动态参数调整遗传模糊优化算法及在机器人轨迹控制中的应用

论文摘要

机器人的数学模型具有严重非线性、强耦合的特点,并且包含有诸如摩擦、负载变化等不确定因素,用传统的基于对象模型的控制方法对其控制无法收到满意的效果。模糊控制不依赖于被控对象的数学模型,且鲁棒性强,用于机器人轨迹控制能有效地克服控制中耦合、非线性、参数变化等因素的影响,取得较好的控制效果。但普通模糊控制器的参数和控制规则一旦确定便不能改变,不能很好地适应系统动态特性的变化或随机干扰的影响。遗传算法是一种基于自然进化理论的并行、高效的全局优化搜索算法,通过模拟生物的进化,将优化问题转化为生物进化过程,采用优胜劣汰的机制来获得问题的最优解。由于遗传算法与模糊控制具有强烈的互补性,二者的相互结合已成为近年研究的一个热点。本文通过深入研究遗传算法与模糊控制的相关理论,针对基本遗传算法的缺陷与不足,提出了一种改进遗传算法—动态参数调整遗传算法,并将其与模糊控制相结合,即用它来优化常规模糊控制器的隶属度函数和模糊控制规则,从而达到更加优良的控制效果。然后本文将设计的动态参数调整遗传模糊优化控制算法应用于机械手轨迹控制,首先通过Matlab中的SimMechanics建立了一个实际五自由度关节型机械手的实体模型,接着利用此实体模型构造出机械手的基于动态参数调整遗传算法优化的模糊控制系统,在Matlab/Simulink中进行轨迹跟踪仿真实验,实验结果验证了本文设计的动态参数调整遗传模糊优化算法能克服复杂系统模型误差,外部干扰等不确定性的影响,具有精确的跟踪轨迹,具有很好的动静态性能以及很强的抗干扰性和鲁棒性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 机器人控制研究现状
• 1.2 智能控制新策略
• 1.3 本论文的主要工作及内容安排
• 第2章 机械手运动轨迹的模糊控制
• 2.1 机械手的动态控制问题
• 2.2 机械手的动力学分析
• 2.3 机械手的常规模糊控制
• 2.4 本章小结
• 第3章 动态参数调整遗传算法的研究
• 3.1 遗传算法的模式理论
• 3.1.1 模式概念
• 3.1.2 模式定理
• 3.2 遗传算法的基本实现过程
• 3.3 动态参数调整遗传算法
• 3.3.1 算法思路
• 3.3.2 算法实施
• 3.3.3 收敛性分析
• 3.3.4 算法验证
• 3.4 本章小结
• 第4章 遗传算法与模糊控制的优化结合
• 4.1 常规模糊控制器的局限
• 4.2 模糊控制器的优化方案
• 4.3 具体优化设计
• 4.3.1 参数的编码
• 4.3.2 适应度函数设计
• 4.3.3 遗传操作设计
• 4.3.4 运行参数设定
• 4.3.5 初始种群和约束条件
• 4.4 仿真实验
• 4.5 本章小结
• 第5章 遗传算法优化的机械手模糊控制系统设计
• 5.1 五自由度关节型机械手简介
• 5.2 五自由度关节型机械手建模仿真
• 5.2.1 机械手实体模型的建立
• 5.2.2 模糊控制仿真系统的建立
• 5.3 仿真实验结果及分析
• 5.4 本章小结
• 结论
• 参考文献
• 附录A 攻读学位期间所发表的学术论文目录
• 致谢