计算智能方法优化设计模糊控制系统现状与展望_精品.doc

北京金属学会第五届冶金年会征文 注本文已在刊物《控制与决策》ISSN 1001-0920CN 21-1124/TP2007年第22卷第9期上发表页码961-966已被EI检索检索号: 074410900119 基金项目国家自然科学基金资助项90405017 国家重点基础研究专项基金资助项目973计划项目 2002CB312205 中国博士后基金资助项目2005038078. 作者简介罗 熊1976男长沙人副教授博士后从事智能优化算法、智能机器人系统等研究 孙增圻1943男江苏靖江人教授博士生导师从事智能控制、模糊神经网络和智能飞行控制等研究. 计算智能方法优化设计模糊控制系统现状与展望 罗 熊12孙增圻2 1. 北京科技大学 信息工程学院北京 1000832. 清华大学 计算机科学与技术系北京 100084 摘 要计算智能方法优化模糊控制系统是近年来的研究热点 这里对此研究方向进行了综述: 首先简要介绍了模糊控制 然后按使用计算智能方法的不同 分成六大类 详尽分析了计算智能方法优化模糊控制系统的研究现状 最后对下一步的研究工作进行了展望. 关键词模糊控制系统 计算智能 优化设计 知识库 中图分类号TP273.4 文献标识码A Status and Development of Optimal Design for Fuzzy Control System Based on Computational Intelligence Algorithms LUO Xiong1 2 SUN Zeng-qi2 1. School of Information Engineering University of Science and Technology Beijing Beijing 100083 China 2. Department of Computer Science and Technology Tsinghua University Beijing 100084 China. Correspondent: LUO Xiong E-mail: AbstractIn recent years optimal design for fuzzy control system based on computational intelligence algorithms is the hot spot in the research field. Here it is surveyed. Firstly the basic theory of fuzzy control is introduced. Then the progress made in recent years are analyzed in detail. They are classified into six kinds according to computational intelligence algorithms used in the practical situation. Finally the research directions in the future are proposed. Key wordsFuzzy control system Computational intelligence Optimal design Knowledge base 1引 言 模糊控制是模糊集合理论应用的一个重要方面.成功应用模糊控制的关键之一是要有效结合专家的经验知识提高模糊控制系统的学习能力慎重选择系统的设计参数. 在系统设计过程中遇到了一些困难在模糊控制规则的优化和选取方面主要依赖于专家的先验知??当系统规模变得愈加复杂时规则优化选取的工作量将巨增仅凭人工将难以胜任模糊变量的各个模糊子集的隶属度函数也对模糊控制系统的性能产生重要影响需要优化确定多个参数这是一个全局寻优问题传统解决方法是反复试凑同样难以满足复杂系统的要求. 为克服这些不足很多理论技术被应用到这一领域其中比较典型的是神经网络技术以及各种计算智北京金属学会第五届冶金年会征文 2 能方法等. 神经网络对环境的变化具有较强的自适应能力可以结合神经网络的学习和分布处理能力来训练模糊规则提高整个系统的学习和表达能力. 不过神经网络学习算法也存在着容易陷入局部极值收敛速度较慢以及网络训练时间和效果过于依赖初始值等不足因此还需要进行相应的改进. 为有效弥补神经网络方法的不足可以引入各种计算智能方法来优化设计模糊控制系统. 这是一种比较有效的改进措施这个方面的研究近年来蓬勃发展取得了许多成果. 2模糊控制简介 在对模糊控制系统的优化设计中主要集中在对模糊控制器的处理. 模糊控制器