论文部分内容阅读
未知非线性系统的最优化控制问题一直是一个很因难的问题，尤其是在多目标最优化控制方面，到目前为止，还没有有效的方法来处理该类问题。这是因为未知非线性系统没有精确的数学模型可以利用，只能从经验或者其输入输出数据方面认识它，而且其控制目标不能用一个输入控制函数精确地表达，运行过程中有许多不确定性因素。解决这类问题的关键在于找到一个有效的描述方法，描述目标和对象的输出响应函数之间的关系。而且最重要的是要寻找一个控制函数或者对象状态与其控制输入之间的函数关系，从而使得每一个控制目标都可以达到尽可能高的满意程度，或者达到某些折衷意义上的最优值。 本文首先对目标和多目标的定义以及不同目标之间的关系进行了分析。推广了有关文献中的规则对单一目标支持度概念，将规则作用下的某个时刻系统状态对单一目标的支持度，拓宽为一个时间段内由系统响应函数产生的对单一目标的有利程度。然后将有关文献中对Pareto规则和Pareto规则基的定义做了推广，将多目标最优化控制问题转化为Pareto规则基的获取问题。该Pareto规则基内的任意一条规则都应该符合以下条件：如果改变某个控制量使某一个目标的满意度增大，则必然导致其他目标(至少一个)满意度的降低。因此一个Pareto规则可以看做该多目标控制问题的一个局部非次规则。而Pareto规则基则可以看作该多目标控制问题非次规则的集合。该多目标控制问题的最优解即最优控制函数，可利用基于该规则基的模糊控制算法进行逼近。本文给出了一种Pareto规则基的获取方法。它首先计算具有相同西南交通大学硕士研究生学位论文第11页响应状态的Paret。规则对每个单目标的支持度，然后根据不同目标优先级别或重要性的不同，对不同的目标分别赋予一定的权重，按某种折衷算子得到该Pareto规则对所有目标的综合支持度。按照同样的方法对具有相同响应状态的Paret。规则集里的所有规则进行处理后，从中选取综合支持度最高的一个作为针对此Paret。规则集的一个最优Pareto规则。对输入状态的各模糊分划区域，按上述处理找到与其对应的一个折中最优Paret。规则，这样得到的所有最优Paret。规则就构成了一个Pareto规则基。基于该最优Pareto规则基的模糊控制算法，就是一个近pareto最优控制算法。在上述理论的基础上，本文对一个汽车模型进行了控制。首先对这个具体模型的多个目标做了定义与分析，然后用本文建立的方法构造出了控制算法的尸areto规则基，并设计了该汽车模型的模糊控制算法。最后用计算机仿真结果验证了控制算法的有效性。