多智能体遗传算法及其在全维状态观测器设计上的应用

摘要

系统控制的理论和实践，为人类的生产活动和社会活动带来个巨大的影响。20世纪60年代以来，随着卡尔曼(R.E.Kalman)将状态和状态空间的概念和方法系统地引入到系统控制理论中来，极大的推动了线性系统的时间域理论。与经典的控制理论相比，在进行系统的分析综合时，现代控制理论是采用系统内部的状态变量来描述系统的物理特性的，状态反馈可以提供更全面、更完整的信息。
　　但是，状态作为表征系统性能指标的内部变量组，在大多数情况下都是不可能全部直接测量的，还有很多测量手段，由于受到经济性和适用性的限制也是不常用的。这些因素使得状态反馈的物理实现成为不可能或很困难的事。但是在控制工程中，状态反馈在校正、抑制扰动和解耦控制等课题中都具有不可替代的作用，二者形成了较大的矛盾。也正因此，推动了状态重构即状态观测器理论的形成和发展。
　　本文通过对状态观测器的研究，利用被控系统与状态观测器的输出误差构造目标函数，通过多智能体遗传算法对目标函数进行优化。智能体具有感知环境并且通过自身所具备的自主自治的智能性反作用于环境的能力，而遗传算法具备全局的、并行的寻优能力。我们将智能体与遗传算法相结合，使得该算法能够保持种群的多样性，可以更加充分的利用种群内的信息。实验表明，该算法可以较为准确的确定出状态观测器设计中的输出反馈阵。

目录

声明

摘要

第1章 绪论

1．1 状态观测器的理论与研究

1．1．1 控制系统的性能描述

1．1．2 状态观测器的研究背景

1．1．3 状态观测器的研究现状

1．2 多智能体遗传算法简介

1．2．1 多智能体遗传算法概述

1．2．2 多智能体遗传算法的研究现状

1．3 本文主要研究内容

第2章 全维状态观测器的构造及其传统设计方法

2．1 全维状态观测器

2．1．1 全维状态观测器的结构

2．1．2 传统的全维状态观测器设计方法和综合算法

2．2 传统方法全维状态观测器的设计算例

2．3 本课题所采取的设计方案

2．4 本章小结

第3章 多智能体遗传算法

3．1 智能体

3．1．1 智能体的概念

3．1．2 智能体的特点

3．2 多智能体系统

3．2．1 典型的多智能体结构

3．2．2 多智能体技术的应用

3．3 遗传算法

3．4 多智能体遗传算法

3．4．1 多智能体遗传算法基本流程图

3．4．2 Agent的建模

3．4．3 多智能体遗传算法流程

3．5 本章小结

第4章 多智能体遗传算法在全维状态观测器设计上的应用

4．1 适应度函数的选取

4．2 三阶SISO系统全维状态观测器的设计算例

4．3 三阶MIMO全维状态观测器的设计算例

4．4 实验数据总结

4．5 与传统遗传算法优化目标函数结果的对比

4．6 多智能体遗传算法用于函数优化的算例

4．7 测试结果分析

4．8 本章小结

第5章 总结及展望

参考文献

致谢

攻读学位期间发表论文情况