中国学术期刊网

首页 > 工程科技 > >基于遗传算法的自适应模糊调节器的设计
工程科技

基于遗传算法的自适应模糊调节器的设计

时间:2018-09-11 21:09作者:admin打印字号:

Design of Adaptive Fuzzy regulator Based on Genetic Algorithm
YANG Jie, JIAO Haining
(School of Mechanical and Electrical Engineering,Jiangxi University Of Science And Technology, Ganzhou 341000,China)
Abstract: This paper briefly describes the basic Principles of genetic algorithm and fuzzy control. Combining these two factors, the paper studies a specific stochastic nonlinear system and its optimization. The paper design an adaptive Fuzzy regulator based on genetic algorithm, and with the full analysis of the impact of quantitative factor on the steady-state and dynamic properties of the system, the article proposes a fuzzy control algorithm which regulates quantification factor automatically, so that the system is more outstanding on dynamic and static performance. The article simulates the bilinear model with this adaptive fuzzy regulator, and the results prove its effectiveness.
Key words: Genetic Algorithm;Fuzzy control;quantification factor; Random bilinear system.
0 引言
影响模糊控制器性能的因素有很多,量化因子就是一个非常重要的方面。通过阅读众多的文献我们知道,常规模糊控制器是利用采样时刻所获得的误差及误差变化信号模糊化后的结果查询模糊控制表,得到控制量的模糊量,然后利用量化因子把该模糊量转换为精确量来作为模糊控制器的输出从而对被控对象施加某种控制作用。但由于模糊控制表量化等级的有限性使得控制精度不高,同时由于量化因子是固定的,当对象参数随环境的变化而改变时,它不能对自己的控制规则进行有效地调整,从而使其良好的性能不能得到充分地发挥,甚至导致系统振荡。应该指出,量化因子的选择并不是唯一的,对于简单的系统可能有几组不同的取值,都能使系统获得较好的相应特性。但对于比较复杂的被控过程,有时采用一组固定的量化因子难以收到预期的控制效果,因此可以尝试在控制过程中采用改变量化因子的方法,看能否调节整个控制过程中不同阶段上的控制特性,本文正是对此方面的研究。
1 模糊控制和遗传算法简介
模糊控制是基于模糊集合、模糊逻辑同控制理论相结合,模拟人的思维形式,从而能对难建模型的对象进行有效的一种控制形式,它不要求精确的被控对象数学模型,就能达到良好的控制效果,具有较好的适应性和智能控制的特点。
    遗传算法(GA)是一种基于自然选择和基因遗传学原理的优化搜索方法。GA吸收了自然生物系统“适者生存,优胜劣汰”的进化原理从而为解决许多传统优化方法难以解决的问题提供了新的途径。GA中包含5个基本要素:参数编码、生成初始种群、适应度函数设计、遗传算子设计、控制参数设计(主要指编码串长度、种群大小和遗传操作的概率等)。
 遗传算法的基本步骤如下:
 ①在一定的编码方式下随机产生一个种群;
 ②按照个体适应值的大小从种群中选出适应值较大的一些个体构成交配池;
③由交叉算子和变异算子对交配池中的个体进行遗传操作,并形成新一代的种群;
 ④反复执行步骤②③,直至满足收敛判据为止。  
2基于遗传算法的自适应模糊调节器的设计
2.1 量化因子对系统性能的影响
性能指标是指在分析一个控制系统的时候,评价系统性能好坏的标准。系统性能的描述又可以分为动态性能和稳态性能。
设定误差和误差变化率为输入变量,控制量为输出变量。设误差的基本论域为,误差变化的基本论域为,控制量的基本论域为,基本论域就是变量的实际变化范围,所以其中的量均为精确量。同理定义三者对应的模糊集论域分别为,,。在确定了输入、输出变量的基本论域和模糊集论域后,各个因子就可以定义如下:
          
2.1.1 稳态性能影响
对于一个模糊控制系统,其稳定状态描述为:E is zero and EC is zero,语言值zero对应一定的范围,系统就进入稳定状态。   
若模糊化算子为 ,,则e和ec的稳态取值范围为:||<0.5,||<0.5,可见,通过增大和能减少系统的稳态误差,和增大,所对应的误差和误差变化的语言值也大,即提高了系统误差和误差变化的分辨率。
2.1.2 动态性能影响
控制系统的动态性能要求系统对输入信号有较强的跟踪能力,响应快,超调小,调节时间短,由于模糊控制器的输入论域定义在一个有限范围内,如闭区间[-n,n],这时对应的误差和误差变化的最大值为,,当|e|>,则取|E|=n,此时模糊控制器达到饱和状态,即为误差的限幅值,由于限幅作用,模糊控制器对饱和区的误差和误差变化率不敏感,无论误差多大,控制器也不会因而增加控制作用,所以在实际应用中,要尽量避免模糊控制器饱和,即使得|e|<,|ec|>,就须减小和,而减小这两个因子,则要求增大控制量,否则达不到提高快速响应的目的,同时由于|u|=n的限制,则最大控制量|u|=K|U|,所以要增大控制量,最有效的方法是增大K,一般来说,K越大,系统上升速率越快,但是K过大,将产生较大的超调,严重时会振荡,使得系统不能稳定工作。
2.2 调节器设计
简单的模糊控制器具有设计简单、控制效果较好的优点,但对于不同类型的系统采用相似的控制规则和一组不变的控制参数往往效果不太理想。为此,本文设计了在线调整量化因子(、、)以满足不同系统静态和动态的需求。目前工业过程控制常用的模糊控制器多属于双输入单输出的结构模式,这种系统一般都具有时变、非线性、纯滞后、随机干扰和多个可测干扰等特征,对此我们就需要设计出一种适用于多种干扰,克服时变及非线性,从而更符合工业生产需要的控制器。
量化因子的引入实现了变量在基本论域与相应的模糊集论域间的变换,使得模糊控制算法能对输入变量进行计算,并将计算出的输出量作用于被控对象。在实际的控制系统中,我们总是希望误差是逐渐减小,直到某一个允许范围内。我们知道模糊控制系统中由于采用了负反馈控制,其误差范围的变化趋势必然是由大到小,根据当量化级数一定时, 的变化趋势是由小到大。即在整个模糊控制过程中是一变化量,同样对于和 道理也是一样的。
本文选取了某化工双线性动态模型进行研究,其表达式为:
    ⑷
2.3自适应调节器的实现
本文从量化因子对系统特性的影响出发,提出了一种带有智能调节量化因子的模糊控制算法,其中调节器根据误差绝对值的大小在线调节误差变化率的量化因子,从而使系统具有更好的动态和稳态性能。利用此控制器对双线性模型进行了仿真,结果证明了其有效性。即分段调整(根据E的大小适时地调整、和的大小)。本文中模糊分级数为3,针对前面给出的随机双线性系统为例进行说明。为简单起见,在这里假定把误差E划分成六个区间进行讨论,即(-3,-2),(-2,-1),(-1,0),(0,1),(1,2),(2,3)。考虑到对称的问题,只需讨论|E|1,1|E|2和 2|E|3这三种情况就行。
由公式和公式可知:E的大小直接影响的变化趋势,同理对于和的影响情况也是一样的,具体讨论如下:
当|E|1时,误差变化和控制量相对而言较小,故、和应取较小值。
当1|E|2时,误差、误差变化和控制量比|E|1时要大,故、和取较大值。
当2|E|3时,误差、误差变化和控制量比1|E|2时要大,故、和取更大值。
根据MATLAB编程仿真得到最终的量化因子分段取值如下表1所示
表1 量化因子分段取值
 
2.4 跟踪能力测试
前面对文中给出的随机双线性模型进行了讨论,现在通过假设给定值为正弦信号(表达式设为)来检验经在线调整三个量化因子后后得到的系统是否具有很好的跟踪能力。

图1输出信号跟踪给定信号仿真图
从上图1可以看出,输出信号能很好地跟踪给定的输入信号,即本文提出的在线修正量化因子方法对于系统而言具有很强的跟踪能力。
3 结论
    本文从量化因子对系统特性的影响出发,提出了一种带有智能调节量化因子的模糊控制算法,其中调节器根据误差绝对值的大小在线调节误差变化率的量化因子,从而使系统具有更好的动态和稳态性能。利用此控制器对双线性模型进行了仿真,结果证明了其有效性。
[参考文献]
[1] 程德惠,吴学礼.双线性系统随机多输入间接自适应前馈控制及其应用[J].齐齐哈尔轻工学院学报,1996,12(1):15-21.
[2] 殷铭,张兴华,戴先中.基于MATLAB的遗传算法实现[J].电子技术应用,2000,26(1):9-11.
[3] 李士勇.模糊控制·神经网络和智能控制论[M].哈尔滨:哈尔滨工业大学出版社,2002.
[4] 王小平,曹立明.遗传算法——理论、应用与软件实现[M].西安:西安交通大学出版社,2002.
[5] 张光辉.基于遗传算法的输油泵系统模糊优化控制[D].西安理工大学硕士学位论文,2002.
[6] 宋瑞,林青家,夏佃秀.用MATLAB的SIMULINK进行模糊控制系统仿真[J].山东冶金,2003,25(3):54-56.
[7] 邓兵,梁文林.模糊控制系统中量化因子和比例因子的研究[J].电光与控制,1999,73(1):6-12.
[8] 李丽军等.量化因子和比例因子对模糊控制器的影响及其修正[J].韶关大学学报,1999,20(2):8-13.
 
 

上一篇:浅谈如何提高汽车喷油器故障诊断能力
下一篇:注汽锅炉现状分析与主要做法