模糊规则优化matlab,基于SAGACIA优化方法的模糊控制规则优化及其MATLAB实现

第29卷 第 l期

2007年2月

河 北 理 工 学 院 学 报

Journal of Hebei Institute of Technology

V0l 29 No．1

Feb．2oo7

文章编号：1007-2829(2007)0143072-03

基于 SAGACIA优化方法的模糊控制规则优化

及其 MATLAB实现

曹秀爽 ，李 兵

(1．河北理工大学计算机与自动控制学院，河北 唐山063009；2．唐山学院，河北 唐山063009)

关键词：SAGACIA；优化方法；控制规则；模糊控制；规则优化

摘 要：模糊控制规则的选择是模糊控制器设计的关键问题之一。将SAGACIA优化方法应用

在优化模糊控制规则中，并在MATLAB中编程实现，应用该优化方法不像遗传算法那样要编

码解码，并且按一定的概率接受劣解和变异，使得算法易于跳出局部最优，从而更有利于找到

全局最优解，在 MATI B中实现起来也简单。

中图分类号：TP 273 文献标识码：A

0 引言

模糊控制技术自1965年由美国L-A扎德(Zadeh)教授首次提出以来，以其特有的优越性受到人们的广

泛重视，已发展成为实现智能控制的方法之一。模糊控制系统性能很大程度上取决于模糊控制规则的优劣，

合理地选择模糊控制规则集是模糊控制器在设计中的重要问题。很多情况下是根据专家经验来确定，但专

家经验并不是总能得到，并且对于同一问题，从不同的专家那里得到的经验也不完全一致。因此，如何对己

获取的规则进行优化，使其具有较好的一致性，一直以来成为重要的研究课题之一。本文用 SAGACIA优化

规则，该方法综合了模拟退火算法(sAA)遗传算法(GA)、趋化性方法(CA)的优点，全局和局部搜索能力都

很好，SAGACIA优化方法不像GA那样对优化问题需要编码解码，给算法应用带来不便，如果是连续优化问

题，还会影响优化精度，而且该优化方法只需给出影响搜索的目标函数来组织搜索，在 MATLAB环境下规则

的优化属于离散优化，SAGACIA很适合优化此类问题。

1 规则后件优化

在有些工业过程控制中，被控对象难以建立精确的数学模型，也就很难应用经典的控制方法来控制，然

而用模糊控制方法可以不必建立数学模型，人们通常采用二维模糊控制，即误差(e)和误差变化量(ec)作输

入量，输出变量tl作控制量，分别由5或7个模糊语言值，即：{负大，负中，负小，零，正小，正中，正大l，～般

用英文字头缩写为：{NB，NM，NS，0，PS，PM，PB}，在 MATLAB中分别由l一7的整数代表各量的高低变化。

这样，规则组合为：7×7×7=316条，使性能指标最小的49条规则就是模糊控制的规则。

2 目标函数

目标函数采用ITAE积分性能指标，J(ITAE)=』 tie(c)Idt，可以综合评价控制系统的响应时间、超调量

等动态和静态性能。式中的Ie(t)I为输入和输出的误差的绝对值，ITAE的值越小，性能越好。为便于计算

机迭代实现，可将ITAE值的计算离散化，即：△，=，(t+△ )一J(t)=』 +ATrlEId~"f~rlEIdr： rlEIdr式中

收稿日期：2006-05—17

基金项目：唐山学院博士创新项目(05001C)

维普资讯 http://www.cqvip.com

第 1期 曹秀爽，等：基于SAGACIA优化方法的模糊控制规则优化及其MATLAB实现

△ 为采样间隔，由于△ 一般很小，故上式中被积函数f l El可视为常量，