基于微粒群算法的模糊PID控制系统设计方法研究

论文摘要

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（Particle Swarm Optimization,PSO）和模糊逻辑各自的优缺点,并将其有机结合,用PSO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PIED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—遗传组合优化算法（Fuzzy Particle Swarm Optimization-Genetic Algodthm,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。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 模糊控制的国内外研究现状及面临的问题
• 1.2.1 国内外现状
• 1.2.2 模糊控制理论面临的问题
• 1.3 微粒群算法发展概述
• 1.4 本文的研究内容及成果
• 第2章 模糊PID控制系统的原理及其改进
• 2.1 模糊控制系统的基本结构
• 2.2 普通模糊PID控制器的设计及仿真
• 2.2.1 PID参数对控制性能的影响及控制规则的确定
• 2.2.2 普通模糊PID控制器的设计:
• 2.3 智能模糊PID控制系统的发展
• 2.3.1 调整量化因子、比例因子和隶属函数参数
• 2.3.2 模糊控制规则的提取
• 2.3.3 基于遗传算法的模糊PID控制器设计
• 第3章 微粒群算法的PID控制器中的应用
• 3.1 基本粒子群算法简介
• 3.1.1 基本微粒群算法（BPSO）原理及特点
• 3.1.2 带惯性权重的微粒群算法
• 3.1.3 微粒群算法复杂度分析
• 3.2 粒子群算法在PID参数调节中的应用
• 第4章 基于微粒群算法的模糊PID控制器设计
• 4.1 基于微粒群算法的模糊PID控制器设计
• 4.1.1 PSO算法优化隶属函数
• 4.1.2 PSO算法优化模糊控制表
• 4.1.3 PSO算法优化模糊控制器
• 4.2 模糊参数微粒群—遗传组合优化算法设计研究
• 4.2.1 微粒群算法与遗传算法的比较
• 4.2.2 模糊参数微粒群—遗传组合优化算法（FPSO-GA）设计
• 4.3 二进制编码的微粒群算法过滤控制规则
• 第5章 仿真实验分析
• 5.1 PSO优化FPID仿真实验分析
• 5.1.1 PSO单独优化隶属函数
• 5.1.2 PSO单独优化控制规则
• 5.1.3 PSO同时优化隶属函数和控制规则
• 5.2 FPSO-GA优化FPID仿真实验
• 5.3 二进制编码PSO算法过滤模糊控制规则的仿真实验
• 结论
• 致谢
• 参考文献
• 读硕士学位期间发表的论文及科研成果