基于自调整因子优化的模糊控制器研究

李智敏

（1.闽南理工学院电子与电气工程学院，福建石狮 362700；2.工业自动化控制技术与信息处理福建省高校重点实验室，福建石狮 362700）

近年来，由于模糊控制是一种基于语言的控制器，具有不依赖于被控对象精确的数学模型的优点，而大多数系统和流程非常复杂难以建立精确数学模型，所以模糊控制在各种领域中应用广泛。但是常规的模糊控制规则确定下来在实际的控制过程中无法在线实时修正，若被控系统突发扰动时原控制规则会出现无法满足控制要求，导致系统控制效果变差。因此，为了提高控制精度，改善模糊控制存在的不足，采用优化手段对模糊规则进行改善势在必行。本文在分析集中优化手段后，最后采用自调整因子方法对模糊规则进行改进，最后，对比传统控制，通过MATLAB仿真表明该方案的有效性。

1 优化方法分析及选择

1.1 优化手段分析

遗传算法是一种基于自然选择和基因遗传学原理的优化搜索方法，通过复制、交叉、变异三步基本操作来实现全局寻优，计算简单，功能强大，但是决定寻优方向的目标函数不容易建立[1]。

神经网络优化是利用网络具有的自学习、自适应能力，通过对模糊控制器参数进行神经网络设计，通过训练神经元节点的连接权值，然后实现模糊控制器在线实施调参的目的，但是神经网络算法设计复杂，节点越多，计算量越大[1]。

模拟退火算法可以实现模糊控制器参数的组合优化，但是多个参数需要调整时，目标函数不易寻找[1]。……