2010年第32卷第5期第41页

电气传动自动化

ELECTRICDRIVEAUTOMATIONVol．32，No．52010，32（5）：41～44

文章编号：1005—7277（2010）05—0041—04

基于遗传算法的模糊控制器规则优化

杨玺

（兰州交通大学自动化与电气工程学院，甘肃兰州730070）

*

基于遗传算法的模糊控制规则表优化，是为模摘要：模糊控制器设计的关键问题就是模糊控制规则的选择。

糊控制提供一种更加方便、有效的查表法。为了提高模糊控制器的性能，提出了基于遗传算法的模糊控制器在模糊控制中采用遗传算法使控制系统最终达到所规则表的优化方法，并进行了仿真实验。仿真结果表明，要求的控制效果，证明了该方法的可行性和有效性。关键词：模糊控制;模糊规则;遗传算法中图分类号：TP273.4

+

文献标识码：A

YANGXi

Optimizationoffuzzycontrollerrulesbasedongeneticalgorithm

（SchoolofAutomation＆ElectricalEngineering,LanzhouJiaotongUniversity,Lanzhou730070，China）Abstract:Thekeyproblemoffuzzycontrollerdesignisthechoiceoffuzzycontrolrules.Optimizationoffuzzycontrolruletablebasedongeneticalgorithmprovidesreaderswithmoreconvenientandeffectivelook-uptable.Toimprovetheperformanceoffuzzycontroller,optimalmethodofquantifyrulesoffuzzycontrollerbasedongeneticalgorithmisproposed,thesimulationexperimentisdone.Thesimulationresultsshowthatgeneticalgorithmisappliedtothefuzzycontrolsystem,whichcanbeachieverequiredeffectandprovethefeasibilityandeffec-tiveness.

Keywords:fuzzycontroller；fuzzyrules；geneticalgorithm

1引言

随着模糊控制在工业控制领域的广泛应用，模糊控制器的优化也越来越引起广泛关注。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

［1、2］

糊控制规则表，为模糊控制器的设计提供了一个更加方便、有效的方法。仿真结果表明，系统的输出响应较好地达到控制要求，并证明该方法的可行性和有效性。

2模糊控制规则表优化

2.1模糊控制

目前工业过程控制中常用的模糊控制器属于

双输入单输出的结构模式，其中e、ec和u分别为输入、输出变量。考虑到输入、输出变量的正、负性，同时既要使制定的控制规则灵活、细致，又要兼顾其简单和易行的要求，将误差E、误差变化EC和

-3，-2，-1，控制量U的模糊集论域设为{-4，

0，1，2，3，4}，共9档。在模糊控制规则表的优化中，规则的输入为误差（E）和误差变化率（EC），输出为

）。规则表的优化就是对于每种误差、误控制量（U

差变化率量化值组合的控制量的优化，实际上就是优化输出控制量的量化值。模糊控制规则表如

［5］

。文献提出了一种基于

［3］

SAGACIA的混合随机优化方法优化模糊控制规则，该优化方法给出了影响搜索的目标函数来组织搜索，不需要编码解码。但是该优化方法存在盲目性搜索，会接受一些使性能变差的解的个体。对于常用的二维模糊控制器，优化算法的运行时间比较长。文献介绍了遗传算法在模糊控制优化中实现的原理和方法，并结合气调温度模糊控制规则进行编码。本文提出了一种用遗传算法来优化模糊控制规则表，在遗传算法的编码方式上采用四位二进制编码，具体给出了遗传算法设计中的目标函数和遗传算子，并进行仿真实验优化出模

*甘肃省兰州市科技计划项目资助（2008-01-03）

［4］