一种基于SFLA模糊控制器的平衡球杆系统方法

摘要

本发明是一种基于SFLA模糊控制器的平衡球杆系统方法，涉及模糊数学和智能控制领域，特别涉及一种基于SFLA模糊控制器的平衡球杆系统方法。所要解决的问题是使用模糊控制器高效地控制球杆系统平衡。本发明包括以下步骤：1.基于人工知识构建模糊控制器的结构；2.确定模糊控制器的优化参数；3.按照约束条件初始化青蛙种群；4.将二次消耗准则作为SFLA的适应度函数，根据适应度值对青蛙进行降序排序；5.子群内进化，最坏的青蛙跳向最好的青蛙，找到具有全局最优适应度的青蛙；6.子群进化后，进行全局信息交换；7.当全局最优青蛙的适应度的相对改变小于预定义的值或迭代次数达到预定义的值，优化模糊控制器结束。优化模糊控制器能够快速找到优化参数，控制球杆系统达到平衡状态。

主权项

一种基于SFLA模糊控制器的平衡球杆系统方法，其特征是：模拟人类思维的控制专家系统，由隶属度函数的输入输出变量，(IF…THEN)规则集合和推理系统组成一个模糊逻辑控制器，利用混合蛙跳算法(SFLA)调节模糊逻辑控制器的参数，找到平衡位置使得球杆系统稳定，该方法具体如下：步骤1：基于人工知识构建模糊控制器的结构；步骤2：确定模糊控制器的输入变量，定义隶属度函数，优化参数由输入隶属度函数参数X1，X2，X3，X4，输出隶属度参数X5，X6，X7，量化因子X8，X9，X10，X11，X12组成；优化模糊控制器的二次消耗准则为Q、R是权重矩阵，反映了控制性能，通过试错法设置Q＝diag[1,1,1,1]和R＝1；步骤3：在搜索空间随机产生初始青蛙种群P＝{X₁,X₂,...,X_N}，为了保护隶属度函数的意义和量化后变量的极性，满足约束条件0≤X1,X2,X3,X4≤1，0≤X5,X6,X7≤1，0＜X8,X9,X10,X11,X12，青蛙的位置信息表示优化参数；步骤4：将二次准则作为SFLA的适应度函数，根据适应度值对青蛙进行降序排序；步骤5：种群P被划分成m个子群，每个子群包含n只青蛙，N＝m×n，其中，第一只青蛙进入第一个子群，第二只青蛙进入第二个子群，第m只进入第m个子群，第m+1只进入第一个子群；M_k是第k个子群中青蛙的集合，M_k＝{X_k+m(l‑1)∈P|1≤l≤n},(1≤k≤m)；步骤6：在每个子群内，确定X_w，X_b和X_g。X_w和X_b分别代表最坏和最好位置的青蛙，具有全局最优适应度的青蛙被定义为X_g；步骤7：按照跳跃规则，进行子群进化，最坏的青蛙X_w跳向最好的青蛙X_b；如果跳跃产生更优的解，代替最坏的青蛙。否则，最坏的青蛙被删除，按照约束条件0≤X1,X2,X3,X4≤1，0≤X5,X6,X7≤1，0＜X8,X9,X10,X11,X12随机产生新的青蛙来代替它；步骤8：局部搜索达到预定义的迭代次数后，将整个种群混在一起进行全局信息交换；步骤9：当全局最优青蛙的适应度的相对改变小于预定义的值或迭代次数达到预定义的值，优化模糊控制器结束；步骤10：查看控制球杆系统的结果，看优化后的模糊控制器是否能够使得球杆系统达到平衡状态，如果可以，则判定成功，否则判定失败。