规则的修正。 (4)研究了模糊控制与神经网络结合技术，根据模糊逻辑系统的结构确定与其等价 的神经网络。将隶属函数的调整及控制规则的完善问题转化为网络参数优化问 题。 (5)将模糊控制技术、神经网络技术和遗传算法三者相互结合，设计了两类控制器： 基于遗传算法的具有多个可调整因子的模糊控制器和基于遗传算法的模糊神 经网络控制器。 (6)以参数时变时滞后过程为被控对象，仿真研究了本文设计的控制器性能。 (7)分析氧乐果合成反应对象的特性，确定新的智能控制策略，并进行仿真研究。 关键词：遗传算法模糊控制模糊神经网络自学习 自寻优 AbstractModern Abstract Modern industry possesses many characteristics，such as non—linearity,large time lag，time—varying and non—accurate mathematic model and SO on．It is difficult to obtain perfect control performance；hence we should find new intelligent control strategy．At present,the combination offuzzy theory,neural network and genetic algoriflma(GA)is gradually showing enormous latent capacity in the control field．Based on the combination and improvement of the previous three kinds of control technology,the controller Can he automatic designed and optimized with the help of improved genetic algorithm without knowing the mathematic model and prior experience，This paper mainly designs two kinds of controller．The first kind is the fuzzy controller with multiple weighted factors optimized by genetic algorithm．This kind of controller has the advantages of fuzzy control and genetic algorithm．It Can realize the fuzzy control rules online self-optimization and improve the self-study performance．The second kind is the neural network controller based on genetic algorithm．It combines the fuzzy control