数李热本与表用
算法分析
基于遗传算法的模糊控制器参数优化的研究
杨璞
(河南省电力公司新乡供电公司河南新乡453002
摘要：采用模糊规则，通过模糊推理的方法对二阶系统进行仿真实验，结累表明系统超调小，调节时间大，稳态误差小。然后采用遗传算法，按照ITAE准则对控制器的参数进行优化，仿真结果表明动态性能比模棚控制显著改善。
关键词：遗传算法模糊控制器ITAE准则中图分类号：TP273.4;TP18
文献标识码：A
1、引言
本设计主要是利用遗传算法对模制控制器进行优化设计。在对模糊控制和遗传算法基本理论学习的基础上，结合当前模榭控制器设计的现状，提出了一种基于遗传算法的模翻控制器优化设计方法。鉴于模糊控制器参数编码的特殊性，编码过程中对量化因子、比
例因子进行了统一编码，实现了多个因数的整体寻优。 2、模糊控制器的设计
2.1模糊控制器的结构
模制控制是以模糊集理论、语言变量和模糊逻辑推理为基础的种智能控制方法，它是从行为上模仿人的模榭推理和决策过程的一种智能控制方法。模糊控制器也称为模糊逻辑控制器，由于所采用的模解控制规则是由模糊理论中模糊条件语句来描述的，因此模糊控制器是一种语言型控制器，故也称为模糊语言控制器。模糊控制器分为单变量模糊控制器和多变量模糊控制器。单变量模糊控制器是指在模糊控化系统中，具有一个输人变量和一个输出变量。如下图1所示。
2.2模糊集及论城定义
在模糊控制器中，每格语言变量都有
一个允许的变化范围，这
一范围被称为语言变量的基本论域。将输入值以适当的比例转换到
?-
福
中国
t
+an
图1优化仿真图
EEK
图2优化仿真结果图
SA0G8S
图3抗干扰仿真图
区
文章编号;1007-9416(2012)11-0131-0)
论域的数值，利用变量来描述测量物理量的过程，依适合的语言之求该值相对之束属度，此口语化变量我们称之为模榭集。其中e.ec、 u统称为模糊变量。
2.3定义输入、输出求属函数
模糊变量的模糊集和论域确定后，需确定隶属函数，即对模糊变量赋值，确定论域内元素对模糊变量的束属度，如图2和图3所示。
2.4建立模棚控制规则
模翻控制规则的建立常采用经验归纳法和推理合成法。所谓经验归纳法，就是根据已有的控制经验和直觉推理，经整理、如工和提炼后构成模翻规则的方法。推理合成法是跟库已有的输人输出数据，通过模翻推理合成，求取模糊控制量。模糊规则如下表1所示。
2.6模糊推理
根据语言变量的定义对输入量模糊化后，下一步就是模糊推理。模糊推理由条件聚合，推断和累加三部分。首先计算控制率中每条规则满足条件程度，然后根据条件的满足程度推断单一规则输出的大小，最后将所有规则的输出累加，得到总的模糊输出。模糊推理方法常用的是Mamdani型模榭推理。在本设计中采用的是 Mamdani推理方法
3、基于遗传算法优化及仿真
3.1遗传算法优化
遗传算法的经典应用领域便是函数优化，同时函数优化也是遗传算法进行性能评价的常用算例，测试函数有各种各样复杂形式：凸函数和凹函数，连续函数和离散函数、单峰函数和多峰函数、低维函数和高维函数等。通过对一些非线性，多模型、多目标的函数优化，遗传算法可以方便的得到较好的结果，本文选择ITAE准则指标为最优化指标，即时间乘绝对误差积分准则，该指标反映系统的综合性能，表达式如式(1)，仿真模型如下图1所示。
J = [e(r)k (t) = min
(1)
搜索可得优化后的控制器参数Ke=0.58995，Kec=0.20169， Ku=0.73224仿真结果如下图2所示。
与模翻控制器仿真结果相比，采用遗传算法后，调节时间明显缩短很多，控制效果显著改善。
3.2抗千扰分析
加人一幅值为0.6，脉宽为1s的脉冲信号后的仿真图如图3所示。
4、结语
本文中采用模翻规则对模翻控制系统进行了设计，在不进行调整控制器的情况下，系统稳态误差较小超调、较好控制效果。
运用遗传算法，模糊控制器的参数依照ITAE准则优化后，得到
了更加合理的参数，显著改善了动态性能。参考文献
[1]张乃尧.用遗传算法优化模糊控制器的求属度参数[J].电气自动化,1996,18(1):46.
[2]玄光男，程润伟.遗传算法与工程优化.清华大学出版社,2004.1，
作者简介：杨璞，男，1986年出生，江苏无锡，助理工程师，学士学位，调度自动化，调度运行，
131