基于小生境混合蛙跳算法的優(yōu)化迭代學習控制算法研究.pdf

1、迭代學習控制是控制領域的一個分支，它研究的是一種具有重復運動性質的控制系統(tǒng)，通過不斷地修正系統(tǒng)的控制輸入，使得實際輸出逐漸逼近期望輸出，最終實現(xiàn)對期望軌跡的完全跟蹤。迭代學習控制已經(jīng)成為了現(xiàn)代控制技術中一種重要的控制方法。
　　近年來，學者們對學習控制系統(tǒng)進行了深入研究，其中包括對算法的改進和優(yōu)化，提出了諸如遺傳算法、克隆選擇算法和混合蛙跳算法。這些算法雖然能在求解一般的非線性系統(tǒng)時可以保證系統(tǒng)收斂，但是對于有擾動和期望有約束的非

2、線性系統(tǒng)時，存在系統(tǒng)收斂速度慢，容易陷入局部最優(yōu)等問題。甚至需要迭代多次才能實現(xiàn)對系統(tǒng)的完全跟蹤，導致系統(tǒng)的學習效率低。
　　針對以上問題，本文通過對混合蛙跳算法的改進提出基于小生境混合蛙跳算法的優(yōu)化迭代學習控制算法，該算法引進基于限制競爭策略的小生境技術。小生境混合蛙跳算法具有尋優(yōu)能力強，收斂速度快等優(yōu)點。在該算法中，將初始種群劃分為相互排斥的子種群，子種群間可以形成獨立的搜索空間，這樣可以抑制種群間的趨同性，從而保持解的多樣性

3、。將PID型控制器引入到優(yōu)化迭代學習控制中，PID型控制器增加了參數(shù)的自由度，算法的參數(shù)設置簡單，而且尋優(yōu)效果好。此外建立參數(shù)優(yōu)化迭代學習控制，在每次迭代時對系統(tǒng)的參數(shù)進行優(yōu)化，降低算法的復雜度。對基于PID型參數(shù)優(yōu)化迭代學習控制算法收斂性進行算法分析和證明。通過實驗仿真小生境混合算法和遺傳算法，克隆選擇算法進行對比，實驗結果表明，小生境混合蛙跳算法收斂速度更快，而且穩(wěn)定性高。
　　最后，將小生境混合蛙跳算法應用到振動控制系統(tǒng)中，