基于粒子群算法的自调节隶属函数模糊控制器设计

《基于粒子群算法的自调节隶属函数模糊控制器设计》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于粒子群算法的自调节隶属函数模糊控制器设计第1章绪论1.1课题研究的背景及意义在科学技术迅速发展的时代，学科之间相互渗透和交叉，尤其是计算机科学与技术的发展更加的迅猛，计算机的使用和人类的生活和生产活动等很多领域紧密相连。随着人类认识领域的拓宽，生存空间的拓广，对世界的改造范围的扩大，对科学技术有了更高的要求，特别是对高效的智能计算技术的要求就更加的迫切[1]。20世纪80年代以来，在现代工业控制和实际生产过程中所应用的控制系统，相较于建立在被控对象精确数学模型（微分方程、传递函数或状态方程）基础上的经典自动控制理论和现代控制理论的系统，由于受控对象的复杂化，增加了很多不确定因素

2、，要想成功的建立一个数学模型特别的困难，有的情况下，根本是不可能实现的，对此使用常规的控制方法就很难取得令人满意的控制效果。但操作工人对于某些很难建立准确的模型的生产过程，能够在手动的多次调整下，取得相对比较好的控制效果。因此，面对这样的问题，人们就开始利用计算机来模拟人的思维，对无法构造的数学模型进行控制。为了解决传统控制理论的局限性，模拟人类思维和活动的智能控制便诞生了。在这样的条件下，在20世纪70年代的中期，美国加州大学的一位的控制理论学家提出了模糊集合的概念，模糊控制是模糊集合理论应用的一个重要方面。模糊控制产生后，获得了迅猛的发展。在这个时期，模糊控制的理论和方法也得到

3、了改善，同时也将模糊控制运用到了系统的建模和控制上，并且得到了广泛应用。相较于传统控制方法，模糊控制技术具有不要求被控对象具有精确数学模型的特征，同时其响应速度快还具有很强的适应性和鲁棒性强，并且结构简单，系统的规则和参数的整定也很方便。多应用于对不确定性系统进行控制。........1.2模糊控制简介随着计算机技术的运用范围的扩大，自动控制理论和技术也取得了很好的发展，现代控制理论以状态量为基础，对于解决线性或非线性、定常或时变的多输入与多输出系统的控制问题取得了广泛的应用。但是，由于不论是经典的控制理论还是现代控制理论在设计控制系统时，都需要建立在被控对象（或过程）精确的数学模

4、型的基础上，根据数学模型以及给定的性能指标，选择适当的控制规律，对控制系统进行设计。但是，在现实生活中受很多因素的影响，很多情况下，如果要建立一个比较精确的数学模型是很难的，对于这类对象或过程就很难进行自动控制。与此相反，对于那些拥有操作经验的操来说，那些不容易被自动控制的生产过程，可以在手动条件下进行控制，取得令人满意的效果。因为人的大脑可以对模糊事物进行识别和判断，经常可以把看起来似乎不确切的模糊手段达到精确的目的。操作人员是通过不断的学习和积累操作经验来实现控制被控对象，这些经验包括对被控对象的了解、在不同情况下的相应的控制策略以及性能指标判据。这些信息通常是以自然语言的形式

5、表达，其特点的定性的描述，所以具有模糊性。人可以不断的从外界获得信息，将其储存和处理，再将给出的决策反作用于外界，取得预期的目的。人的这一特点，是使人们无法用现有的定量的控制理论对这些信息进行处理。在这种情况下，人们开始重新考虑和研究人控制行为的特点及对于那些难以建立数学模型的对象，通过计算机模拟人的思维方式对其进行控制。1965年美国著名控制论学者L.A.Zadeh发表具有划时代意义的论文，提出了一种新模糊集合理论，该理论和传统数学和控制理论的模糊集合理论完全不一样。这个新的模糊集合理论的关键是对复杂系统或过程建立一种语言分析的数学模式，使自然语言可以直接转化为计算机可以接受的算

6、法语言。由于人们的手动控制策略是通过操长期实践的经验积累的，能够使用自然语言对其进行描述，然后再将其归纳总结成一系列的条件语句。这些条件语句也被称作是控制规则。这种控制属于一种语言控制，运用计算机实现这些控制规则，计算机在此起到控制器的作用。然而，人的语言又具有模糊性，传统自动控制无法处理这种模糊性，因此将这种语言控制称为模糊语言控制，简称模糊控制。........第2章粒子群算法的研究和改进2.1粒子群算法的起源粒子群优化算法的产生是对简单的一些现实生活中的模型的模拟。粒子群优化算法是学者在观察鸟类捕食活动规律的启发下提出的。自然界中很多生物以社会型群居形式生活在一起，如鸟群、鱼

7、群等，在20世纪七八十年代一些科学家对鸟群或鱼群的群体行为进行了研究。粒子群最优化算法是由Kennedy和Eberhart两位学者于1995年提出的，是一种仿生物智慧概念的算法，其灵感于观察鸟群觅食时的行为。粒子群优化算法是基于迭代的一种工具，系统的初始解为一组随机解，这是粒子群优化算法和遗传算法相似之处，但是粒子群优化算法是通过在解空间中由粒子根据最优粒子进行搜寻，这点不同于遗传算法的交叉（Crossover）和变异（Mutation）。相较于遗传算法，粒子群优化算