基于遗传优化的Fuzzy-PID控制策略研究

论文摘要

随着科学技术的不断进步,系统的功能和复杂程度越来越高。对于具有较大的滞后性、时变性、非线性的控制对象,难以建立精确的数学模型,单纯采用PID控制不能满足系统性能的需求,而采用Fuzzy-PID复合控制却是一种比较好的解决办法。遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的,它是基于自然选择和基因遗传学原理的搜索算法,体现了优胜劣汰的自然选择的优化思想;PID控制结构简单、易于实现;模糊控制不需要建立精确的数学模型,鲁棒性强。充分利用三者各自的特点,使它们的优势互补,将遗传算法和Fuzzy-PID控制相结合,是智能控制领域中的发展方向之一。首先对模糊控制和遗传算法的原理进行了详细阐述和探讨,内容包括:模糊控制的原理、常规的模糊控制器的设计、遗传算法的原理及基本操作。模糊控制规则和隶属函数的正确选取是模糊控制器设计的关键,它决定了模糊控制系统的动、静态性能和控制效果。然而它们的选取有着很大的主观人为性,人的经验不能全面考虑周到,为了克服这些不利因素,本文采用改进的遗传算法优化模糊控制中的量化因子和比例因子,从而优化控制规则和隶属函数,使其更加合理。然后对优化后的Fuzzy-PID控制器进行了Matlab仿真研究。结果表明:经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究提供了理论依据。最后,以材料试验机电液伺服位置系统为研究对象,建立了该系统的数学模型,以LabVIEW为软件平台,开发了基于遗传优化的Fuzzy-PID控制器,对该系统进行了计算机实时控制试验,试验结果验证了遗传优化的Fuzzy-PID控制算法的合理性和有效性,取得了良好的控制效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.1.1 课题来源
• 1.1.2 模糊控制理论研究与进展
• 1.2 模糊控制的发展动态
• 1.2.1 模糊控制应用领域与现状
• 1.2.2 模糊理论研究的新动向
• 1.2.3 遗传算法在模糊PID 中的应用
• 1.2.4 目前存在的主要问题
• 1.3 本文研究内容
• 第2章 模糊控制原理
• 2.1 模糊集合论
• 2.1.1 模糊集合的定义及表示方法
• 2.1.2 模糊集合的运算及其性质
• 2.1.3 隶属函数的确定方法
• 2.2 模糊关系及其合成
• 2.2.1 模糊关系的定义及表示方法
• 2.2.2 模糊关系的性质
• 2.2.3 模糊关系的合成
• 2.3 模糊推理
• 2.3.1 模糊语言变量
• 2.3.2 模糊逻辑
• 2.3.3 模糊推理
• 2.4 解模糊化
• 2.4.1 最大隶属法
• 2.4.2 重心法
• 2.4.3 加权平均法
• 2.5 本章小结
• 第3章 基于遗传优化的模糊控制
• 3.1 遗传算法概述
• 3.1.1 遗传算法的研究进展
• 3.1.2 遗传算法的原理
• 3.1.3 遗传算法特点
• 3.2 遗传算法在模糊控制中的应用
• 3.2.1 遗传算法优化模糊控制器的方法
• 3.2.2 确定遗传算法的基本参数
• 3.2.3 遗传算法优化量化因子和比例因子
• 3.2.4 适应度函数的选取及优化结果
• 3.3 基于遗传优化的模糊控制器设计
• 3.3.1 论域及隶属函数的选取
• 3.3.2 模糊控制规则的选取
• 3.3.3 模糊推理
• 3.3.4 解模糊化
• 3.4 本章小结
• 第4章 电液位置伺服系统的建模与仿真
• 4.1 电液位置伺服控制系统
• 4.1.1 电液伺服系统简介
• 4.1.2 材料试验机的原理图
• 4.2 控制系统的动态数学模型
• 4.2.1 电液伺服阀模型
• 4.2.2 液压缸动力模型
• 4.2.3 其它环节的数学模型
• 4.2.4 典型位置控制系统的传递函数
• 4.3 典型位置反馈闭环系统的方框图
• 4.3.1 没有弹性负载（K=0 ） 的情况
• 4.3.2 有弹性负载（K≠0） 的情况
• 4.4 系统仿真
• 4.4.1 主要参数的选取与计算
• 4.4.2 仿真模型的设计
• 4.4.3 仿真及结果分析
• 4.5 本章小结
• 第5章 基于遗传优化的Fuzzy-PID 控制实验研究
• 5.1 系统硬件的组成
• 5.1.1 计算机控制系统原理图
• 5.1.2 控制系统的组成
• 5.1.3 控制系统硬件系统的实现
• 5.2 系统软件的组成
• 5.2.1 LabVIEW 的实现方法
• 5.2.2 LabVIEW 程序的设计
• 5.3 实验结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介