基于遗传算法的模糊推理控制系统的参数优化研究

论文摘要

由于对复杂的控制问题具有很强的控制能力,模糊控制器被广泛应用在工业控制等诸多领域中。但是,模糊控制器推理系统参数的隶属度函数和模糊规则的确定多依赖于操作者和专家的经验知识,而推理系统参数的选择直接影响到控制的品质性能。因而,推理系统参数的优化问题是基于模糊推理控制器设计的重要问题。本文利用遗传算法对模糊控制器的推理系统的前件及后件的隶属度函数参数进行优化,并对Homaifar等人提出的优化算法进行改进,改进后的算法采用三角隶属函数的正则模糊划分,保证了推理系统的一致性和完备性。对于控制参数论域的最优m模糊划分问题,本人提出的方法需要优化的参数个数为m个。在解决多变量问题时,本方法待优化的参数个数将会远远小于Homaifar等人的算法,从而大大降低遗传算法的搜索空间。同时,在遗传算法的设计中,本人对个体编码、种群的初始分布及选择、交叉、变异等遗传算子提出改进。通过设计新的种群的初始分布和变异算子使遗传算法前期的广度有所保证,使后期的收敛性明显改善,提高了普通的遗传算法的性能。作为提出的控制参数优化方法的应用,以城市交通岗信号灯控制为背景,本人将提出的方法应用于交通岗二相位信号的智能控制之中,计算机仿真的结果检验了本文提出算法的有效性。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 模糊推理控制系统的研究现状
• 1.3 本文的主要工作及组织框架
• 1.3.1 本文的主要工作
• 1.3.2 本文的组织结构
• 2 理论基础
• 2.1 模糊集合基本知识
• 2.2 模糊推理
• 2.2.1 蕴涵模糊推理的一般范式
• 2.2.2 模糊蕴涵合成规则的推理方法
• 2.2.3 基于数据的模糊推理
• 2.3 模糊推理控制系统的基本原理
• 2.3.1 模糊推理控制系统的基本结构
• 2.3.2 模糊推理系统的设计原则
• 2.3.3 系统性能评价方法
• 3 模糊推理系统参数的遗传算法优化
• 3.1 遗传算法原理
• 3.2 Homaifar 对模糊推理前件的优化
• 3.3 模糊推理系统的全变量隶属函数参数优化
• 3.3.1 模糊控制变量论域的正则模糊划分
• 3.3.2 个体编码
• 3.3.3 种群初始分布
• 3.3.4 适应度函数选择
• 3.3.5 遗传算子选择
• 3.3.6 规则优化遗传算法描述
• 3.3.7 遗传算法控制参数设计
• 3.4 本章小结
• 4 基于GA 优化的模糊推理在交通信号控制中的应用
• 4.1 交通流问题描述
• 4.1.1 单交叉路口的二相位交通信号
• 4.1.2 交通流的数学模型
• 4.2 交通信号控制仿真系统设计
• 4.3 基于等待车辆队列长度的交通信号模糊控制
• 4.3.1 等待车辆队列长度的模糊集隶属函数选取
• 4.3.2 交通信号模糊控制推理规则选取
• 4.3.3 模糊决策及推理规则的计算
• 4.3.4 基于遗传算法优化的仿真结果分析
• 4.4 基于车队长度与车流强度的交通信号模糊控制
• 4.4.1 推理前件及后件变量的论域模糊划分
• 4.4.2 基于车队长度与车流强度的推理规则选取
• 4.4.3 基于GA 的交通信号模糊控制系统的参数优化
• 4.4.4 仿真结果分析
• 4.5 本章小结
• 5 结论
• 参考文献
• 附录 A 程序
• 作者简历
• 学位论文数据集