参数自调整的月球车路径跟踪模糊控制器设计

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (11): 55-59.

参数自调整的月球车路径跟踪模糊控制器设计

葛平淑1，郭烈2

1.大连民族学院机电信息工程学院，辽宁大连 116600
2.大连理工大学汽车工程学院，辽宁大连 116024

出版日期:2012-04-11 发布日期:2012-04-16

Parameters self-adjusting fuzzy controller design for path following of lunar rover

GE Pingshu1, GUO Lie2

1.College of Electromechanical & Information Engineering, Dalian Nationalities University, Dalian, Liaoning 116600, China
2.School of Automotive Engineering, Dalian University of Technology, Dalian, Liaoning 116024, China

Online:2012-04-11 Published:2012-04-16

摘要/Abstract

摘要： 针对常规模糊控制器需要不断手动调整控制器参数才能获得更好控制效果的缺点，提出一种基于多目标遗传算法NSGA-II进行参数优化的路径跟踪模糊控制器。以CJ-1月球探测车原理型样机为研究对象，用模糊逻辑描述了月球探测车的路径跟踪问题，通过调整规则因子来达到调整模糊规则的目的；引入了积分器以达到较好的稳态性能；采用NSGA-II算法实现了控制器7个参数的优化选择，提高控制器的适应能力。仿真结果表明，在跟踪阶跃路径时，常规模糊控制器超调量达到4.25%，而所设计的参数自调整模糊控制器基本能平稳无超调地跟踪路径，获得更好的控制效果。

关键词: 月球探测车, 路径跟踪, 模糊控制, 参数优化, 非支配排序遗传算法II（NSGA-II）

Abstract: Facing the fact that traditional fuzzy controller needs to constantly adjust the controller parameters to obtain better control effect, a NSGA-II based parameter optimization path following fuzzy controller is designed for CJ-1 lunar rover. The fuzzy logic technology is used to emulate the characteristics of path following. The optimization for fuzzy rule base is achieved by optimizing fewer rule parameters. An integrator is introduced to achieve good steady-state performance. The NSGA-II algorithm is adopted to achieve auto tradeoff of the parameters. Simulation results show that the designed controller with optimized parameters has better performance than the one with manually regulated parameters. When following a step path, the conventional fuzzy controller overshoot is 4.25%, while the optimized controller can almost follow the path without any overshoot.

Key words: lunar rover, path following, fuzzy control, parameters optimization, Non-dominated Sorting Genetic Algorithm II（NSGA-II）

葛平淑1，郭烈2. 参数自调整的月球车路径跟踪模糊控制器设计[J]. 计算机工程与应用, 2012, 48(11): 55-59.

GE Pingshu1, GUO Lie2. Parameters self-adjusting fuzzy controller design for path following of lunar rover[J]. Computer Engineering and Applications, 2012, 48(11): 55-59.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[3]	苏斐，王红，祖林禄，王江，刘晨. 基于模糊控制的帕金森状态闭环调节[J]. 计算机工程与应用, 2021, 57(22): 273-280.
[4]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[5]	巫光福，陈颖. 花授粉算法研究与应用综述[J]. 计算机工程与应用, 2021, 57(15): 30-41.
[6]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.
[7]	郭娜，李彩虹，王迪，张宁，刘国名. 结合预测和模糊控制的移动机器人路径规划[J]. 计算机工程与应用, 2020, 56(8): 104-109.
[8]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[9]	石贞洪，江洪，于文浩，柳亚子，蒋潇杰，姜民. 适用于路径跟踪控制的自适应MPC算法研究[J]. 计算机工程与应用, 2020, 56(21): 266-271.
[10]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[11]	王丽婷，张金鑫，张金华. 乌鸦搜索算法在SVM参数优化中的应用[J]. 计算机工程与应用, 2019, 55(21): 214-219.
[12]	邓辉，罗倩，王岩. 基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断[J]. 计算机工程与应用, 2019, 55(17): 156-161.
[13]	张攀，刘新杰，张威，郑皓天. 飞机牵引机器人路径跟踪模糊控制[J]. 计算机工程与应用, 2019, 55(16): 217-220.
[14]	李婕1，李昊2，赵新蕖1. 免疫遗传算法的混合动力汽车多目标优化[J]. 计算机工程与应用, 2018, 54(4): 237-243.
[15]	张发坤，庞春颖，于源华. 高精度实时荧光定量PCR温控系统的设计与仿真[J]. 计算机工程与应用, 2018, 54(20): 248-252.