| 【中文题名】 | 遗传算法在倒立摆模糊控制系统中的应用研究 |
| 【英文题名】 | Research on Genetic Algorithm Combined with Fuzzy Control System Simulation of Inverted Pendulum System |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-3 |
| 【中关键词】 | 模糊建模,模糊控制器设计,遗传算法,倒立摆,, |
| 【英关键词】 | fuzzy modeling,fuzzy logic controller design,Genetic Algorithm,inverted pendulum, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>自动控制、自动控制系统>模糊控制、模糊控制系统 |
| 【论文摘要】 |
复杂非线性系统的表达和控制问题是控制理论领域的重要研究方向之一，遗传算法作为一种新的搜索算法得到了控制理论界的重视。
本文介绍了基于遗传算法的模糊模型的非线性系统的建模和控制器设计的理论及方法。包括遗传算法的基本理论和工作方法，三种常见的改进型的遗传算法。详述了利用SVM遗传算法与T-S模糊模型相结合的模型辨识方法以及利用遗传算法辨识T-S模型参数的方法，详述了利用自适应遗传算法设计T-S模糊控制器的方法以及利用共生遗传算法设计TSK模糊控制器的方法。利用单级倒立摆Matlab仿真演示了线性最优控制器、基于自适应遗传算法的T-S模糊控制器和基于共生遗传算法的TSK模糊控制器的性能，由仿真结果可以看出，在一定范围内相对于线性最优控制器，基于遗传算法的模糊控制算法收敛时间较短，鲁棒性较好。 |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-12 |
|
第一章 绪论 |
12-19 |
|
1.1 智能控制理论概述 |
12-13 |
|
1.2 常见的智能控制理论方法 |
13-15 |
|
1.3 遗传算法研究的发展与现状 |
15-17 |
|
1.4 本文的主要工作 |
17-19 |
|
第二章 遗传算法基础 |
19-39 |
|
2.1 遗传算法理论基础 |
19-21 |
|
2.2 遗传算法的数学基础 |
21-29 |
|
2.2.1 模式定理 |
21-25 |
|
2.2.2 Walsh模式变换 |
25-26 |
|
2.2.3 非均匀 Walsh模式变换 |
26-27 |
|
2.2.4 遗传算法动态分析 |
27-29 |
|
2.3 遗传算法的改进 |
29-38 |
|
2.3.1 分层遗传算法 |
29-31 |
|
2.3.2 自适应遗传算法 |
31-33 |
|
2.3.3 并行遗传算法 |
33-38 |
|
2.4 本章小结 |
38-39 |
|
第三章 遗传算法在模糊模型的辨识和控制中的应用 |
39-50 |
|
3.1 基于遗传算法优化的模糊控制 |
39 |
|
3.2 基于 SVM和遗传算法的 T-S模糊模型辨识 |
39-42 |
|
3.2.1 SVM回归方法 |
40-41 |
|
3.2.2 基于 SVM和遗传算法的 T-S模糊模型辨识 |
41-42 |
|
3.3 基于遗传算法的 T-S模糊模型参数辨识的方法 |
42-44 |
|
3.3.1 种群和进化代数的确定 |
42 |
|
3.3.2 适应度函数的确定 |
42-43 |
|
3.3.3 遗传操作 |
43-44 |
|
3.4 基于自适应遗传算法的 T-S模糊控制器的设计方法 |
44-47 |
|
3.5 基于共生进化遗传算法的 TSK模糊控制器设计方法 |
47-49 |
|
3.6 本章小结 |
49-50 |
|
第四章 倒立摆系统的仿真研究 |
50-59 |
|
4.1 倒立摆系统的简述 |
50 |
|
4.2 倒立摆控制系统的结构 |
50-51 |
|
4.3 倒立摇系统的应用 |
51 |
|
4.4 对单级倒立摆的基于 SVM和遗传算法的 T-S模糊模型的辨识 |
51-53 |
|
4.5 基于 LQR算法的倒立摆控制系统的仿真 |
53-54 |
|
4.6 基于自适应遗传算法的倒立摆 T-S模糊控制器的仿真 |
54-57 |
|
4.7 基于共生进化遗传算法的 TSK模糊控制器的仿真 |
57-58 |
|
4.8 三种控制算法效果总结 |
58-59 |
|
第五章 结论与展望 |
59-60 |
|
参考文献 |
60-63 |
|
| 【DOI】 | LunWen.ID:2.2008.388776 |
