【正文】 高級自適應(yīng)系統(tǒng)所具備的能力之一，基于遺傳算法的機(jī)器學(xué)習(xí)，特別是分類器系統(tǒng)，在很多領(lǐng)域中都得到了應(yīng)用。例如，遺傳算法被用于學(xué)習(xí)模糊控制規(guī)則，利用遺傳算法來學(xué)習(xí)隸屬度函數(shù)，從而更好地改進(jìn)了模糊系統(tǒng)的性能；基于遺傳算法的機(jī)器學(xué)習(xí)可用來調(diào)整人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)，也可用于人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計；分類器系統(tǒng)也在學(xué)習(xí)式多機(jī)器人路徑規(guī)劃系統(tǒng)中得到了成功的應(yīng)用。10 數(shù)據(jù)挖掘 數(shù)據(jù)挖掘是近幾年出現(xiàn)的數(shù)據(jù)庫技術(shù)，它能夠從大型數(shù)據(jù)庫中提取隱含的、先前未知的、有潛在應(yīng)用價值的知識和規(guī)則。許多數(shù)據(jù)挖掘問題可看成是搜索問題，數(shù)據(jù)庫看作是搜索空間，挖掘算法看作是搜索策略。因此，應(yīng)用遺傳算法在數(shù)據(jù)庫中進(jìn)行搜索，從而挖掘出隱含在數(shù)據(jù)庫中的規(guī)則。Sunil已成功地開發(fā)了一個基于遺傳算法的數(shù)據(jù)挖掘下具。利用該工具對兩個飛機(jī)失事的真實數(shù)據(jù)庫進(jìn)行了數(shù)據(jù)挖掘?qū)嶒?，結(jié)果表明遺傳算法是進(jìn)行數(shù)據(jù)挖掘的有效方法之一。 電動機(jī)控制中的遺傳算法PID參數(shù)優(yōu)化 本文以直流電動機(jī)系統(tǒng)進(jìn)行了仿真驗證，使用了具有突出尋優(yōu)能力和計算簡單的遺傳算法進(jìn)行參數(shù)整定，并通過Matlab編程進(jìn)行參數(shù)尋優(yōu)，整定出的參數(shù)使性能指標(biāo)達(dá)到最優(yōu)[48]。 (l) 參數(shù)的確定及表示 首先確定參數(shù)范圍，該范圍一般是由用戶給定的，然后由精度的要求，對其進(jìn)行編碼。選取二進(jìn)制字串表示每一個參數(shù)，并建立與參數(shù)間的關(guān)系。再把二進(jìn)制串連起來就組成一個長的二進(jìn)制字串，該字串為遺傳算法可以操作的對象。 (2) 選取初始種群 因為需要編程來實現(xiàn)各過程，所以采用計算機(jī)隨機(jī)產(chǎn)生初始種群。針對二進(jìn)制編碼而言，先產(chǎn)生0~1之間均勻分布的隨機(jī)數(shù)，然后規(guī)定產(chǎn)生的隨機(jī)數(shù)0~，~1之間代表1。此外，考慮到計算的復(fù)雜程度來規(guī)定種群的大小。 (3) 適應(yīng)度函數(shù)的確定 衡量一個控制系統(tǒng)的指標(biāo)有三個方面，即穩(wěn)定性、準(zhǔn)確性和快速性。而上升時間反映了系統(tǒng)的快速性，上升時間越短，控制進(jìn)行的就越快，系統(tǒng)品質(zhì)也就越好。在實際應(yīng)用中會因系統(tǒng)中固有的飽和特性而導(dǎo)致系統(tǒng)不穩(wěn)定，為了防止控制能量過大，在目標(biāo)函數(shù)中加入控制量。因此為了使控制效果更好，本文給出了包含控制量、誤差和上升時間作為約束條件的目標(biāo)函數(shù)。因為適應(yīng)度函數(shù)同目標(biāo)函數(shù)相關(guān)，所以目標(biāo)函數(shù)確定后，直接將其倒數(shù)作為適應(yīng)度函數(shù)進(jìn)行參數(shù)尋優(yōu)。最優(yōu)的控制參數(shù)也就是在滿足約束條件下使f(x)最大時，x所對應(yīng)的控制器參數(shù)。 (4) 優(yōu)化步驟下面就可以編程使用遺傳算法對PID參數(shù)進(jìn)行尋優(yōu)。利用遺傳算法優(yōu)化Kp、Ki、Kd的具體步驟如下:① 確定每個參數(shù)的大致范圍和編碼長度，進(jìn)行編碼。② 隨機(jī)產(chǎn)生n個個體構(gòu)成初始種群P(0)。③ 將種群中各個體解碼成對應(yīng)的參數(shù)值，用此參數(shù)求代價函數(shù)值J及適應(yīng)度函數(shù)值f,f=；④ 應(yīng)用復(fù)制、交叉和變異算子對種群P(t)進(jìn)行操作，產(chǎn)生下一代種群P(t+1)。⑤ 重復(fù)步驟③和④，直至參數(shù)收斂或達(dá)到預(yù)定的指標(biāo)。 試驗的電機(jī)性能參數(shù)如下: = m/A=m/A Ce為電動勢常數(shù) 10kg /s 根據(jù)被控電動機(jī)特性，建立電動機(jī)的連續(xù)傳遞函數(shù)模型為:,。 遺傳算法中使用的樣本個數(shù)為30，參數(shù)Kp的取值范圍為[0，20]，Ki、Kd的取值范圍為[0，1]，取wl=，w2=,w3=100，w4 =。采用實數(shù)編碼方式，經(jīng)過100代進(jìn)化，獲得的優(yōu)化參數(shù)如下: 簡單遺傳算法 Bestfi = BestS = Best_J = 改進(jìn)遺傳算法 Bestfi = BestS = Best_J = 代價函數(shù)J的優(yōu)化過程和采用整定后的PID控制階躍響應(yīng)如圖41和圖42所示。圖41 代價函數(shù)J的優(yōu)化過程圖42階躍響應(yīng) 圖42中紅色曲線表示簡單遺傳算法參數(shù)優(yōu)化的PID控制響應(yīng)曲線，綠色曲線是表示改進(jìn)遺傳算法參數(shù)優(yōu)化的PID控制響應(yīng)曲線。文章應(yīng)用遺傳算法對電機(jī)的PID控制器參數(shù)進(jìn)行了優(yōu)化設(shè)計，得到了優(yōu)化的PID控制參數(shù)，從響應(yīng)曲線可以看出，應(yīng)用改進(jìn)后的遺傳算法電機(jī)響應(yīng)速度加快，跟蹤性良好，控制效果明顯提高。5 結(jié)論 文章介紹了人工智能的發(fā)展歷程及概況，從而說明控制技術(shù)在電氣工程自動化控制中應(yīng)用可以發(fā)揮很大的作用，能有效促進(jìn)電氣的優(yōu)化設(shè)計，智能化技術(shù)能充分發(fā)揮作用，促進(jìn)電氣優(yōu)化的設(shè)計，及時診斷故障，并且還可實現(xiàn)智能控制。本文主要分析了人工智能技術(shù)及其在電氣工程自動化控制中的應(yīng)用。本文利用遺傳算法對某一電機(jī)控制系統(tǒng)的PID參數(shù)進(jìn)行優(yōu)化，以提高控制系統(tǒng)的性能指標(biāo)。文章的最后給出了仿真實例，證明了本文方法的正確性和實用。參考文獻(xiàn)[1] 玄光男(日)，2000: 122[2]陳國良，王煦法，莊鎮(zhèn)泉，1996[3](綜述).工程數(shù)學(xué)學(xué)報，1999, 2, 16(1): 18[4]劉金硯，:電子工業(yè)出版社，2003[5]Catalin Nicolae Calistru，Mixed H2/Hinfinity PID Robust Control via Genetic Algorithms and Mathematical Facilities，ESIT 99European symposium on Intelligent Techniques，Crete，Greece[6]Joines J.，Houck C, On the use of nonstationary penalty functions to solve nonlinear constrained optimization prob1ems with Gas. In Proceedings of the First International Conference on Evolutionary Computation， Michalewicz，Z(ed.)，Piscatawa ,NJ:IEEE Press，1994，569~584[7]C .T .lin Nicolae Calistru .Mixed H2/ Robust Control via Genetic Algorithms and MATHEMATICA Facilities.[8]馬龍華，葉正波，鄭永凌等，基于LQR指標(biāo)的魯棒PID整定方法及魯棒穩(wěn)定性裕度評估，浙江大學(xué)學(xué)報， ，486~48920