基于模糊神经网络与遗传算法智能控制器.PDF

控制技术 基于模糊神经网络和遗传算法的智能控制器 Intelligent regulator base on fuzzy neural network and genetic algorithm 何 进 HE Jin （北京林业大学，北京 100083） 摘 要： PID控制算法简单、鲁棒性强，但其参数整定过程繁琐，整定时需要控制对象的精确数学模 型，而且整定往往是针对某一种具体工况进行的，缺乏自学习和自适应能力。模糊神经网 络则兼备了模糊逻辑和神经网络的优点，具有函数逼近功能，具有较强的自适应、自学习能 力、容错能力和泛化能力。借助于遗传算法对全局性参数进行优化设计，借助于BP算法对局 部性参数进行优化，将模糊神经网络和遗传算法引入PID控制参数的整定过程，构造出一种基 于模糊神经网络和遗传算法的智能PID控制器。 关键词： PID控制器；模糊神经网络；遗传算法 中图分类号：TH39 　 文献标识码：A 　 文章编号：1009-0134(2011)5(下)-0007-03 Doi: 10.3969/j.issn.1009-0134.2011.5(下).03 0 引言 据一些先验的知识来确定，而不再是随机的，这 当今的自动控制技术都是基于反馈的概念。 有助于加快算法的运行，缩短运行时间。同时它 反馈理论的要素包括三个部分：测量、比较和执 具有函数逼近功能，具有较强的自适应、自学习 行。测量关心的变量，与期望值相比较，用这个 能力、容错能力和泛化能力。模糊神经网络的不 误差纠正调节控制系统的响应。PID （比例- 积 足之处在于依靠控制专家的经验知识进行不断的 分 - 微分）控制器作为最早实用化的控制器已有 50 试凑，因此具有较大的主观性，学习和适应能力 多年历史，现在仍然是应用最广泛的工业控制器。 较差。考虑到试凑的过程实际上就是一个寻优过 [3] PID 控制器简单易懂，使用中不需精确的系统模型 程，因此可借助遗传算法来进行优化 。 等先决条件，因而成为应用最为广泛的控制器 [1] 。 出于以上几点，提出将模糊神经网络和遗传 1 综合智能控制思想 算法引入 PID 控制参数的整定过程，从而构造出 一种基于模糊神经网络和遗传算法的智能 PID 控 1.1 PID 控制算法现状 制器。 PID 控制算法简单、鲁棒性强，但其参数整定 过程繁琐，整定时需要控制对象的精确数学模型， 2 技术方案 而且整定往往是针对某一种具体工况进行的，缺 一般模糊神经网络的 BP 学习算法是一种建立 乏自学习和自适应能力。所有这些决定了它对于 和调整模糊推理控制系统的良好方法，但这种方 具有高度非线性、大迟延以及时变等特性的现代 法本质上是一种只考虑局部区域的梯度法，缺乏 控制系统已越来越不适应。 全局性，有可能仅优化到局部极值部分，其调整 的收敛性依赖于初始状态的选择。而遗传算法是 1.2 智能控制思想的提出