Designing fuzzy rule-based controllers from data using particle swarm optimization

摘要

The paper presents a hybrid combination of fuzzy rule-based systems and particle swarm optimization (PSO) approach - referred to as PSO fuzzy rule-based technique - for optimizing sets of fu;:zy control rules synthesized from control data. The application of the proposed technique to a complex and non-linear problem of the control of backing up a truck to a loading dock is also presented in the paper.%Artykuł prezentuje hybrydowe połączenie rozmytych systemów regułowych z metodami tzw. Optymalizacji rojowej w celu optymalizowania zestawów rozmytych reguł sterujących syntetyzowanych z danych opisujących procesy sterowania. Zatem, artykuł proponuje rozszerzenie tradycyjnego zestawu komponentów wykorzystywanych dotychczas w budowie systemów tzw. Inteligencji obliczeniowej obejmującego sztuczne sieci neuronowe, systemy rozmyte, algorytmy ewolucyjne (przede wszystkim, algorytmy genetyczne) czy też tzw. Zbiory przybliżone o nowe narzędzie przeszukiwania rozważanych przestrzeni rozwiązań. Najpierw sformułowany został problem budowy regulatorów, których funkcjonowanie opisywane jest przy pomocy zestawów reguł rozmytych, na bazie danych opisujących procesy sterowania. Następnie przedstawiono zarys procesu syntezy rozmytych reguł sterowania z wykorzystaniem metod tzw. Optymalizacji rojowej. Z kolei, zaprezentowano zastosowanie proponowanego podejścia do złożonego I nieliniowego problemu sterowania cofaniem ciężarówki do rampy załadowczej. Przedstawiono uzyskaną bazę reguł regulatora rozmytego, kształty funkcji przynależności zbiorów rozmytych występujących w regułach sterowania oraz wybrane przykłady trajektorii ruchu ciężarówki ze sterowaniem rozmytym.