動態(tài)參數(shù)調整遺傳模糊優(yōu)化算法及在機器人軌跡控制中的應用.pdf

1、機器人的數(shù)學模型具有嚴重非線性、強耦合的特點，并且包含有諸如摩擦、負載變化等不確定因素，用傳統(tǒng)的基于對象模型的控制方法對其控制無法收到滿意的效果。模糊控制不依賴于被控對象的數(shù)學模型，且魯棒性強，用于機器人軌跡控制能有效地克服控制中耦合、非線性、參數(shù)變化等因素的影響，取得較好的控制效果。但普通模糊控制器的參數(shù)和控制規(guī)則一旦確定便不能改變，不能很好地適應系統(tǒng)動態(tài)特性的變化或隨機干擾的影響。 遺傳算法是一種基于自然進化理論的并行、高效

2、的全局優(yōu)化搜索算法，通過模擬生物的進化，將優(yōu)化問題轉化為生物進化過程，采用優(yōu)勝劣汰的機制來獲得問題的最優(yōu)解。由于遺傳算法與模糊控制具有強烈的互補性，二者的相互結合已成為近年研究的一個熱點。 本文通過深入研究遺傳算法與模糊控制的相關理論，針對基本遺傳算法的缺陷與不足，提出了一種改進遺傳算法一動態(tài)參數(shù)調整遺傳算法，并將其與模糊控制相結合，即用它來優(yōu)化常規(guī)模糊控制器的隸屬度函數(shù)和模糊控制規(guī)則，從而達到更加優(yōu)良的控制效果。然后本文將設計

3、的動態(tài)參數(shù)調整遺傳模糊優(yōu)化控制算法應用于機械手軌跡控制，首先通過Matlab中的SimMechanics建立了一個實際五自由度關節(jié)型機械手的實體模型，接著利用此實體模型構造出機械手的基于動態(tài)參數(shù)調整遺傳算法優(yōu)化的模糊控制系統(tǒng)，在Matlab/Simulink中進行軌跡跟蹤仿真實驗，實驗結果驗證了本文設計的動態(tài)參數(shù)調整遺傳模糊優(yōu)化算法能克服復雜系統(tǒng)模型誤差，外部干擾等不確定性的影響，具有精確的跟蹤軌跡，具有很好的動靜態(tài)性能以及很強的抗干擾