基于微粒群优化模糊pid.pdf-资料库

qq_43183842-10660317-16359647343730678469.pdf-第1页.png

第1页 / 共78页

qq_43183842-10660317-16359647343730678469.pdf-第2页.png

第2页 / 共78页

qq_43183842-10660317-16359647343730678469.pdf-第3页.png

第3页 / 共78页

qq_43183842-10660317-16359647343730678469.pdf-第4页.png

第4页 / 共78页

qq_43183842-10660317-16359647343730678469.pdf-第5页.png

第5页 / 共78页

qq_43183842-10660317-16359647343730678469.pdf-第6页.png

第6页 / 共78页

qq_43183842-10660317-16359647343730678469.pdf-第7页.png

第7页 / 共78页

qq_43183842-10660317-16359647343730678469.pdf-第8页.png

第8页 / 共78页

西南交通大学硕士学位论文基于微粒群算法的模糊PID控制系统设计方法研究姓名：杨梅申请学位级别：硕士专业：控制理论与控制工程指导教师：蔡淮20080301

西南交通大学硕士研究生学位论文第1页摘要模糊PID控制系统是智能控制中的一个重要分支，主要是模仿人的控制经验且不依赖于控制对象的模型，在工业控制中有广泛的应用。隶属度函数的细化和控制规则的选择是获得较高控制精度的关键因素，但是，由于其选取和优化缺乏知识采集的手段，没有规范的、合理的建立方式，通常需要根据专家的经验制定出相应的控制规则和隶属度函数，因而存在很大的主观性和随意性，只能采用试探的方法不断调整。本文研究微粒群算法(ParticleSwarmOptimization，PSO)和模糊逻辑各自的优缺点，并将其有机结合，用PS0算法寻找较优的模糊控制规则和隶属度函数参数，同时作用于PID控制器中，获得了较好的控制效果，为解决各种控制问题提供新的思路。主要内容有：1)首先采用十进制编码方式对隶属度函数和模糊控制规则进行统一编码，然后利用微粒群算法对问题空间进行全局寻优，给出了基于微粒群算法的模糊PID控制系统优化设计的框架和算法流程；2)考虑到微粒群算法和遗传算法各自的优势，给出了一种适用于模糊控制器参数优化的设计方法，取名为模糊参数粒子群一遗传组合优化算法(FuzzyParticleSwarmOptimization-GeneticAlgorithm，FPSO．GA)，获得了比两种算法单独寻优更好的仿真结果；3)考虑到优化后的规则仍然存在的大量冗余信息，利用二进制编码的微粒群算法对模糊控制规则进行过滤优化，获得了在较少控制规则下的次最优结果。仿真结果表明这种方法的有效性和实用性。最后，对全文的研究工作进行了总结，并展望了本设计不成熟和需要进一步研究的地方。关键词：微粒群算法；模糊PID控制器；遗传算法；进化算法。

西南交通大学硕士研究生学位论文第Ⅱ页AbstractFuzzyPIDcontrolsystem，asanembranchmentofIntelligencecontrolfield，iswidelyappliedintheindustrycontrolfield，whichimitateshuman’Scontrolexperienceinsteadofthemodelofthecontrolledobject．Inthedesignoffuzzycontroller,therefinementofmembershipfunctionsandthechoiceofcontrolrulesarekeyfactorstoobtainninghighercontrolprecision．ButtherearefewwaystogetinformationandnonormativeandrationalmethodstOestablishthem．Thosefactersgenerallyobtainedbytheexperienceofexperts，canonlybeobtainedbytentativemethods．TheadvantagesanddisadvantagesofParticleSwarmOptimization(PSO)andFuzzyLogicarcstudiedandrationallycombinedinthispaper．TheauthorUSeSPSOtofmdpreferablecontrolrulesandparametersofmembershipfunctionsandappliestheminthePIDcontroller,whichobtainsbetterresultsandgivesanewwaytosolvemanycontrolproblems．Themainworkofthispaperincludethreeparts：1)Atfirst，themembershipfunctionsandfuzzycontrolrulesarecodedtogetherbydecimalcode．Andthen，usingPSOtosearchthebestvaluesinthewhollyquestionspace．TheauthoroffersthemainframeandalgorithmflowofoptimizingthefuzzycontrollerbasedonPSO；2)ConsideringontherespectiveadvantagesofPSOandGeneticAlgorithm(GA)，theauthoroffersamethod，whichisthesamewithoptimizationofthefuzzycontrollerparameters，namedFuzzyParameterParticleSwarm·GeneticCombinedOptimizationAlgorithm(FPSO-GA)．Andthismethodobtainsbetteremulationalresultthaneachofthem；

西南交通大学硕士研究生学位论文第1ll页3)Becausetheoptimizedcontrolrulesstillcontainmanyredundantinformation，theauthorfilterstheoptimizedrulesbybinaryPSOandobtainshypo-bestresultunderfilteredcontrolrules．Emulationalresultindicatesthevalidityandpracticabilityofthismethod．Finally,theworkofthispaperissummarized，andtheprospectivenessofit’Sjuvenilityandthefutureresearchfieldarediscussed．Keywords：ParticleSwarmOptimization(PSO)；FuzzyPIDController；GeneticAlgorithm(GA)；EvolutionAlgorithm(EA)．

西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密口，在年解密后适用本授权书；2．不保密醇使用本授权书。(请在以上方框内打“√")…≮毽艺…雌言勘h日期：∥唔．譬．伽日期：己．|，形I-．，．

西南交通大学学位论文创新-眭声明本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。本学位论文的主要创新点如下：，论文中采用十进制编码方式对模糊控制系统的隶属度函数和模糊控制规则进行统一编码，并利用微粒群算法对问题空间进行全局寻优，给出了基于微粒群算法的模糊PID控制系统优化设计的框架和算法流程；结合微粒群算法和遗传算法各自的优势，给出了一种适用于模糊控制器参数优化的设计方法，取名为模糊参数粒子群一遗传组合优化算法(FuzzyPanicleSwarmOptimization．GeneticAlgorithm，FPSO．GA)；最后用二进制编码的微粒群算法对模糊控制规则的冗余信息进行过滤优化，获得了在较少控制规则下的次最优结果。仿真结果表明以上方法具有一定的有效性和实用性。

西南交通大学硕士研究生学位论文第1页1．1研究背景第1章绪论自动控制理论的形成和发展经历了经典控制理论、现代控制理论和智能控制理论三个阶段。其中，前两种理论是建立在精确数学模型基础之上，适合解决确定问题，而智能控制理论适合用来解决系统模型和环境本身均不确定的问题。1987年智能控制正式成为一门独立的学科，它是人工智能、运筹学和自动控制理论等多学科相结合的交叉学科。模糊控制是智能控制研究中最为活跃而富有成果的领域，是智能控制中的一个重要分支，主要模仿人的思维和逻辑推理方法来搿直观"地进行控制而不依赖控制对象的模型，被广泛用于复杂过程或对象模型控制。其中模糊PID(即：比例。积分．微分)控制系统扮演了十分重要的角色，并且仍将成为未来研究与应用的重点技术之一。其原因在于工业过程控制中90％是采用PID控制系统11】，而很多高级控制器也是以PID控制为基础的。因此，研究性能更优于常规PID的模糊PID控制器，．无论在理论还是实践上都将具有重要的意义。模糊PID控制系统的核心是模糊控制器，而模糊控制器的核心是隶属度函数和模糊控制规则的设计，它实际上决定了整个控制系统的性能及控制效果。以前，隶属度函数和模糊控制规则完全是凭操作者的经验或专家知识获取的，存在很大的主观性和随意性，很难准确地定出各项参数，只能采用试探的方法不断调整，并不能保证规则的最优或次最优以达到最佳控制的目的：同时规则的获取也没有系统的步骤可以遵循。为适应现代工业控制的要求，模糊控制器在应用中正朝着自适应、自组

西南交通大学硕士研究生学位论文第2页织、自学习方向发展，使模糊控制真正达到模仿人工智能控制的目的。研究智能模糊控制器，可以克服模糊控制器设计过程中缺乏完整性与系统性的不足，使这种控制过程更加符合人们在控制决策过程中的思维特点，充分发挥其可以描述不精确控制行为和不受数学模型限制的特点：可以改变模糊控制理论相对落后于应用的局面，提高过程控制中状态发生大幅度变化时的鲁棒性，扩大其应用范围，从而使模糊控制可以对复杂系统进行更为有效的控制。应用智能模糊控制器，可以提高产品的质量和产量、降低能耗，经济效益显著，全面实现生产过程及产品智能化的目标【231。微粒群算法(ParticleSwarmOptimization，PSO)【2】是一种介于遗传算法(GeneticAlgorithm，GA)t3】和进化规划之间的进化计算方法，是近十年来产生并得到了快速发展的一类优化算法，来源于早期对鸟类群体行为研究结果的启发，通过模仿鸟类捕食行为，高效、并行地搜索问题空间所对应的编码空间，从而得到问题的全局最优解，其数学表达简单，运行速度快，与传统优化算法相比具有诸多优点。因此，考虑把PSO算法与模糊理论的结合是实现智能模糊控制器的重要途径之一。鉴于模糊PID控制技术在智能控制领域的广泛应用，却又不能满足日益提高的控制性能要求，而近几十年迅速发展起来的PSO算法是实现智能模糊PID控制的重要途径之一，追随此种思路，粒子群及其改进算法应用于模糊PID控制系统的设计中，一方面，利用模糊逻辑根据对算法运行状况的检测以及对算法中的某些参数进行自适应调整，或者利用模糊关系和模糊算子来设计不同性质的PSO算法；另一方面，利用PSO算法处理用模糊集表示的不确定信息，并进而设计特定的进化算法用以处理这些模糊信息。

资料库

基于微粒群优化模糊pid.pdf

相关推荐

人工智能

热门标签

最新资料