基于遺傳算法優(yōu)化的車輛轉(zhuǎn)矩模糊控制器的設(shè)計(jì)

長(zhǎng)春工程學(xué)院電氣與信息學(xué)院 張 允 張黎黎 杜 波 趙迎輝 蔣夢(mèng)瑩 郭慕瑤

?

基于遺傳算法優(yōu)化的車輛轉(zhuǎn)矩模糊控制器的設(shè)計(jì)

長(zhǎng)春工程學(xué)院電氣與信息學(xué)院 張 允 張黎黎 杜 波 趙迎輝 蔣夢(mèng)瑩 郭慕瑤

【摘要】為了使車輛轉(zhuǎn)矩模糊控制器設(shè)計(jì)過(guò)程中，各項(xiàng)參數(shù)的設(shè)定更加客觀、準(zhǔn)確。本文基于遺傳算法對(duì)模糊控制器的隸屬度函數(shù)與模糊控制規(guī)則進(jìn)行了優(yōu)化，以實(shí)現(xiàn)模糊控制器的最佳設(shè)計(jì)效果。

【關(guān)鍵詞】遺傳算法；轉(zhuǎn)矩；模糊控制器

0　引言

在車輛轉(zhuǎn)矩模糊控制器設(shè)計(jì)過(guò)程中，確定隸屬度函數(shù)與模糊控制規(guī)則的傳統(tǒng)方法主要是依靠專家的經(jīng)驗(yàn)，這勢(shì)必存在一定的主觀性。為此，我們需要采用一種能夠自動(dòng)設(shè)計(jì)和優(yōu)化隸屬度函數(shù)與模糊控制規(guī)則的方法，以期更加客觀、準(zhǔn)確地確定出各項(xiàng)參數(shù)及控制規(guī)則，實(shí)現(xiàn)最佳設(shè)計(jì)效果。遺傳算法的主要特點(diǎn)是群體的搜索策略和群體中個(gè)體之間的信息交換，不依賴于梯度信息，不易陷于局部最優(yōu)解，因而，該算法能很好的用于隸屬度函數(shù)與模糊控制規(guī)則的優(yōu)化。

1　轉(zhuǎn)矩模糊控制器的優(yōu)化

1.1參數(shù)編碼

（1）隸屬函數(shù)的編碼

本文所設(shè)計(jì)的模糊控制器的二個(gè)輸入變量分別是駕駛員的轉(zhuǎn)矩需求Td_req和電池 SOC，輸出變量為電機(jī)的轉(zhuǎn)矩需求Tm_req。對(duì)于輸入、輸出變量的隸屬函數(shù)待優(yōu)化的參數(shù)共有10個(gè)，對(duì)應(yīng)的編碼為｛x1，x2，x3，x4， x5，x6，x7，x8， x9，x10｝。

（2）模糊控制規(guī)則的編碼

我們將所設(shè)計(jì)的二維模糊控制器中NB、NS、Z、PS、PB、N、P這七個(gè)模糊語(yǔ)言變量的語(yǔ)言值分別用1～7這7個(gè)十進(jìn)制數(shù)表示。這樣就可以把已制定的模糊控制規(guī)則數(shù)字化處理，形成編碼。進(jìn)一步將數(shù)字化規(guī)則拉伸，生成編碼為：｛11223 12234 22345 23345｝

（3）聯(lián)合編碼

將隸屬函數(shù)與控制規(guī)則編碼聯(lián)合，形成最終的一維的十進(jìn)制染色體編碼串：

｛ x1x2x3x4x5x6x7x8x9x1011223 12234 22345 23345｝。

1.2選取適應(yīng)度函數(shù)

由于控制系統(tǒng)的參數(shù)優(yōu)化問(wèn)題，是一個(gè)非負(fù)目標(biāo)函數(shù)的最小化問(wèn)題，故可采用如下變化方式將目標(biāo)函數(shù)映射成適應(yīng)度函數(shù)。

Cmax為g（x）的最大估計(jì)值。

1.3個(gè)體的選擇、交叉與變異

（1）選擇算子

若群體規(guī)模為n，群體中第k個(gè)個(gè)體的適應(yīng)度為fk，則該個(gè)體被選擇的概率為：

這里，Pk為選擇概率，它是群體中第k個(gè)個(gè)體的相對(duì)適應(yīng)度。

（2）交叉算子

由于本文的遺傳編碼為十進(jìn)制數(shù)，所以我們采用中間重組的方式進(jìn)行交叉運(yùn)算。其計(jì)算公式如下所示：

（3）變異算子

對(duì)于十進(jìn)制數(shù)編碼，我們采用實(shí)值變異的方式進(jìn)行變異運(yùn)算。其計(jì)算公式為：

1.4參數(shù)設(shè)計(jì)

（1）種群規(guī)模 n

種群規(guī)模是遺傳算法的一個(gè)重要參數(shù)，經(jīng)過(guò)試驗(yàn)我們?nèi)?n=50。

（2）交叉概率和變異概率

交叉概率Pc和變異概率Pm的選擇直接影響遺傳算法的收斂性。交叉和變異概率的自適應(yīng)計(jì)算公式為：

（3）進(jìn)化終止代數(shù)

算法運(yùn)行的終止條件一般是運(yùn)行到固定的進(jìn)化代數(shù)即停止，這里設(shè)定進(jìn)化終止代數(shù)為100。

2　仿真結(jié)果及分析

優(yōu)化后各輸入、輸出變量的隸屬函數(shù)及模糊控制規(guī)則表分別如下所示。

圖1　優(yōu)化后 Td_req的隸屬度函數(shù)仿真曲線

圖2　優(yōu)化后SOC值的隸屬度函數(shù)仿真曲線

圖3　優(yōu)化后Te_req的隸屬度函數(shù)仿真曲線

表1　優(yōu)化后模糊控制規(guī)則表

從隸屬度函數(shù)仿真曲線優(yōu)化結(jié)果可以看出，當(dāng)變量越接近中心點(diǎn)時(shí)，模糊子集的劃分越精細(xì)，隸屬度函數(shù)的形狀越陡，模糊集合分辨率越高，控制效果越精確。反之，當(dāng)變量越遠(yuǎn)離中心點(diǎn)時(shí)，隸屬函數(shù)的形狀越平緩，系統(tǒng)穩(wěn)定性越好。同時(shí)優(yōu)化后的隸屬函數(shù)能夠更好地滿足系統(tǒng)在不同階段的性能要求。

3　結(jié)論

本文基于遺傳優(yōu)化理論對(duì)車輛轉(zhuǎn)矩模糊控制器的隸屬度函數(shù)與模糊控制規(guī)則進(jìn)行了優(yōu)化設(shè)計(jì)，在此基礎(chǔ)上對(duì)優(yōu)化后的隸屬函數(shù)進(jìn)行了Matlab仿真，仿真結(jié)果表明該優(yōu)化算法能夠有效改善控制系統(tǒng)的精確性與穩(wěn)定性。

參考文獻(xiàn)

［1］徐孟，陳永冰，周永余.基于高級(jí)遺傳算法的船舶模型參數(shù)辨識(shí)［J］.艦船電子工程，2006（1）：101-106.

［2］王小平，曹立明.遺傳算法-理論、應(yīng)用與軟件實(shí)現(xiàn)［M］.西安：西安交通大學(xué)出版社，2001.

［3］劉曉霞.種群規(guī)模對(duì)遺傳算法性能影響的研究［D］.北京：華北電力大學(xué)，2010.

［4］陳長(zhǎng)征，王楠.遺傳算法中交叉和變異概率選擇的自適應(yīng)方法及作用機(jī)理［J］.控制理論與應(yīng)用，2002，19（1）：41-43.

［5］劉咪.遺傳算法及其在優(yōu)化模糊控制器中的應(yīng)用［D］.福州：福州大學(xué)，2005.

基金項(xiàng)目：吉林省教育廳基金項(xiàng)目《混合動(dòng)力客車多目標(biāo)綜合協(xié)調(diào)控制技術(shù)研究》。

作者簡(jiǎn)介：

張?jiān)剩?973-），女，吉林長(zhǎng)春人，博士研究生，副教授，研究方向：混合動(dòng)力汽車智能控制。