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

本文提出了一种利用SAGACIA优化方法改进模糊控制规则的选择策略,通过避免复杂的编码解码过程,该方法有助于寻找全局最优解。在MATLAB环境中,作者展示了如何简便地实现这一优化,以提升模糊控制器的性能。重点讨论了目标函数的设计,ITAE积分性能指标的应用以及优化规则对系统性能的影响。
摘要由CSDN通过智能技术生成

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,

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值