首页> 中文学位 >基于改进PSO的模糊控制器的设计与优化
【6h】

基于改进PSO的模糊控制器的设计与优化

代理获取

目录

文摘

英文文摘

声明

第1章绪论

1.1模糊理论与模糊控制的发展

1.1.1为什么研究模糊理论与模糊控制

1.1.2模糊理论的发展

1.1.3模糊控制的发展与应用

1.1.4模糊控制面临的挑战

1.2智能优化算法以及粒子群算法的发展

1.2.1优化算法及其分类

1.2.2智能优化算法的发展

1.2.3 PSO算法及其发展

1.3控制系统CAD及其发展

1.4本文研究内容简介

第2章粒子群算法的研究与改进

2.1粒子群算法简介

2.1.1标准PSO算法

2.1.2标准PSO算法的流程与实现

2.1.3具有惯性权重的PSO算法

2.1.4 PSO算法特点

2.2量子粒子群算法

2.2.1具有量子行为的PSO的提出

2.2.2 QDPSO算法

2.2.3量子粒子群算法及实现流程

2.3基于免疫机理的量子粒子群算法

2.3.1免疫机理及相关概念

2.3.2对QPSO算法的改进方案--免疫算子的引入

2.3.3 QPSO-IM算法流程

2.4算法分析比较

2.4.1算法性能比较

2.4.2算法实现难度比较

2.5本章小结

第3章模糊控制器的设计及CAD平台实现

3.1模糊控制器简介

3.1.1模糊控制器的基本组成

3.1.2模糊控制器输入输出关系--非线性映射

3.2模糊控制器设计方法简介

3.3聚类方法简介

3.3.1分级聚类方法

3.3.2动态聚类方法

3.4基于免疫量子粒子群的聚类方法

3.4.1 编码方案

3.4.2 QPSO-IMCA实现流程

3.4.3 QPSO-IMCA算法分析

3.5用QPSO-IMCA算法设计模糊控制器

3.6模糊控制器CAD平台

3.6.1需求分析

3.6.2开发环境

3.6.3软件结构

3.6.4模糊控制器的设计流程

3.6.5模糊控制器优化的必要性

3.7本章小结

第4章模糊控制器的优化及实现

4.1模糊控制器的优化

4.2模糊控制器的控制决策表的优化

4.2.1编码方案

4.2.2适应度函数的确定

4.2.3控制决策表优化的实现

4.3基于QPSO-IM的模糊辨识

4.3.1系统辨识

4.3.2模糊辨识简介

4.3.3基于QPSO-IM的模糊辨识的原理与实现

4.3.4 QPSO-IMFI的性能分析

4.3.5辨识数据的转换

4.4模糊控制器优化的实现

4.4.1功能实现

4.4.2模糊辨识流程

4.4.3控制决策表的优化流程

4.5本章小结

第5章CAD平台的测试与应用

5.1 CAD平台的使用流程与测试

5.2水箱液位控制系统的模糊控制器设计及优化

5.2.1问题描述

5.2.2模糊控制器的设计

5.2.3模糊辨识

5.2.4控制决策表的优化

5.3烤箱温度控制的模糊控制器设计及优化

5.3.1问题描述

5.3.2模糊控制器的设计

5.3.3模糊辨识

5.3.4控制决策表的优化

5.4本章小结

第6章结束语

参考文献

致谢

在读期间发表的学术论文与取得的研究成果

展开▼

摘要

近年来,模糊控制的研究不断发展,模糊控制器的多种设计方法也在工业领域获得了广泛应用。同时,人们希望利用更方便的方法来设计出满意的模糊控制器,而且对模糊控制器的控制效果的要求越来越高。因此,模糊控制器的设计优化成为模糊控制的一个研究方面。其中,智能优化算法作为一种有效优化手段,逐渐被引入到模糊控制器的设计优化中,但此项工作仍是一个费时费力的过程。 智能优化算法通过模拟自然界的机理来达到优化目的。其中,粒子群算法(ParticleSwarmOptimization,PSO)由于其显著的全局寻优能力、局部寻优能力以及鲁棒性得到了足够的重视,在工业生产过程的优化控制中得到广泛应用。而且,有大量的研究旨在进一步提高PSO算法的寻优能力。 首先,本文在研究PSO及其改进算法--量子粒子群算法(QuantumBehavedParticleSwarmOptimization,QPSO)的基础上,将免疫算子引入QPSO,提出免疫量子粒子群算法(QuantumBehavedParticleSwarmOptimization-Immune,QPSO-IM),进一步提高算法的寻优能力。多峰值函数的测试表明了本文所提算法与PSO和QPSO相比,在收敛速度,寻优结果以及高维寻优能力上的优越性。 然后,本文提出用基于QPSO-IM算法的聚类方法(QPSO-IMClusteringAlgorithm,QPSO-IMCA)设计模糊控制器,并提出特殊的编码方案以解决迭代聚类对初始条件较为依赖的问题。本文通过Iris和Glass测试数据集,验证了QPSO-IMCA在聚类分析能力上较传统的最近邻聚类算法更优。基于本文所提算法,本文研发了界面友好的模糊控制器CAD平台,论文介绍了其设计原理以及模糊控制器的设计流程。 为进一步提高设计出的模糊控制器的控制效果,本文提出用QPSO-IM算法来优化模糊控制器中的控制决策表。考虑到控制决策表的优化对被控对象模型的依赖,本文同时提出基于QPSO-IM算法的模糊辨识算法(QPSO-IMFuzzyIdentification,QPSO-IMFI)。在提出优化策略以及QPSO-IMFI的基础上,本文将此两项功能集成于模糊控制器CAD平台中,并介绍其设计原理以及使用流程。 最后,本文通过单容水箱的液位控制实验以及烤箱的温度控制实验验证了所提方法的有效性及研制开发的模糊控制器CAD平台的实用性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号