150 likes | 263 Views
Geneettisten algoritmien käyttö sumean säätimen optimoinnissa. Daniel Westman. Geneettinen algoritmi. Geneettinen algoritmi. Luonto. Selviytyminen perustuu evoluutioon. Johtaa lopulta parempaan organismiin kun parhaimmat geenit jäävät eloon. Optimointimenetelmä joka matkii evoluutiota.
E N D
Geneettisten algoritmien käyttö sumean säätimen optimoinnissa. Daniel Westman
Geneettinen algoritmi Geneettinen algoritmi Luonto Selviytyminen perustuu evoluutioon. Johtaa lopulta parempaan organismiin kun parhaimmat geenit jäävät eloon. • Optimointimenetelmä joka matkii evoluutiota. • Johtaa lopulta parempiin parametreihin
Geneettinen algoritmi Geneettinen algoritmi Luonto Kromosomi Geeni • Kokoelma parametrejä • Yksittäinen parametri Kromosomi Geeni – Geeni – Geeni – Geeni [1,5 4,2 10,0 6,7]
Geneettinen algoritmi • Luonnossa hyvyysfunktiona on selviytyminen • GA:ssa hyvyysfunktio on käyttäjän määrittelemä • Myös risteytys ja mutaatiot käyttäjän määriteltävissä
Sumea säädin • Sumea logiikka • Sääntöjä joita yhdistetään muihin sääntöihin
Sumea säädin + GA • Sumean säätimen sääntörajat ovat potentiaalisia optimoinnin kohteita. • Jopa kokonaiset säännöt voidaan tuottaa GA:lla • Defuzzifikaatiomenetelmä geeninä
Sumea säädin + GA Hyötyjä • Ei tarvitse tuntea koko prosessia • Sääntöjen hienosäätö • Sääntöjen karkeasäätö • Nopeus
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.
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
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.
Sumea säädin + GA Muovipuristuskone • Käytetty sumeaa säädintä pitämään lämpötilat vakiona muovin homogeenisuuden takaamiseksi. • GA:m avulla optimoitu sääntöparametrejä ja päädytty selkeään parannukseen vasteessa.
Sumea säädin + GA • Seinää seuraava robotti • GA muodosti • Säännöt • Parametrit • Sääntöjen kelpoisuus täytyy arvioida • Suuri määrä sääntöjä antoi sulavamman liikkeen mutta ei nopeuttanut tomintaa.
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&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=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