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.该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该文提出的改进遗传算法自动优化设计智能控制器的方法.该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.该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.该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,仿真研究了该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.

目录

文摘

英文文摘

1绪论

1.1课题背景

1.2遗传算法概述

1.3模糊控制发展现状

1.4神经网络控制发展现状

1.5神经网络和模糊控制的结合

1.6本文的主要工作

2改进遗传算法

2.1遗传算法的特点

2.2标准遗传算法

2.3遗传算法的改进

本章结束语

3基于遗传算法的模糊控制

3.1基本模糊控制器的设计

3.2模糊控制中待优化问题

3.3基于遗传算法的模糊控制系统优化设计

3.4仿真实例及分析

本章结束语

4基于遗传算法的模糊神经网络控制

4.1基于神经网络的模糊控制

4.2与模糊逻辑等价的神经网络

4.3基于遗传算法的模糊神经网络控制

4.4仿真实例及分析

本章结束语

5氧乐果合成反应温度控制系统

5.1氧乐果合成反应系统分析

5.2氧乐果合成反应温度的模糊控制方法

本章结束语

6结论与展望

6.1本文所做工作总结

6.2有待进一步解决的问题

致谢

参考文献

附录攻读硕士学位期间发表的学术论文