基于微粒群算法的模糊pid控制系统设计方法研究

《基于微粒群算法的模糊pid控制系统设计方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南交通大学硕士研究生学位论文第1页摘要模糊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(ParticleSwarmOptimization，PSO)和模糊逻辑各自的优缺点，并将其有机结合，用PS0算法寻找较

2、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PID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一遗传组合优化算法(FuzzyParticleSwarmOptimization-GeneticAlgorithm，FPSO．GA)，获

3、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。关键词：微粒群算法；模糊PID控制器；遗传算法；进化算法。西南交通大学硕士研究生学位论文第Ⅱ页AbstractFuzzyPIDcontrolsystem，asanembranchmentofIntelligencecontrolfield，iswidel

4、yappliedintheindustrycontrolfield，whichimitateshuman’Scontrolexperienceinsteadofthemodelofthecontrolledobject．Inthedesignoffuzzycontroller,therefinementofmembershipfunctionsandthechoiceofcontrolrulesarekeyfactorstoobtainninghighercontrolprecision．Buttherearefewwaystogetin

5、formationandnonormativeandrationalmethodstOestablishthem．Thosefactersgenerallyobtainedbytheexperienceofexperts，canonlybeobtainedbytentativemethods．TheadvantagesanddisadvantagesofParticleSwarmOptimization(PSO)andFuzzyLogicarcstudiedandrationallycombinedinthispaper．Theautho

6、rUSeSPSOtofmdpreferablecontrolrulesandparametersofmembershipfunctionsandappliestheminthePIDcontroller,whichobtainsbetterresultsandgivesanewwaytosolvemanycontrolproblems．Themainworkofthispaperincludethreeparts：1)Atfirst，themembershipfunctionsandfuzzycontrolrulesarecodedtog

7、etherbydecimalcode．Andthen，usingPSOtosearchthebestvaluesinthewhollyquestionspace．TheauthoroffersthemainframeandalgorithmflowofoptimizingthefuzzycontrollerbasedonPSO；2)ConsideringontherespectiveadvantagesofPSOandGeneticAlgorithm(GA)，theauthoroffersamethod，whichisthesamewit

8、hoptimizationofthefuzzycontrollerparameters，namedFuzzyParameterParticleSwarm·GeneticCombinedOpti