基于Q学习算法的变论域模糊控制新算法

基于Q学习算法的变论域模糊控制新算法

余涛1,于文俊2,李章文1

【摘要】摘要:变论域模糊控制器的控制函数被“复制”到后代中,往往存在着“失真”现象,这种现象的后果是造成算法本身的误差.针对这一问题,本文提出了一种基于Q学习算法的变论域模糊控制优化设计方法.本算法在变论域模糊控制算法基础上提出了一种利用伸缩因子、等比因子相互协调来调整论域的构想,且通过用Q学习算法来寻优参数使控制器性能指标最小,使其在控制过程中能够降低“失真率”,从而进一步提高控制器性能.最后,把算法运用于一个二阶系统与非最小相位系统,实验表明,该算法不但具有很好的鲁棒性及动态性能,且与变论域模糊控制器比较起来,其控制性能也更加提高.

【期刊名称】控制理论与应用

【年(卷),期】2011(028)011

【总页数】6

【关键词】关键词:变论域模糊控制;Q学习算法;伸缩因子;等比因子

【文献来源】https://https://www.wendangku.net/doc/7a13560412.html,/academic-journal-cn_control-theory-applications_thesis/0201242271408.html

1 引言(Introduction)

模糊控制作为智能控制的一个重要分支,凭借其无需精确数学模型、鲁棒性强、实时性好等优点而广泛被用于非线性、时变滞后系统中.然而,常规模糊控制器存在着稳态精度低、存在调节死区等不足而并不适合用于高精度问题控制[1～3].为了解决以上缺陷,比较容易想到的一个办法是增加模糊规则的数量,然而通过增加模糊规则提高控制器稳态的精度,其代价是降低了控制器的决策速度.如何提高