遗传算法模糊控制
- 格式：docx
- 大小：212.71 KB
- 文档页数：8
文档推荐
-
MATLAB实验遗传算法与优化设计页数:13
-
遗传算法及优化问题重要有代码页数:34
-
第五章 遗传算法与组合优化页数:37
-
基于遗传算法的数值优化约束问题的研究页数:5
-
典型优化问题的遗传算法求解—8选址分配问题页数:41
下载文档原格式
合集下载
模糊控制系统的鲁棒性优化设计
模糊控制系统的鲁棒性优化设计模糊控制系统是一种基于模糊逻辑理论的控制方法，它通过将输入和输出变量模糊化，利用模糊规则进行推理和决策，从而实现对系统的控制。
然而，由于系统本身的不确定性和外部环境的干扰，模糊控制系统往往会受到一定的鲁棒性挑战。
为了增强模糊控制系统的稳定性和性能，鲁棒性优化设计成为一个重要课题。
一、引言模糊控制系统的鲁棒性优化设计在实际工程中具有重要意义。
在传统的模糊控制系统设计中，通常采用经验法则调整模糊控制器的参数，这种方法往往对系统的变化和干扰不够鲁棒。
因此，研究如何通过优化设计来增强模糊控制系统的鲁棒性，成为了一个热门的研究方向。
二、鲁棒性分析在进行鲁棒性优化设计之前，首先需要对模糊控制系统的鲁棒性进行分析。
鲁棒性分析的目的是确定系统在面对不确定性和干扰时的稳定性和性能表现。
常见的鲁棒性分析方法包括灵敏度分析、稳定裕度分析等。
通过鲁棒性分析，可以了解模糊控制系统存在的问题和改进的方向。
三、鲁棒性优化设计方法针对模糊控制系统的鲁棒性问题，有多种优化设计方法可供选择。
以下介绍几种常见的方法：1. 鲁棒性最小化设计方法：通过优化模糊控制系统的模糊规则和参数，使系统对不确定性和干扰具有更好的鲁棒性。
该方法的关键是确定优化目标和优化算法，常用的优化算法有遗传算法、粒子群算法等。
2. 鲁棒性稳定裕度设计方法：通过设计鲁棒性稳定裕度指标，并在模糊控制系统设计过程中考虑该指标，从而增强系统的鲁棒性。
常用的鲁棒性稳定裕度指标有相合适时常圈和相合适频率圈等。
3. 鲁棒性补偿设计方法：通过添加鲁棒性补偿器来提高模糊控制系统的鲁棒性。
鲁棒性补偿器一般采用加法和乘法结构，可用于补偿模糊控制器的输出和输入。
四、案例分析为了验证鲁棒性优化设计方法的有效性，我们选取一个温度控制系统作为案例进行分析。
该系统存在传感器误差和外部干扰，并且需要在不同工况下保持温度稳定。
通过使用鲁棒性最小化设计方法和鲁棒性稳定裕度设计方法，我们分别对模糊控制系统进行优化设计，并与传统的设计方法进行对比。
遗传算法遗传算法
11
（5）遗传算法在解空间进行高效启发式搜索，而非盲 目地穷举或完全随机搜索；
（6）遗传算法对于待寻优的函数基本无限制，它既不 要求函数连续，也不要求函数可微，既可以是数学解 析式所表示的显函数，又可以是映射矩阵甚至是神经 网络的隐函数，因而应用范围较广；
（7）遗传算法具有并行计算的特点，因而可通过大规 模并行计算来提高计算速度，适合大规模复杂问题的 优化。
26
（4）基本遗传算法的运行参数 有下述4个运行参数需要提前设定：
M：群体大小，即群体中所含个体的数量，一般取为 20~100； G：遗传算法的终止进化代数，一般取为100~500； Pc：交叉概率，一般取为0.4~0.99；
Pm：变异概率，一般取为0.0001~0.1。
27
10.4.2 遗传算法的应用步骤
遗传算法简称GA（Genetic Algorithms）是1962年 由美国Michigan大学的Holland教授提出的模拟自然 界遗传机制和生物进化论而成的一种并行随机搜索最 优化方法。
遗传算法是以达尔文的自然选择学说为基础发展起 来的。自然选择学说包括以下三个方面：
1
（1）遗传：这是生物的普遍特征，亲代把生物信息交 给子代，子代总是和亲代具有相同或相似的性状。生 物有了这个特征，物种才能稳定存在。
18
（3）生产调度问题 在很多情况下，采用建立数学模型的方法难以对生
产调度问题进行精确求解。在现实生产中多采用一些 经验进行调度。遗传算法是解决复杂调度问题的有效 工具，在单件生产车间调度、流水线生产车间调度、 生产规划、任务分配等方面遗传算法都得到了有效的 应用。
19
（4）自动控制。 在自动控制领域中有很多与优化相关的问题需要求
10
（5）遗传算法在解空间进行高效启发式搜索，而非盲 目地穷举或完全随机搜索；
（6）遗传算法对于待寻优的函数基本无限制，它既不 要求函数连续，也不要求函数可微，既可以是数学解 析式所表示的显函数，又可以是映射矩阵甚至是神经 网络的隐函数，因而应用范围较广；
（7）遗传算法具有并行计算的特点，因而可通过大规 模并行计算来提高计算速度，适合大规模复杂问题的 优化。
26
（4）基本遗传算法的运行参数 有下述4个运行参数需要提前设定：
M：群体大小，即群体中所含个体的数量，一般取为 20~100； G：遗传算法的终止进化代数，一般取为100~500； Pc：交叉概率，一般取为0.4~0.99；
Pm：变异概率，一般取为0.0001~0.1。
27
10.4.2 遗传算法的应用步骤
遗传算法简称GA（Genetic Algorithms）是1962年 由美国Michigan大学的Holland教授提出的模拟自然 界遗传机制和生物进化论而成的一种并行随机搜索最 优化方法。
遗传算法是以达尔文的自然选择学说为基础发展起 来的。自然选择学说包括以下三个方面：
1
（1）遗传：这是生物的普遍特征，亲代把生物信息交 给子代，子代总是和亲代具有相同或相似的性状。生 物有了这个特征，物种才能稳定存在。
18
（3）生产调度问题 在很多情况下，采用建立数学模型的方法难以对生
产调度问题进行精确求解。在现实生产中多采用一些 经验进行调度。遗传算法是解决复杂调度问题的有效 工具，在单件生产车间调度、流水线生产车间调度、 生产规划、任务分配等方面遗传算法都得到了有效的 应用。
19
（4）自动控制。 在自动控制领域中有很多与优化相关的问题需要求
10
机器人的智能自主导航与控制技术研究
机器人的智能自主导航与控制技术研究机器人作为一种高科技产品已经成为了当今社会中的一个热点话题。
随着科技的不断进步，机器人所扮演的角色也越来越重要。
机器人的智能自主导航与控制技术是机器人发展的关键之一。
一、机器人的智能导航技术智能导航技术是机器人领域中的一个重要的技术。
智能导航技术主要是指机器人可以自主进行环境感知，以及规划和执行自己的移动路径。
机器人的导航技术可以分为两个主要的类型，即静态的导航技术和动态的导航技术。
1.静态导航技术静态导航技术可用于机器人在环境中移动时，在事先获得的环境地图的资料的基础上进行导航。
这种技术适合于在已知的环境下运行的机器人，它们可以根据预设的地图和机器人自身的定位信息来进行路径规划和控制，从而实现自主导航。
机器人通过对环境中的各种信息的捕捉和处理，比如激光雷达、摄像头、红外线传感器等，来获取地图上的各种目标物体位置和障碍物等信息，从而使机器人能够通过环境地图进行自主导航和避障。
2.动态导航技术动态导航技术是指机器人不仅可以进行静态地图导航，还具有自主规划和执行动态路径的能力，使得机器人可以在未知环境或者无法事先获取环境地图的情况下，进行自主导航和控制。
动态导航技术主要包括视觉导航和语音导航两种技术。
二、机器人的智能控制技术机器人的智能控制技术是机器人以智能方式完成某些目标动作、行为控制的技术。
智能控制技术是机器人自主导航和执行任务的重要基础。
目前，智能控制技术主要包括模糊控制、遗传算法控制、神经网络控制等多种形式。
1.模糊控制技术模糊控制技术是机器人智能控制技术中的一种常见形式，它利用了模糊逻辑的思想，将人类专家的控制经验，转化为数学模型，然后将其用于机器人控制。
这种技术具有良好的适应性和可扩展性，是机器人智能控制中的重要技术手段之一。
2.遗传算法控制技术遗传算法是一种以生物遗传学为目标的计算机算法，通过对种群基因表达适应程度的分析，得出最优的解决方案。
在机器人领域中，遗传算法一般应用于机器人运动与控制领域，用来提高机器人的移动能力和控制性能。
几种控制方法比较
几种控制方法的性能比较专业： 控制理论与控制工程 姓名： 周燕红 学号： 200930210690摘要：本文对同一控制对象分别采用常规PID 控制，模糊控制和基于遗传算法的PID 控制进行仿真，并对仿真结果进行分析，从而得出各个控制方法的性能优劣。
关键字：常规PID ；模糊控制器；遗传算法1 常规PID 控制1.1 PID 控制原理在模拟控制系统中，控制器最常用的控制规律是PID 控制。
模拟PID 控制系统原理框图如图1-1所示。
系统由模拟PID 控制器和被控对象组成。
图1 PID 控制系统原理框图简单说来，PID 控制器各校正环节的作用如下：（1） 比例环节：成比例的反应控制系统的偏差信号error(t)，偏差一旦差生，控制器立即产生控制作用，以减小偏差。
P K 越大，系统的响应速度越快，调节精度越高，但易产生超调，甚至会使系统不稳定。
反之，若过小，则调节精度降低，响应速度缓慢，使系统的静态、动态性能变坏。
（2） 积分环节：主要用于消除稳态误差，提高系统的误差度。
积分作用的强弱取决于积分时间常数I T ，I T 越大，积分作用越弱，若过大将使系统稳态误差难以消除，影响系统调节精度。
反之则越强，稳态误差消除越快，但过小，在响应过程初期会产生积分饱和现象，从而引起响应过程的较大超调。
（3） 微分环节：反应偏差信号的变化趋势（变化速率），并能在偏差信号变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节时间。
微分作用的强弱取决于微分时间常数D T ，D T 越大，微分作用越强，但过大会使响应过程提前制动，而且会降低系统的抗干扰性能。
1.2衰减曲线法整定PID 参数衰减曲线法是一种在经验凑试法基础上经过反复实验而得出的一种参数整定方法。
可按过度过程达到4:1递减曲线法整定控制参数，也可按过度过程达到10:1递减曲线法整定控制参数。
参数整定步骤：（1） 设置调节器积分时间Ti 为无穷大，微分时间常数为0，比例度为较大值，并将系统投入运行。
遗传算法基本原理及改进
遗传算法基本原理及改进编码方法：1、二进制编码方法2、格雷码编码方法3、浮点数编码方法。
个体长度等于决策变量长度4、多参数级联编码。
一般常见的优化问题中往往含有多个决策变量，对这种还有多个变量的个体进行编码的方法就成为多参数编码方法。
多参数编码的一种最常用和最基本的方法是：将各个参数分别以某种方式进行编码，然后再将它们的编码按照一定顺序连接在一起就组成了标识全部参数的个体编码。
5、多参数交叉编码：思想是将各个参数中起主要作用的码位集中在一起，这样他们就不易于被遗传算子破坏掉。
在进行多参数交叉编码时，可先对各个参数进行编码；然后去各个参数编码串的最高位连接在一起，以他们作为个体编码串前N位编码，同上依次排列之。
改进遗传算法的方法：（1）改进遗传算法的组成成分或实用技术，如选用优化控制参数、适合问题的编码技术等。
（2）采用动态自适应技术，在进化过程中调整算法控制参数和编码精度。
（3）采用混合遗传算法（4）采用并行算法（5）采用非标准的遗传操作算子改进的遗传算法：（1）分层遗传算法（2）CHC算法（3）messy遗传算法；（4）自实用遗传算法（Adaptive Genetic Algorithm）（5）基于小生境技术的遗传算法（Niched Genetic Algorithm，简称NGA）。
（6）并行遗传算法（Parallel Genetic Algorithm）（7）混合遗传算法：遗传算法与最速下降法相结合的混合遗传算法；遗传算法与模拟退火算法相结合的混合遗传算法。
解决标准遗传算法早熟收敛和后期搜索迟钝的方案（1）变异和交叉算子的改进和协调采用将进化过程划分为渐进和突变两个不同阶段采用动态变异运用正交设计或均匀设计方法设计新的交叉和变异算子（2）采用局部搜索算法解决局部搜索能力差的问题（3）采用有条件的替代父代的方法，解决单一的群体更新方式难以兼顾多样性和收敛性的问题（4）收敛速度慢的解决方法；产生好的初始群体利用小生境技术使用移民技术采用自适应算子采用与局部搜索算法相结合的混合遗传算法对算法的参数编码采用动态模糊控制进行未成熟收敛判断。
模糊控制
啊第2章模糊控制学习目标：✹了解模糊数学的相关理论✹掌握模糊控制的基本思想✹掌握模糊控制器的结构与原理✹掌握模糊控制系统的设计方法模糊自动控制是以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制。
从线性控制与非线性控制的角度分类，模糊控制是一种非线性控制。
从控制器的智能性看，模糊控制属于智能控制的范畴，而且它已成为目前实现智能控制的一种重要而又有效的形式。
尤其是模糊控制和神经网络、遗传算法及混沌理论等新学科的相融合，正在显示出其巨大的应力潜力。
2.1模糊控制的基本思想在自动控制技术产生之前，人们在生产过程中只能采用手动控制方式。
手动控制过程首先是通过观测被控对象的输出，其次是根据观测结果做出决策，然后手动调整输入，操作工人就是这样不断地观测→决策→调整，实现对生产过程的手动控制。
这三个步骤分别是由人的眼—脑—手来完成的。
后来，由于科学和技术的进步，人们逐渐采用各种测量装置(如测量仪表、检测装置、传感器等)代替人的眼，完成对被控制量的观测任务；利用各种控制器(如磁放大器，由直流运算放大器加阻容反馈网络构成的PID调节器等)部分地取代人脑的作用，实现比较、综合被控制量与给定量之间的偏差，控制器所给出的输出信号相当于手动控制过程中人脑的决策；使用各种执行机构(主要是电动的、气动的，如伺服电机、气动调节阀等)对被控对象(或生产过程)施加某种控制作用，这就起到了手动控制中手的调整作用。
上述由测量装置、控制器、被控对象及执行机构组成的自动控制系统，就是人们所悉知的常规负反馈控制系统。
图2-1、2-2分别给出了手动控制和负反馈控制的方框图。
经过人们长期研究和实践形成的经典控制理论，对于解决线性定常系统的控制问题是很有效的。
然而，经典控制理论对于非线性时变系统难以奏效。
随着计算机尤其是微机的发展和应用，自动控制理论和技术获得了飞跃的发展。
基于状态变量描述的现代控制理论对于解决线性或非线性、定常或时变的多输入多输出系统问题，获得了广泛的应用，例如在阿波罗登月舱的姿态控制、宇宙飞船和导弹的精密制导以及在工业生产过程控制等方面得到了成功的运用。
模糊控制理论的基础和发展历程
模糊控制理论的基础和发展历程模糊控制理论是一种基于模糊逻辑和模糊集合的控制方法，它最早由日本学者山中伸彦于1965年提出，随后发展成熟并得到广泛应用。
模糊控制理论在现代控制领域占据重要地位，本文将探讨其基础和发展历程。
一、模糊控制理论的基础模糊控制理论的基础是模糊逻辑和模糊集合。
模糊逻辑是模糊控制理论的核心基础，它扩展了传统二进制逻辑，允许不确定性的表达和推理。
模糊逻辑中的概念和推理规则基于模糊集合的理论，模糊集合是对现实世界中模糊、不确定性和模糊性的数学上的描述。
二、模糊控制理论的发展历程1. 初期研究（1965-1980年）最早的模糊控制理论由山中伸彦提出，并于1965年发表在《计算机硬件及其应用》杂志上。
他提出了模糊集合和模糊逻辑的基本概念，并应用于水蒸气发生器的控制。
随后，日本学者田中秀夫在1969年进一步发展了模糊控制的理论框架和数学推理方法。
2. 理论完善与应用推广（1980-1990年）在上世纪八九十年代，模糊控制理论得到了进一步的完善和推广。
日本学者松井秀树于1985年提出了基于模糊推理的模糊PID控制器，极大地推动了模糊控制在实际应用中的发展。
同时，国外学者也开始关注和研究模糊控制理论，如美国学者Ebrahim Mamdani和Jerome H. Friedman等人。
3. 理论拓展与应用拓宽（1990年至今）进入21世纪，随着计算机技术和人工智能的发展，模糊控制理论得到了进一步的拓展和应用拓宽。
研究者们提出了各种新的模糊控制方法和算法，如模糊神经网络控制、模糊遗传算法控制等。
同时，模糊控制理论在各个领域得到了广泛应用，如工业控制、交通管理、机器人控制等。
总结模糊控制理论基于模糊逻辑和模糊集合，提供了一种处理不确定性和模糊性问题的有效方法。
经过多年的发展和完善，模糊控制理论在现代控制领域得到了广泛应用。
未来，随着人工智能和自动化技术的不断发展，模糊控制理论将继续发挥重要作用，并不断拓展其应用范围和理论框架。
模糊PID控制的遗传算法优化
生 了改变， 被控制对 象 的动 、 特性发 生 了变化。同理 ， 使 静 直接 改 变 比例 因 子 的 值 ， 输 出 Ｕ 的 值 发 生 了 变 化 ， 当 则 相
于 上 面所 提 到 的 量 化 因子 的变 化 。 因此 这 里 采 用 遗 传 算 法
来对 比例因子进行寻优 。 在模糊 控制中 ， 当模 糊 规 则 和隶 属 函 数确 定后 ， 因为 控 制 规 则 的数 量 有 限 ， 模 糊 控 制 的输 出 值 也 是 有 限 的 。 而 则
ＮＢ ＮＳ Ｚ０ ＰＳ ＰＢ
常 规 ＰＤ控 制 中 的 比 例 、 分 、 分 三 个 基 本 参 数 ， 旦 整 Ｉ 积 微 一
定 好 就 不能 再 改 变 了 ， 因此 对 强 非 线 性 或 未 知 干 扰 较 强 的 系统 将 不 能 很 好 的控 制 。 而模 糊控 制 可 以 对 复 杂 的非 线 性 系 统 进 行 有 效 的控 制 ， 有 较 强 的 自适 应 能 力 。 用 模 糊 推 具 理 方 法 实 现 对 Ｐ Ｄ三 个 基 本 参 数 的在 线 自 整 定 ， 这 两 种 Ｉ 将 控 制 策 略 结 合 起 来 ， 能 构 成 具 有 两 者 优 点 的控 制 器 ， 则 即能
Ｅ 误差 变 化 率 ） ｕ（ 制 输 出 ）模 糊 控 制 算 法 将 被 控 量 Ｃ（ 和 控 ，
的 精 确 值 与 设 定 值 进 行 比较 ， 到误 差 Ｅ 并 计 算 出误 差 变 得 ， 化率 Ｅ ， 后将 Ｅ和 Ｅ 分别 量化模 糊成模 糊量 ｅｅ， Ｃ然 Ｃ 、 ｃ 再 由 ｅｅ 和 模 糊 关 系 矩 阵 根 据 推 理 合 成 规 则 进 行 模 糊 决 策 ， 、ｃ 得 到模 糊 控 制 量 ｕ 最 后 将 该 模 糊 控 制 量 解 模 糊 成 精 确 量 ， Ｕ ， 用 于 被 控 对 象 ， 此 循 环 下 去 ， 现 对 被 控 对 象 的 控 作 如 实
于 上 面所 提 到 的 量 化 因子 的变 化 。 因此 这 里 采 用 遗 传 算 法
来对 比例因子进行寻优 。 在模糊 控制中 ， 当模 糊 规 则 和隶 属 函 数确 定后 ， 因为 控 制 规 则 的数 量 有 限 ， 模 糊 控 制 的输 出 值 也 是 有 限 的 。 而 则
ＮＢ ＮＳ Ｚ０ ＰＳ ＰＢ
常 规 ＰＤ控 制 中 的 比 例 、 分 、 分 三 个 基 本 参 数 ， 旦 整 Ｉ 积 微 一
定 好 就 不能 再 改 变 了 ， 因此 对 强 非 线 性 或 未 知 干 扰 较 强 的 系统 将 不 能 很 好 的控 制 。 而模 糊控 制 可 以 对 复 杂 的非 线 性 系 统 进 行 有 效 的控 制 ， 有 较 强 的 自适 应 能 力 。 用 模 糊 推 具 理 方 法 实 现 对 Ｐ Ｄ三 个 基 本 参 数 的在 线 自 整 定 ， 这 两 种 Ｉ 将 控 制 策 略 结 合 起 来 ， 能 构 成 具 有 两 者 优 点 的控 制 器 ， 则 即能
Ｅ 误差 变 化 率 ） ｕ（ 制 输 出 ）模 糊 控 制 算 法 将 被 控 量 Ｃ（ 和 控 ，
的 精 确 值 与 设 定 值 进 行 比较 ， 到误 差 Ｅ 并 计 算 出误 差 变 得 ， 化率 Ｅ ， 后将 Ｅ和 Ｅ 分别 量化模 糊成模 糊量 ｅｅ， Ｃ然 Ｃ 、 ｃ 再 由 ｅｅ 和 模 糊 关 系 矩 阵 根 据 推 理 合 成 规 则 进 行 模 糊 决 策 ， 、ｃ 得 到模 糊 控 制 量 ｕ 最 后 将 该 模 糊 控 制 量 解 模 糊 成 精 确 量 ， Ｕ ， 用 于 被 控 对 象 ， 此 循 环 下 去 ， 现 对 被 控 对 象 的 控 作 如 实
遗传算法与模糊方法相结合在电梯群控中的应用
维普资讯
２４ 年６ 期 ０ ７ 月 ０ 第 ２ 卷 第３
Ｊｕｎｌ ｆ ｈｎ沈 ｇＩｓｔｔ ｏ ｅｏａｔ ａ Ｅ ｇｎｅｉ ｏｒａ ｏ ｅｙｎ ￣ｕｅ ｆ ｒｎｕｉ ｌ ｎｉｅｒ ｇ Ｓ ａ 阳航空工业学院学报 ｎ Ａ ｃ ｎ
Ｊｎ ２ｏ ｕ ．０ ７
的。
关键词 ： 电梯群 控 ； 目标优化 ； 多 组合优化 ； 遗传算 法 ； 模糊方法
中圈分类号 ：Ｕ ５ ０ ４ Ｔ ８７；２ １ 文献标识码 ： Ａ
电梯作为高层智 能大厦的主要垂直交通工 具， 其系统服务质 量和服务效率的提高对建筑的 有 效利 用 和性能 发挥将 产 生极 为重要 的影 响 。为 提高服务质量 和服务效率 ， 电梯的控制技术 由单 台电梯 的独 立控 制 发 展 到 多 台 电梯 的 协调 控 制 ，
Ｐ ｎ
ｍ
２ 当电梯运行距离 满足 ）
Ｐ
ｓ ＜
Ⅱ ，
其中 （√ ： ） 电梯 ｉ 响应第 个层站呼梯信 号时所估计的乘客候梯 时间短评价 函数 ， 其值越
大说 明候 梯 时间短 的可 能性越 大 ；
ｌ ｔ ｔ ．￣ ｅ Ｉ，
Ｏｍ ，
＝
＋
（√ ） ・ ＋
下呼。对应 于［ ， ， ，７ ２ ］ １２ ４ １ ，Ｏ 的一组编码 （ 染色 体 ） ［ ２ １ １３ 。表 示 ４号 梯 分 给 １ １层 上 为 ４，， ，， ］ （
呼）２号梯分 给 ２ ２层 上呼 ） １号 梯分 给 ４（ ， （ ， ４层 上呼）１ ， 号梯 分 给 １ （ 下 呼 ）３号 梯 分 给 ２ ７ ２层 ， ０
（ 下呼 ） ５层 。
作者简介 ： 何万里（ ９ １ ） 男 。 １ ８ 一 ， 辽宁本溪人 ， 硕士研究 生
２４ 年６ 期 ０ ７ 月 ０ 第 ２ 卷 第３
Ｊｕｎｌ ｆ ｈｎ沈 ｇＩｓｔｔ ｏ ｅｏａｔ ａ Ｅ ｇｎｅｉ ｏｒａ ｏ ｅｙｎ ￣ｕｅ ｆ ｒｎｕｉ ｌ ｎｉｅｒ ｇ Ｓ ａ 阳航空工业学院学报 ｎ Ａ ｃ ｎ
Ｊｎ ２ｏ ｕ ．０ ７
的。
关键词 ： 电梯群 控 ； 目标优化 ； 多 组合优化 ； 遗传算 法 ； 模糊方法
中圈分类号 ：Ｕ ５ ０ ４ Ｔ ８７；２ １ 文献标识码 ： Ａ
电梯作为高层智 能大厦的主要垂直交通工 具， 其系统服务质 量和服务效率的提高对建筑的 有 效利 用 和性能 发挥将 产 生极 为重要 的影 响 。为 提高服务质量 和服务效率 ， 电梯的控制技术 由单 台电梯 的独 立控 制 发 展 到 多 台 电梯 的 协调 控 制 ，
Ｐ ｎ
ｍ
２ 当电梯运行距离 满足 ）
Ｐ
ｓ ＜
Ⅱ ，
其中 （√ ： ） 电梯 ｉ 响应第 个层站呼梯信 号时所估计的乘客候梯 时间短评价 函数 ， 其值越
大说 明候 梯 时间短 的可 能性越 大 ；
ｌ ｔ ｔ ．￣ ｅ Ｉ，
Ｏｍ ，
＝
＋
（√ ） ・ ＋
下呼。对应 于［ ， ， ，７ ２ ］ １２ ４ １ ，Ｏ 的一组编码 （ 染色 体 ） ［ ２ １ １３ 。表 示 ４号 梯 分 给 １ １层 上 为 ４，， ，， ］ （
呼）２号梯分 给 ２ ２层 上呼 ） １号 梯分 给 ４（ ， （ ， ４层 上呼）１ ， 号梯 分 给 １ （ 下 呼 ）３号 梯 分 给 ２ ７ ２层 ， ０
（ 下呼 ） ５层 。
作者简介 ： 何万里（ ９ １ ） 男 。 １ ８ 一 ， 辽宁本溪人 ， 硕士研究 生
模糊控制毕业论文
模糊控制考核论文姓名：郑鑫学号：1409814011 班级：149641 题目:模糊控制的理论与发展概述摘要模糊控制理论是以模糊数学为基础,用语言规则表示方法和先进的计算机技术,由模糊推理进行决策的一种高级控制策。
模糊控制作为以模糊集合论、模糊语言变量及模糊逻辑推理为基础的一种计算机数字控制，它已成为目前实现智能控制的一种重要而又有效的形式尤其是模糊控制和神经网络、遗传算法及混沌理论等新学科的融合，正在显示出其巨大的应用潜力。
实质上模糊控制是一种非线性控制，从属于智能控制的范畴。
模糊控制的一大特点是既具有系统化的理论，又有着大量实际应用背景。
本文简单介绍了模糊控制的概念及应用，详细介绍了模糊控制器的设计，其中包含模糊控制系统的原理、模糊控制器的分类及其设计元素。
关键词：模糊控制；模糊控制器；现状及展望Abstract Fuzzy control theory is based on fuzzy mathematics, using language rule representation and advanced computer technology, it is a high-level control strategy which can make decision by the fuzzy reasoning. Fuzzy control is a computer numerical contro which based fuzzy set theory, fuzzy linguistic variables and fuzzy logic, it has become the effective form of intelligent control especially in the form of fuzzy control and neural networks, genetic algorithms and chaos theory and other new integration of disciplines, which is showing its great potential. Fuzzy control is essentially a nonlinear control, and subordinates intelligent control areas. A major feature of fuzzy control is both a systematic theory and a large number of the application background.This article introduces simply the concept and application of fuzzy control and introduces detailly the design of the fuzzy controller. It contains the principles of fuzzy control system, the classification of fuzzy controller and its design elements.Key words: Fuzzy Control; Fuzzy Controller; Status and Prospects.引言传统的常规PID控制方式是根据被控制对象的数学模型建立，虽然它的控制精度可以很高，但对于多变量且具有强耦合性的时变系统表现出很大的误差。