外文翻译-应用粒子群优化技术优化的CSTR模糊控制（译文）

《外文翻译-应用粒子群优化技术优化的CSTR模糊控制（译文）》由会员分享，可在线阅读，更多相关《外文翻译-应用粒子群优化技术优化的CSTR模糊控制（译文）（14页珍藏版）》请在毕设资料网上搜索。

1、PDF外文： http:/ 中文 3958 字  出处： World Academy of Science, Engineering and Technology, 2011, 59 应用粒子群优化技术优化的 CSTR 模糊控制   摘要： 模糊逻辑控制 (FLC)系统作为一种有用的模型工具在许多技术和工业应用中广泛使用，它可以解决现代控制系统的不确定性和非线性。模糊逻辑控制(FLC)方法主要的缺点是在工业环境中选择最优化的整定参数的个数比较困难  。  在本文中介绍了一种利用粒子群最优 (PSO)算法来找到一个模糊系统的最优从属函数 的方法。文中使 用

2、一种 将 模 糊逻辑控制与粒子群最优算法相结合的综合算法 来 设计 CSTR 控制器，目的是获得精确的和可 靠 的结果。为了 显 示 这种 算法的有 效 性， 用 它 优化一个 非线性的研究对象 CSTR 系统模糊模型的高斯从属函数的例子来研究。结果清楚地表明，如果能 适 当 地 定义从属函数，对同一个系统 来说，与 模糊模型 相比， 使用 被优化的从属函数 能 提供更好的性能。   关键词 ： 连续搅拌釜式反应器 (CSTR)，模糊逻辑控制 (FLC)，从属函数 (MF)，粒子群优化算法 (PSO)   引言  连续搅拌釜式反应器 (CSTR)是化学过程研究 领

3、域 的一个重要分支。因此，在化工和 控制工程领域关于 CSTR 已有大量 的研究。各种各样的方法 被应 用 到CSTR 参数的控制 中 。 CSTR 是 包含高度非线性的复杂反应，用常规的方法难以控制。然而，为了避免这些非线性控制器 给 计算带来 更多 的复杂性， FLC 可以作为一种 简便易行 的 方法 。传统方法在处理约束时的局限是这种强大可行的方法产生的主要原因。  近年来，生物智能算法已经被成功应用于解决复杂的问题。 PSO 算法和模糊逻辑在解决上述问题时表现出很强的能力。模糊逻辑的成功证明了这种方法在现实环境中的应用的稳健性。但是，仍然需要有协调 MFs 的高效方法，目的是

4、使输出错误最 小或性能指标最大。 PSO 技术是一种利用旨在最小化（或最大化）目标函数的 N 维问题空间进行随机搜索的技术。具体来说， PSO-FLC 算法可以应 用于 CSTR 的浓度控制。  本文使用 了 一种基于模糊逻辑和粒子群最优相结合的控制策略。其目的是当设定值改变时控制 CSTR 的浓度。 使用 MATLAB 软件设计和模拟控制器并进行仿真。该控制器的性能取决于平方误差之和的大小。结果清楚地表明， PSO-FLC控制策略在过程发生变化 可以得到可靠的性能。此外，与基于逼近法最小平方控制相比，基于结构策略的模糊控制在控制活动中 能够 提出 更加可行的且精 确的动作 方案 。

5、   模糊控制器算法  模糊逻辑控制器是在以规则为基础的行为方式的技术知识的基础上组织的。一般情况下 FLC 规则是以这样的形式表示：如果用输入 1 是 A，输入 2 是 B，那么输出就是 C，在 MF中要先声明 A 和 B。  结果 C 有两种表达类型。在 Tagaki-Sugeno-type FLCs 中， C 被表示为所有输出的线性组合。另一 类型 ，如果使用 Mamdani- type of FLC， C 被表示为 MFs的集合。 使用 程序计算所有受不同的模糊化过程决定的 FLC 控制行为。一般情况下， 常 用到面积中心法常，输出 u*的计算式如下 ：

6、                         u*= duumduuum)()(00                         (1) 最基本的 FLC 闭环如图 1 所示。它包括三个主要的连续环节，即模糊化方法，推理机，解模糊化。模糊化方法是把真值转化为许多模糊集，解模糊化是把由推理机决定的模糊输出转换为真值。   图 1 F

7、LC 算法方框图  PSO 算法是利用粒子的数量来找到最优解的最有化方法。 PSO 的每一个群是解空间中的一个解。这种算法可以被表述如下 :  每一单个的粒子有如下性质：在搜索空间中 的当前位置， idx ， 当前的速 度， idp ，搜索空间中的最佳位置， id 。    最佳位置， idp ，等于在搜索空间中粒子 i 由目标函数 f 决定的最小误差的位置，假设使 任务 最小化。    全局的最佳位置由在所有gd中服从最小误差的位置标出。在群中重复的每一个粒子用以下两个方程更新：    Vid(t+1)=w.Vi

8、d(t)+c1.r1.(pid-Xid(t)+c2.r2.(pgd-Xid(t)        (2) Xid(t+1)=Xid(t)+Vid(t+1)                       (3) 其中， Vid(t+1)和 Vid(t)分别表示当前粒子的速度， Xid(t+1)和 Xid(t)分别表示当前粒子的位置， c1 和 c2 分别是两个正常数， r1 和 r2 分别是在 0,1， w 是 惯性质量。   图 2 通常 PSO 算法流程图    最优 FLC 设计  在 FLC 中应用 PSO 的从属函数的方法如图 3 所示：在以下的 PSO 进程中，每个粒子被当作代表 FLC 的输入输出的从属函数参数。由于 PSO 的目的是使FLC 的误差最小化， PSO 的目标函数被定义为：                       （ 4）   其中， tf 是 FLC 总的运行时间， 是控制误差。