遗传优化模糊逻辑控制器的研究

发布时间：2021-05-06 11:28

　　模糊控制为解决具有不确定性（结构不确定性、参数不确定性）、非线性以及多变量等特性的复杂难建模系统的控制问题提供了一种有效的控制方法。近三十年来，模糊控制取得了长足的发展，在许多领域得到了成功应用。然而模糊控制器的系统化的设计方法和理论分析远非成熟，尤其是模糊集隶属函数的确定和控制规则的获取一直是困扰模糊控制系统设计的主要问题。本文的工作将围绕着模糊控制器的遗传优化而展开。 本文第一章简略回顾了模糊控制和遗传算法的发展历程，指出遗传算法作为一种全局优化的方法，是适合用于模糊控制器的优化设计的。 本文第二章介绍模糊控制器、遗传算法和模糊控制器的遗传优化的有关研究背景。本章发展了基于规则的模糊控制器的思想，指出基于规则的模糊控制器和传统的基于领域的模糊控制器在结构和对问题的表达方式上是截然不同的，基于规则的模糊控制器更适合用遗传算法来进行优化。本章还介绍了模糊控制器遗传优化的一般流程，总结了前人在模糊控制器／模糊分类器进化优化方面所做的工作。 第三章提出了在控制器级和控制规则级同时进化的观点。历史上，遗传算法用于模糊控制器的优化设计有两种基本方法，即匹兹堡方法和密歇根方法，... 

【文章来源】：中国科学院大学(中国科学院计算技术研究所)北京市

【文章页数】：141 页

【学位级别】：博士

【文章目录】：
致谢
摘要
ABSTRACT
目录
第一章 绪论
    1.1 模糊集与模糊逻辑控制
    1.2 进化计算
    1.3 进化模糊控制器
    1.4 论文组织与的主要工作
第二章 模糊控制器与遗传算法
    2.1 基本模糊控制器
        2.1.1 结构描述与分析
        2.1.2 基本模糊控制器设计中的问题
        2.1.3 基本模糊控制器是万能逼近器
    2.2 基于规则的模糊控制器
    2.3 标准遗传算法
        2.3.1 遗传算法的历史与现状
        2.3.2 标准遗传算法描述
        2.3.3 遗传算法与其它搜索方法的比较
        2.3.4 模式定理
    2.4 分类器系统
        2.4.1 分类器系统简介
        2.4.2 分类器系统的学习方法
    2.5 模糊控制器的遗传优化
    2.6 模糊控制器的匹兹堡方法优化
        2.6.1 基于领域的模糊控制器的遗传优化
        2.6.2 基于规则的模糊控制器优化
    2.7 模糊分类器的密歇根方法优化
        2.7.1 优化模糊分类器的规则
        2.7.2 同时优化模糊分类器的隶属函数和规则
    2.8 本章小结
第三章 模糊控制器的遗传优化——GoFLC系统
    3.1 模糊控制器CPM进化方法
        3.1.1 规则性能评价的信息
        3.1.2 评价规则的性能
        3.1.3 规则的进化
        3.1.4 CPM方法的流程
    3.2 模糊控制器结构的简化
        3.2.1 模糊控制器的编码
        3.2.2 改变染色体中规则的数量
        3.2.3 削减规则的隶属函数
    3.3 模糊控制器的分段进化
    3.4 GoFLC系统的特点
    3.5 本章小结
第四章 GoFLC系统进化倒摆模糊控制器
    4.1 倒摆系统
    4.2 倒摆系统模糊控制器的编码与适应值函数
        4.2.1 染色体编码
        4.2.2 染色体的适应值函数
    4.3 规则级的进化
        4.3.1 倒摆控制系统规则强度的定义
        4.3.2 没有规则级的进化
        4.3.3 有无规则级进化的比较
        4.3.4 改进的规则级进化算法
        4.3.5 规则级进化与规则数量的关系
        4.3.6 控制系统能量函数的选择
        4.3.7 CPM方法的优越性
    4.4 削减模糊控制器的规则数量
        4.4.1 有无规则削减的比较
        4.4.2 参数w_4的自适应
    4.5 削减规则的输入隶属函数
        4.5.1 隶属函数削减增益w_5不变
        4.5.2 隶属函数削减增益w_5的自适应
    4.6 模糊控制器的分段优化
        4.6.1 适应值函数不同
        4.6.2 遗传算子不同
    4.7 交换算子
    4.8 群体大小对模糊控制器进化的影响
    4.9 遗传优化的模糊控制器的鲁棒性
        4.9.1 对非训练样本的控制效果
        4.9.2 测试节拍长于训练节拍
        4.9.3 被控对象参数改变
        4.9.4 个别规则损坏
    4.10 本章小结
第五章 GoFLC系统进化模糊函数逼近器
    5.1 引言
    5.2 问题描述、染色体的编码与适应值
    5.3 标准的匹兹堡进化方法
    5.4 模糊函数逼近器的CPM进化方法及其改进
        5.4.1 定义模糊逼近器的规则的强度
        5.4.2 未改进的CPM方法
        5.4.3 CPM方法的一些改进
    5.5 一输入函数逼近的实验结果
        5.5.1 标准的匹兹堡进化方法的结果
        5.5.2 有规则级进化的CPM方法
        5.5.3 改进的CPM方法
        5.5.4 规则削减
        5.5.5 与前人实验结果的比较
    5.6 逼近非线性函数F5的实验结果
    5.7 Box-Jenk数据
    5.8 本章小结
第六章 总结
附录4.1 一个优化的25条规则的倒摆系统的模糊控制器
附录5.1 函数F1的标准进化方法所优化的25条规则的模糊逼近器
附录5.2 函数F1的CPM方法所优化的25条规则的模糊逼近器
附录5.3 函数F1有规则迁移的CPM方法优化的25条规则的逼近器
附录5.4 函数F1有定向进化的CPM方法优化的25条规则的逼近器
附录5.5 函数F1,改进的CPM方法所优化的25条规则的模糊逼近器
附录5.6 函数F1,初始规则数为30,规则削减,10条规则的逼近器
附录5.7 函数F1,初始规则数为10,无规则削减所得的模糊逼近器
附录5.8 函数F1,初始规则数为30,无规则削减所得的模糊逼近器
附录5.9 函数F1,CPM~*方法所发现的最优的20条规则的模糊逼近器
附录5.10 函数F2,CPM~*方法所发现的最优的5条规则的模糊逼近器
附录5.11 函数F3,CPM~*方法所发现的最优的7条规则的模糊逼近器
附录5.12 函数F4,CPM~*方法所发现的最优的15条规则的模糊逼近器
附录5.13 box-jenk数据
参考文献
作者简历及攻读博士学位期间发表的论文


【参考文献】：
期刊论文
[1]遗传优化模糊逻辑控制器[J]. 胡炜,沈理.  计算机科学. 1997(06)
[2]进化计算简要综述[J]. 谢金星.  控制与决策. 1997(01)
[3]遗传算法综述[J]. 席裕庚,柴天佑,恽为民.  控制理论与应用. 1996(06)
[4]从模糊控制的数学本质看模糊逻辑的成功──关于“关于模糊逻辑似是而非的争论”的似是而非的介入[J]. 李洪兴.  模糊系统与数学. 1995(04)
[5]进化算法研究进展[J]. 姚新,陈国良,徐惠敏,刘勇.  计算机学报. 1995(09)
[6]多变量模糊控制的现状与发展（Ⅰ）──关于分层、自学习、自适应等问题[J]. 张化光,杨英旭,柴天佑.  控制与决策. 1995(03)
[7]模糊逻辑和模糊控制[J]. 沈理.  计算机科学. 1994(05)



本文编号：3171844