基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的智能控制及其應(yīng)用研究.pdf

1、針對遺傳算法以及神經(jīng)網(wǎng)絡(luò)控制中的若干關(guān)鍵問題展開了深入細(xì)致的研究，包括遺傳算法的機(jī)理及其收斂性研究、免疫遺傳算法、神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制以及遺傳算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合并在智能控制中的應(yīng)用，具體研究內(nèi)容主要包括以下幾個(gè)方面：
　　針對遺傳算法(GA)的算法機(jī)理分析困難的問題，采用了解空間分區(qū)方法對遺傳算法的種群進(jìn)化過程進(jìn)行定量分析。避免了由于解空間過大給分析帶來的復(fù)雜性。運(yùn)用該方法刻畫了種群的進(jìn)化行為，得到了算法過早收斂現(xiàn)象的起因、表現(xiàn)特

2、征與預(yù)防措施等深刻的結(jié)果。
　　針對遺傳算法容易產(chǎn)生未成熟收斂現(xiàn)象的發(fā)生，結(jié)合對遺傳算法的理論分析和免疫網(wǎng)絡(luò)理論，提出了一種新的人工免疫遺傳算法(AIGA)。在該算法中，利用了遺傳算法的遺傳與變異操作，并根據(jù)免疫網(wǎng)絡(luò)基本特性，采用了免疫細(xì)胞的濃度自調(diào)節(jié)機(jī)制，來控制抗體的進(jìn)化搜索過程，來防止遺傳算法陷入局部最優(yōu)點(diǎn)。因此可以避免算法的未成熟收斂現(xiàn)象的發(fā)生。仿真結(jié)果表明，該算法適用于函數(shù)優(yōu)化問題。
　　在非線性系統(tǒng)控制理論的基礎(chǔ)上

3、，深入研究了非線性系統(tǒng)自適應(yīng)神經(jīng)網(wǎng)絡(luò)魯棒控制器的設(shè)計(jì)問題，基于遺傳算法和神經(jīng)網(wǎng)絡(luò)，提出了神經(jīng)網(wǎng)絡(luò) L2增益抗干擾抑制控制器設(shè)計(jì)方法。該方法是根據(jù)神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)擬合能力，來構(gòu)造Lyapunov函數(shù)，并利用免疫遺傳算法對神經(jīng)網(wǎng)絡(luò)權(quán)值進(jìn)行離線優(yōu)化，使得神經(jīng)網(wǎng)絡(luò)輸出滿足Hamilton-Jacobi(HJ)不等式，這樣避免求解HJ偏微分不等式的解析解帶來的困難。進(jìn)而設(shè)計(jì)神經(jīng)網(wǎng)絡(luò) L2增益抗干擾控制器，使得從系統(tǒng)外界干擾到系統(tǒng)輸出為有限L2

4、增益。
　　針對存在不確定性的非線性系統(tǒng)的L2增益控制器設(shè)計(jì)問題，提出了自適應(yīng)神經(jīng)網(wǎng)絡(luò) L2增益控制器設(shè)計(jì)方法。為有效地克服了一般方法(例如反饋線性化方法等)需要被控對象精確建模的局限性，將基于HJ不等式的非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò) L2增益控制器設(shè)計(jì)方法和自適應(yīng)策略相結(jié)合，只要求該不確定性是有界的，不需要其它的先驗(yàn)信息。為減輕神經(jīng)網(wǎng)絡(luò)對模型的擬合負(fù)擔(dān)，我們充分利用已知的系統(tǒng)模型信息，讓神經(jīng)網(wǎng)絡(luò)對系統(tǒng)模型的偏差進(jìn)行擬合。由于存在擬合誤差，

5、引入補(bǔ)償控制器和神經(jīng)網(wǎng)絡(luò)權(quán)值自適應(yīng)調(diào)節(jié)律，通過在線自適應(yīng)修正神經(jīng)網(wǎng)絡(luò)權(quán)值來保證閉環(huán)系統(tǒng)具有有限 L2增益。該方法適用于仿射非線性系統(tǒng)，具有一定的普遍性。
　　針對一般的非線性系統(tǒng)很難得到穩(wěn)定性分析中的Lyapunov函數(shù)的問題，提出了利用神經(jīng)網(wǎng)絡(luò)擬合Lyapunov函數(shù)的方法，并基于神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)的擬合特性和Lyapunov穩(wěn)定理論，給出了自適應(yīng)神經(jīng)網(wǎng)絡(luò)魯棒控制器設(shè)計(jì)方法。并應(yīng)用于六自由度的傾斜轉(zhuǎn)彎(Band-To-Turn

6、, BTT)導(dǎo)彈控制系統(tǒng)中，設(shè)計(jì)了BTT導(dǎo)彈自適應(yīng)神經(jīng)網(wǎng)絡(luò)魯棒控制器。該控制器設(shè)計(jì)簡單、參數(shù)調(diào)節(jié)方便，并且便于工程應(yīng)用。利用該方法實(shí)現(xiàn)了BTT導(dǎo)彈控制系統(tǒng)的三通道一體化設(shè)計(jì)。并進(jìn)行仿真研究，在仿真中考慮的不確定性包括：(1)陣風(fēng)、脈動(dòng)氣流的擾動(dòng)對大機(jī)動(dòng)狀態(tài)下飛行的影響；(2)飛行空氣動(dòng)力參數(shù)的攝動(dòng)。仿真結(jié)果表明，利用該方法設(shè)計(jì)的自適應(yīng)神經(jīng)網(wǎng)絡(luò)魯棒跟蹤控制器使得BTT導(dǎo)彈系統(tǒng)的輸出能夠較好地跟蹤給定的控制指令信號，并對模型不確定性以及外部

7、干擾具有很強(qiáng)的魯棒性。
　　為了處理機(jī)械臂系統(tǒng)中存在的不確定性和來自外部環(huán)境的干擾，提出了自適應(yīng)神經(jīng)網(wǎng)絡(luò)L2增益控制器設(shè)計(jì)方法。該方法具有無需知道不確定性以及外部干擾的上界的特點(diǎn)。神經(jīng)網(wǎng)絡(luò)用來擬合系統(tǒng)中存在的不確定性，并且神經(jīng)網(wǎng)絡(luò)權(quán)值具有在線學(xué)習(xí)功能，其中引入的自適應(yīng)學(xué)習(xí)律的作用是為了消除擬合誤差對跟蹤性能的影響，利用投影算法改進(jìn)神經(jīng)網(wǎng)絡(luò)權(quán)值調(diào)節(jié)律，使得原閉環(huán)系統(tǒng)的性能指標(biāo)仍然能夠滿足的條件下，保證神經(jīng)網(wǎng)絡(luò)權(quán)值有界。此外，針對具有