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

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

2、征與預防措施等深刻的結果。
　　針對遺傳算法容易產(chǎn)生未成熟收斂現(xiàn)象的發(fā)生，結合對遺傳算法的理論分析和免疫網(wǎng)絡理論，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)絡基本特性，采用了免疫細胞的濃度自調節(jié)機制，來控制抗體的進化搜索過程，來防止遺傳算法陷入局部最優(yōu)點。因此可以避免算法的未成熟收斂現(xiàn)象的發(fā)生。仿真結果表明，該算法適用于函數(shù)優(yōu)化問題。
　　在非線性系統(tǒng)控制理論的基礎上

3、，深入研究了非線性系統(tǒng)自適應神經(jīng)網(wǎng)絡魯棒控制器的設計問題，基于遺傳算法和神經(jīng)網(wǎng)絡，提出了神經(jīng)網(wǎng)絡 L2增益抗干擾抑制控制器設計方法。該方法是根據(jù)神經(jīng)網(wǎng)絡的非線性函數(shù)擬合能力，來構造Lyapunov函數(shù)，并利用免疫遺傳算法對神經(jīng)網(wǎng)絡權值進行離線優(yōu)化，使得神經(jīng)網(wǎng)絡輸出滿足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。進而設計神經(jīng)網(wǎng)絡 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增益控制器設計問題，提出了自適應神經(jīng)網(wǎng)絡 L2增益控制器設計方法。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 L2增益控制器設計方法和自適應策略相結合，只要求該不確定性是有界的，不需要其它的先驗信息。為減輕神經(jīng)網(wǎng)絡對模型的擬合負擔，我們充分利用已知的系統(tǒng)模型信息，讓神經(jīng)網(wǎng)絡對系統(tǒng)模型的偏差進行擬合。由于存在擬合誤差，

5、引入補償控制器和神經(jīng)網(wǎng)絡權值自適應調節(jié)律，通過在線自適應修正神經(jīng)網(wǎng)絡權值來保證閉環(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)絡擬合Lyapunov函數(shù)的方法，并基于神經(jīng)網(wǎng)絡的非線性函數(shù)的擬合特性和Lyapunov穩(wěn)定理論，給出了自適應神經(jīng)網(wǎng)絡魯棒控制器設計方法。并應用于六自由度的傾斜轉彎(Band-To-Turn

6、, BTT)導彈控制系統(tǒng)中，設計了BTT導彈自適應神經(jīng)網(wǎng)絡魯棒控制器。該控制器設計簡單、參數(shù)調節(jié)方便，并且便于工程應用。利用該方法實現(xiàn)了BTT導彈控制系統(tǒng)的三通道一體化設計。并進行仿真研究，在仿真中考慮的不確定性包括：(1)陣風、脈動氣流的擾動對大機動狀態(tài)下飛行的影響；(2)飛行空氣動力參數(shù)的攝動。仿真結果表明，利用該方法設計的自適應神經(jīng)網(wǎng)絡魯棒跟蹤控制器使得BTT導彈系統(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、干擾具有很強的魯棒性。
　　為了處理機械臂系統(tǒng)中存在的不確定性和來自外部環(huán)境的干擾，提出了自適應神經(jīng)網(wǎng)絡L2增益控制器設計方法。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。神經(jīng)網(wǎng)絡用來擬合系統(tǒng)中存在的不確定性，并且神經(jīng)網(wǎng)絡權值具有在線學習功能，其中引入的自適應學習律的作用是為了消除擬合誤差對跟蹤性能的影響，利用投影算法改進神經(jīng)網(wǎng)絡權值調節(jié)律，使得原閉環(huán)系統(tǒng)的性能指標仍然能夠滿足的條件下，保證神經(jīng)網(wǎng)絡權值有界。此外，針對具有