请教：神经网络、遗传算法matlab实现
最近在做先进控制方法的研究，主要是用神经网络、遗传算法优化模糊控制，进而优化PID控制系统。看了能够很多相关文献，理论基本弄明白了，可是对如何用matlab的工具箱和相关函数实现，感觉不是很明确，希望有做过这个方面的前辈给予指点，不胜感激 为什么要先优化模糊控制，再进而优化PID参数？？这样不是很麻烦啊，直接优化PID参数不就行了吗，比如遗传算法优化PID是可以得到最有参数的，这样不是很好吗。你那样做的效果肯定不会比我说的直接优化得到的效果好
现在工业实际中要求算法简单，这样复杂的算法在实际中没有用处的
[ 本帖最后由 eight 于 2008-4-29 10:18 编辑 ]
回复 2楼 的帖子
模糊控制的规则通常为经验所得，所以想到用这些学习性的算法来优化，实现自适应控制，这样复杂的算法在实际中可能没有太大用处，但是理论上感觉应该还是可行的吧另外，你提到的了直接用遗传算法优化PID,我这里有一篇文章显示的控制效果确实很好，可是我不太明白他具体是怎么实现的？直接把优化得到的PID参数代入模型吗？好像不是文中的效果啊。本想把文章放在附件中，可是不支持caj和pdf格式，没法上传，方便的话，留下个邮箱，我发给你，非常感谢 yf2002043227@163.com
遗传算法优化PID，包括混沌寻优算法等，这些算法的原理基本上都是类似的
首先应该定义一个目标函数，这个目标函数如何定义最好很多文献上都有
然后将PID的三个参数作为寻优的对象，当上述目标函数值达到要求时（小于某个数值）就可以停止寻优
回复 4楼 的帖子
我已经把文章发过去了，麻烦你查收:@) 那篇文章我看过了，很多人都写过这种文章，具体实现的过程可以参考相关文献，这里我只是简单介绍一下，不知道说得对不对：首先应该设定PID三个参数的初值。
利用遗传算法进行迭代寻优，这个过程中要用到那个系统，适应度函数的选取肯定和系统的某个量有关（比如系统的偏差的和+超调量），这样就是向着系统偏差和+超调减小的方向寻优（只是打个比方）
最后系统仿真的图像确实就是你说的将最后优化的PID参数带入系统，进行仿真
[ 本帖最后由 yf2002043227 于 2008-4-29 16:42 编辑 ] 谢谢！适应度函数我已经编好了，现在的问题是优化的参数跟文中不一致，可能是因为演化函数的选择，我用的是单一的，而文中说“演化函数均取组合型函数,具体如下:交叉函数arithXover,heuristicXover,simpleXover;变异函数为boundaryMutation,multiNonUnifMutation, nonUnifMutation, unifMutation”，我不知道怎么在程序中怎么实现组合型函数？ 顺便把我的程序传上来 我也是研究这个的，希望能与你交流交流。邮箱181897853@qq.com
页:
[1]