Tối ưu hóa thuật toán di truyền cho bộ điều khiển hệ thống mà không gặp sự cố bằng cách sử dụng bộ điều khiển SAFE/LEARNING song song

E.S. Sazonov1, D. Del Gobbo1, P. Klinkhachorn2, R.L. Klein1
1Lane Dept. of Computer Science and Electrical Engineering, West Virginia University, Morgantown, WV, USA
2Lane Dept. of Computer Science and Electrical Engineering, West Virginia University, Morgantown, WV

Tóm tắt

Bài báo trình bày một phương pháp tối ưu hóa bộ điều khiển hệ thống bằng thuật toán di truyền mà không gặp sự cố. Thuật toán di truyền là một công cụ mạnh mẽ giúp tạo ra các bộ điều khiển hệ thống gần tối ưu. Khi áp dụng cho các phương pháp trí tuệ tính toán như mạng nơ-ron hoặc logic mờ, những phương pháp này có khả năng kết hợp khả năng ánh xạ phi tuyến của các phương pháp đó với việc học hành vi của hệ thống một cách trực tiếp, tức là không cần mô hình trước. Đồng thời, thuật toán di truyền thường tạo ra các giải pháp dẫn đến sự cố của hệ thống được điều khiển. Những giải pháp như vậy thường không thể chấp nhận cho những ứng dụng cần đảm bảo hoạt động an toàn. Chúng tôi trình bày ở đây một phương pháp thiết kế cho phép ứng dụng thuật toán di truyền mà không gặp sự cố thông qua việc sử dụng các bộ điều khiển SAFE và LEARNING hoạt động song song, trong đó bộ điều khiển SAFE phục hồi hệ thống khỏi các trạng thái nguy hiểm trong khi bộ điều khiển LEARNING học hành vi của nó. Phương pháp này đã được xác thực thông qua việc áp dụng cho một hệ thống vốn dĩ không ổn định, một con lắc ngược.

Từ khóa

#Hệ thống điều khiển #Thuật toán di truyền #Phương pháp tối ưu hóa #Mạng nơ-ron #Điều khiển tối ưu #Logic mờ #Tổng hợp hệ thống điều khiển #Sự không chắc chắn #Phương trình #Hệ thống vòng hở

Tài liệu tham khảo

chowdhury, 1997, Evolutionary Reinforcement Learning for Neurofuzzy Control, Technical Report CSC-96020 cooper, 1993, Genetic design of fuzzy controllers, Proc 2nd Int Conf Fuzzy Theory Technology del gobbo, 1998, Sensor Failure Detection and Identification using Extended Kalman Filtering shimooka, 1998, Generating Equations with Genetic Programming for Control of a Movable Inverted Pendulum, Proceedings of Second Asia Pacific Conference on Simulated Evolution and Learning eberhart, 1996, Computational Intelligence PC Tools, AP Professional 10.1109/IJCNN.1993.714341 randall, 1995, The Future and Applications of Genetic Algorithms, Proceedings of the Electronic Directions to the Year 2000 conference, 471