Esittely latautuu. Ole hyvä ja odota

Esittely latautuu. Ole hyvä ja odota

Geneettisten algoritmien käyttö sumean säätimen optimoinnissa. Daniel Westman.

Samankaltaiset esitykset


Esitys aiheesta: "Geneettisten algoritmien käyttö sumean säätimen optimoinnissa. Daniel Westman."— Esityksen transkriptio:

1 Geneettisten algoritmien käyttö sumean säätimen optimoinnissa. Daniel Westman

2 Geneettinen algoritmi Optimointimenetelmä joka matkii evoluutiota. Johtaa lopulta parempiin parametreihin Luonto Selviytyminen perustuu evoluutioon. Johtaa lopulta parempaan organismiin kun parhaimmat geenit jäävät eloon.

3 Geneettinen algoritmi Kokoelma parametrejä Yksittäinen parametri Kromosomi Geeni – Geeni – Geeni – Geeni [1,5 4,2 10,0 6,7] Luonto Kromosomi Geeni

4 Geneettinen algoritmi Luonnossa hyvyysfunktiona on selviytyminen GA:ssa hyvyysfunktio on käyttäjän määrittelemä Myös risteytys ja mutaatiot käyttäjän määriteltävissä

5 Sumea säädin Sumea logiikka Sääntöjä joita yhdistetään muihin sääntöihin

6 Sumea säädin

7 Sumea säädin + GA Sumean säätimen sääntörajat ovat potentiaalisia optimoinnin kohteita. Jopa kokonaiset säännöt voidaan tuottaa GA:lla Defuzzifikaatiomenetelmä geeninä

8 Sumea säädin + GA Hyötyjä Ei tarvitse tuntea koko prosessia Sääntöjen hienosäätö Sääntöjen karkeasäätö Nopeus

9 Sumea säädin + GA Pallo ja tanko epästabiiliusongelma Department of Electrical Engineering, The Hong Kong Polytechnic University(1997) Testausalusta valmiina Testattiin kolmea eri säädintä – Kalman filtered controller(KFC) – Manual tuned fuzzy controller – GA optimized Fuzzy controller Tulos: GA:n avulla voitiin nopeuttaa suunnitteluprosessia ja lopputuloksen robustisuutta merkittävästi.

10 Sumea säädin + GA Helikopterin ohjaus Vaikea ongelma: epästabiili, monta vapausastetta, monimutkaisia riippuvuuksia Suuri määrä sumeita sääntöjä – Jaettiin ylös/alas, oikea/vasen, eteen/taakse, suunta – Ei edelleenkään tarpeeksi yksinkertainen vaikkakin helpompi – GA avuksi

11 Sumea säädin + GA Helikopterin ohjaus Sääntörungot valmiina mutta parametrit täytyi optimoida. Optimoitiin vaiheittain eri toiminnoille, 12 eri sääntökantaa Tuloksena robusti sääntökanta joka pystyi lentämään hyvin, tosin säätimen suunnitteluvirhettä se ei poistanut.

12 Sumea säädin + GA Muovipuristuskone Käytetty sumeaa säädintä pitämään lämpötilat vakiona muovin homogeenisuuden takaamiseksi. GA:m avulla optimoitu sääntöparametrejä ja päädytty selkeään parannukseen vasteessa.

13 Sumea säädin + GA Seinää seuraava robotti GA muodosti – Säännöt – Parametrit Sääntöjen kelpoisuus täytyy arvioida Suuri määrä sääntöjä antoi sulavamman liikkeen mutta ei nopeuttanut tomintaa.

14 Kiitos ja anteex

15 Lähdeluettelo Per Eklundin luentomonisteet 15.1.2010 ja 29-30.1.2010 kurssilta Sumeat Järjestelmät. http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=333078 http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6V05-3Y9GTN9- 2&_user=10&_coverDate=04%2F16%2F2000&_rdoc=1&_fmt=high&_orig=search& _origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1502998674&_reru nOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md 5=c04ee693dffeca2007869242c95317fe&searchtype=a http://www.worldscibooks.com/etextbook/2896/2896_chap01.pdf http://www.iaeng.org/publication/IMECS2010/IMECS2010_pp1075-1080.pdf http://www.gsi.dec.usc.es/mucientes/pubs/Mucientes07_asc.pdf


Lataa ppt "Geneettisten algoritmien käyttö sumean säätimen optimoinnissa. Daniel Westman."

Samankaltaiset esitykset


Iklan oleh Google