一种采用遗传算法寻优的自适应模糊水下航行器控制方法技术

本发明专利技术提供的是一种采用遗传算法寻优的自适应模糊水下航行器控制方法。将自适应参数作为染色体的等位基因，进行种群初始化，选择初始种群中的任一个体代入自适应模糊控制器中，给定期望值进行控制。控制结束后，计算出该个体对应的积分性能指标和适应度函数值，再选择下一个体代入控制器中进行控制，将当前种群中的个体逐一代入控制器进行控制，求得所有个体的适应度值，再进行收敛性判断，满足条件时，迭代停止，输出适应度值最高的个体为最优解；若不满足，则对当前种群进行选择、交叉、变异操作，生成下一代种群，继续循环迭代，直至满足收敛性条件为止。所得的一组自适应参数用于水下航行器实际的运动控制中，可获得最优的控制效果。

【技术实现步骤摘要】

本专利技术涉及的是一种水下航行器的运动控制方法，具体地说是一种采用遗传算法(GA)寻优的自适应模糊水下航行器控制方法。
技术介绍
水下航行器的六自由度空间运动具有较强的藕合性、非线性、大时滞、大惯性等特点，其运动控制技术自从的诞生便随之不断发展。作为发展的关键技术，各种控制技术与理论不断的应用到运动控制中，以求得更加稳定，更加理想的控制方法，各种应用于工业生产过程中的较为成熟的先进控制方法也不断推进着的发展。考虑到其工作在复杂的水下环境具有很大的噪声干扰，要想实现对水下航行器的精确控制是极其困难的。模糊控制理论是一种基于语言值的智能控制理论，适应于非线性、多输入多输出、滞后以及时变等复杂系统，对于水下航行器的运动控制十分适用。遗传算法作为一种智能优化算法，具有很好的全局优化能力，能够通过遗传寻优找出可行域中的最优解，得到最佳控制方案，从而大大提高控制器的效率和精度。模糊控制在水下航行器的运动控制中使用比较普遍，传统的模糊控制不具有动态调整能力，对于控制响应阶段和稳态控制阶段无针对性控制策略，控制器的适应性不强，控制品质不高。针对这个问题，在模糊控制的基础上引入自适应参数，根据偏差的大小自动调整权值，使控制输出具有针对性，提高控制品质。但在过往研究中，自适应参数往往采用手动调整的方法，通过改变其取值得到控制结果，然后将所得结果进行对比，从而确定最佳参数。然而，这种手动调整参数的方法不仅具有盲目性，还具有强烈的主观色彩，所选出的最佳参数只是主观选择的有限个值中的最优解，而不是全局最优解。
技术实现思路
本专利技术的目的在于提供一种能获得使控制偏差累积最小的一组自适应参数的采用遗传算法寻优的自适应模糊水下航行器控制方法。本专利技术的目的是这样实现的：首先将自适应参数作为染色体的等位基因，一条染色体即为种群中的一个个体，然后进行种群初始化，再选择初始种群中的任一个体代入自适应模糊控制器中，给定期望值进行控制，控制过程结束后，计算出该个体对应的积分性能指标和适应度函数值，再选择下一个体代入控制器中进行控制，如此循环，将当前种群中的个体逐一代入控制器进行控制，求得所有个体的适应度函数值，再进行收敛性判断，满足条件时，迭代停止，输出适应度函数值最高的个体为最优解；若不满足，则对当前种群进行选择、交叉、变异操作，生成下一代种群，继续循环迭代，直至满足收敛性条件为止，最后得到使控制偏差累积最小的一组自适应参数用于水下航行器实际的运动控制。本专利技术具体包括如下步骤：第一步，确定自适应模糊控制的参数个数n，对应的取值范围为[0,1]。然后将n个参数依次编码α1、α2、...、αn，作为等位基因，构成一条染色体，即为种群中的一个个体。规定种群大小为m，即每一代中有m个个体，并进行初始化，形成初代种群。第二步，设定期望值R，控制量当前时刻的值与期望值的差即为当前时刻的偏差E，将偏差求导，得到当前时刻的偏差变化率EC。第三步，进行自适应模糊控制器求解。将偏差E和偏差变化率EC作为模糊控制器输入的精确值，进行模糊化处理，得到模糊输入和然后进行模糊推理，并结合有关自适应方法，得到模糊输出最后采用加权平均法进行解模糊处理，得到控制输出的精确值U。第四步，自适应方法的确定。选择其中一条染色体，将代表该染色体基因的所有参数代入表达式 U ~ = ( α i E ~ + ( 1 - α i ) E C ~ ) , ( a i ≤ | E | < b i , i = 1 , 2 , ... , n ) ]]>根据偏差的大小，将偏差划分为n段，ai、bi为偏差分段点。第五步，将控制输出U作为执行机构的输入指令进行控制，经过一个采样周期，得到下一时刻的控制量。再将下一时刻的控制量与期望值作差，得到下一时刻的偏差，如此循环，直到控制过程结束。第六步，计算积分性能指标ITAE＝∫|E|tdt表示整个控制过程中控制偏差的累积，用于评判控制器的性能。ITAE值越小，则控制器控制性能越好。为了便于计算机实现，将ITAE＝∫|E|tdt式离散，则得到离散后的积分性能指标为 I T A E = Σ i = 1 ∞ | ΔE i | · T 2 ]]>其中，T为采样周期，ΔEi为第i个采样周期的偏差。第七步，对当前个体适应度进行评价，采用适应度函数 f = 1 1 + ITAE 1 / 2 ]]>计算当前个体的适应度值。f值越大，则ITAE值越小，控制器性能越好。离散后，适应度函数表示为 f = 1 1 + ( Σ i = 1 ∞ | ΔE i | · T 2 ) 1 / 2 ]]>第八步，重复第二步至第六步，循环m次，将当前种群中的所有个体都计算一遍，得到每一个本文档来自技高网...

【技术保护点】
一种采用遗传算法寻优的自适应模糊水下航行器控制方法，其特征是：首先将自适应参数作为染色体的等位基因，一条染色体即为种群中的一个个体，然后进行种群初始化，再选择初始种群中的任一个体代入自适应模糊控制器中，给定期望值进行控制，控制过程结束后，计算出该个体对应的积分性能指标和适应度函数值，再选择下一个体代入控制器中进行控制，如此循环，将当前种群中的个体逐一代入控制器进行控制，求得所有个体的适应度函数值，再进行收敛性判断，满足条件时，迭代停止，输出适应度函数值最高的个体为最优解；若不满足，则对当前种群进行选择、交叉、变异操作，生成下一代种群，继续循环迭代，直至满足收敛性条件为止，最后得到使控制偏差累积最小的一组自适应参数用于水下航行器实际的运动控制。

【技术特征摘要】
1.一种采用遗传算法寻优的自适应模糊水下航行器控制方法，其特征是：首先将自适应参数作为染色体的等位基因，一条染色体即为种群中的一个个体，然后进行种群初始化，再选择初始种群中的任一个体代入自适应模糊控制器中，给定期望值进行控制，控制过程结束后，计算出该个体对应的积分性能指标和适应度函数值，再选择下一个体代入控制器中进行控制，如此循环，将当前种群中的个体逐一代入控制器进行控制，求得所有个体的适应度函数值，再进行收敛性判断，满足条件时，迭代停止，输出适应度函数值最高的个体为最优解；若不满足，则对当前种群进行选择、交叉、变异操作，生成下一代种群，继续循环迭代，直至满足收敛性条件为止，最后得到使控制偏差累积最小的一组自适应参数用于水下航行器实际的运动控制。2.根据权利要求1所述的采用遗传算法寻优的自适应模糊水下航行器控制方法，其特征是所述适应度函数值为： f = 1 1 + ...

【专利技术属性】
技术研发人员：李晔，龚昊，曹建，姜言清，郭宏达，安力，何佳雨，马腾，严日华，王汝鹏，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23