基于遗传算法的模糊控制器在二级倒立摆系统中的应用

摘要

遗传算法简称GA(Genetic Algorithm)，是一种全局优化算法。遗传算法是通过研究自然界中生物“优胜劣汰、适者生存”的自然法则，来搜索最优解的一种方法。基于遗传算法的自适应性、高度并行性以及鲁棒性等特点，模糊控制器参数的优化，常常用到遗传算法。但是遗传算法仍存在不足，如早熟收敛，局部搜索效率差等问题。
　　本文针对基本遗传算法的不足，作了如下工作：引进了两个影响交叉概率和变异概率的指标，通过对给定指标的分析，分别给出相应的交叉概率和变异概率增量表，从而指导交叉概率和变异概率的动态变化，使得交叉和变异概率适应性的调整。然后通过对典型测试函数实例计算和与其他文献方法结果对比，证明了改进遗传算法（IGA）是一种有效的全局搜索算法。
　　模糊控制器参考人们的经验并不依赖具体的数学模型，它被广泛地应用于具有复杂非线性系统的控制领域当中。在模糊控制规则一定时，模糊变量的隶属函数在模糊控制器的控制效果中起主要作用。但是隶属函数的确定一般需要试凑的方法，得不到较理想的控制效果。本文用改进的遗传算法来优化模糊控制器中各语言变量的隶属函数，通过Matlab仿真实验，用优化的模糊控制器控制二级倒立摆的稳定性，控制结果表明了算法的有效性。

目录

声明

第1章 绪论

1.1研究背景及意义

1.2国内外研究现状

1.3本文研究的内容

第2章 遗传算法和模糊控制的基本原理

2.1 遗传算法的基本原理

2.1.1 几个基本概念

2.1.2 遗传算法的操作要素

2.1.3 遗传算法的数学基础

2.1.4 基本遗传算法流程图

2.2模糊控制的基本原理

2.2.1 模糊控制的数学基础

2.2.2 模糊控制器的设计

2.3本章小结

第3章 遗传算法的改进及性能测试

3.1遗传算法的改进

3.1.1 交叉概率与变异概率增量表

3.1.2 改进遗传算法的迭代步骤

3.2改进遗传算法的性能测试

3.3 本章小结

第4章 改进的遗传算法优化模糊控制器及仿真实验

4.1二级倒立摆系统介绍

4.2 模糊控制器设计及优化

4.2.1 隶属函数和待优化目标函数

4.2.2 模糊控制器参数的优化结果

4.3 二级倒立摆模糊控制仿真系统

4.4 本章小结

第5章 结论与展望

参考文献

附录

攻读硕士学位期间发表的学术论文

致谢