，)(12，青 蛙的位置信息表示优化参数。SFLA的初始化参数为种群大小30,子群数量6,每个子群内的 进化步骤数10，迭代次数50，因子c = 2，被允许跳跃的最大值Dmax= 〇〇，不确定向量的最大值 Wmax = 2%〇
[0042] 步骤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。
[0043] 步骤5:种群P被划分成m个子群，每个子群包含η只青蛙，N = mXn。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。Mk是第k个子群中青娃的集合，Mk={Xk+m(i-i)ep| 1 < 1 <n}，（1 <k<m)。
[0044] 步骤6:在每个子群内，确定Xw，Xb和Xg(3Xw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娃被定义为Xg。
[0045] 步骤7:子群进化期间，最坏的青蛙向最好的青蛙Xb。跳跃的距离为D = r. c(Xb-父》)+1，不确定向量为1=[1'衝,11^^2?%11^，...^5?%11^]1'，《4,11^(1<：[<3)在3维空间的第1 维被允许的最大值，
，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 < XI，X2，X3，X4 < 1，0 < X5，X6， X7 5 1，0<乂8，乂9，10，11，12随机产生新的青蛙来代替它。图3直观地反映了青蛙的跳跃 规则。
[0046] 步骤8:SFLA局部搜索流程如图4所示。局部搜索达到子群内的进化步骤数后，将整 个种群混在一起进行全局信息交换。
[0047] 步骤9:当全局最优青娃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。
[0048] 步骤10:查看优化模糊控制器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。
【主权项】
1. 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…T皿N)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Xl，X2，X3，X4，输出隶属度参数X5，X6，X7，量化因子X8，X9，XlO，Xl 1，Xl2组成;优化模糊控 tf 制器的二次消耗准则为./ = 批，Q、R是权重矩阵，反映了控制性能，通过试错 O 法设置Q = diag[l，l，l，l]和R=I; 步骤3:在捜索空间随机产生初始青蛙种群P= {Xi，X2，...，Xn}，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 < Xl，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 = mXn，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;Mk是第k个子群中青蛙的集合，Mk= {Xk+m(i-i) EP 11 y如}，（ 1非如）； 步骤6:在每个子群内，确定Xw，抽和乂8。)(^和Xb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Xg; 步骤7:按照跳跃规则，进行子群进化，最坏的青蛙Xw跳向最好的青蛙Xb;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含X1，X2，X3，X4^，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:局部捜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W，则判定成功，否则判定失败。2. 根据权利要求1所述的基于SFLA模糊控制器的平衡球杆系统方法，其特征在于:SFLA 结合了两个捜索方法的技巧，粒子群优化的局部捜索技巧和混合复杂进化的信息混合技 巧，运种组合的策略能使SFLA捜索到次优的解，避免局部最值，利用SFLA优化模糊控制器， 不仅节省时间，且控制结果较佳。3. 根据权利要求1所述的基于SFLA模糊控制器的平衡球杆系统方法，其特征在于:球杆 系统的参数为：小球的重量Hi = 0.1kg，小球的惯性力矩J= Ie-Skgm2，杆的惯性力矩Jb = 0.0化卵2，小球的半径R = 0.0 15m，重力加速度g = 9.81m/s2;模糊控制器的规则库包括81条 (IF-T肥N)规则，来源于人类知识；SFLA的参数为:种群大小30，子群数量6，每个子群内的 进化步骤数10,迭代次数50,因子C = 2,被允许跳跃的最大值Dmax=W,不确定向量的最大值 Wmax 二 2 % O4. 根据权利要求1所述的基于SFLA模糊控制器的平衡球杆系统方法，其特征在于:在步 骤2中，输入变量的语言值被定义为肥（负）、ZE(零)和PO(正），语言值定义在受[-1,1]间分 段隶属度函数的限制;输出变量有9个语言值，定义为ZE，Nj(负j)，Pj(正j)，指标j表示语言 值的力量，指标越高，语言值越强。运些输出的语言值在[-1,1]间受单例隶属度函数的限 审IJ。输入的隶属度函数肥和PO是关于0对称，输出的隶属度函数Nj和門也是对称的，通过定 义对称的隶属度函数，可调参数的数量减少了，因为隶属度函数被定义在单位范围内，需要 使用量化因子将物理范围内的输入变量标准化到单位范围内，将输出变量从单位范围反标 准化到物理范围。5. 根据权利要求1所述的基于SFLA模糊控制器的平衡球杆系统方法，其特征在于:在步 骤7中，在进化过程中，跳跃的距离为D = r . c(Xb-Xw)+W，不确定向量为W = [riWLmax， r2W2,max, . . .，rSWS,max]T，Wi,max( 1 < i < S)在S维空间的第i维被允许的最大值；，淘汰最坏的青蛙，由新产生的青蛙代替。6. 根据权利要求1所述的基于SFLA模糊控制器的平衡球杆系统方法，其特征在于:SFLA 优化的模糊控制器是一种最优状态反馈控制器。
【专利摘要】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。
【IPC分类】G05B13/04
【公开号】CN105589332
【申请号】CN201610036876
【发明人】丁世飞, 樊淑炎
【申请人】中国矿业大学
【公开日】2016年5月18日
【申请日】2016年1月20日