Multi-Objektive genetische Algorithmus-Optimierung basierend auf Fuzzy-Steuerung

Es wird ein Fuzzy-Regler für die Anti-Schwenk- und Positionierungssteuerung eines Laufkrans vorgeschlagen, der auf dem dynamisch verbundenen Fuzzy-Inferenzmodell SIRMs (Single Input Rule Modules) basiert. Die Katzposition und -geschwindigkeit, der Seilschwingungswinkel und die Winkelgeschwindigkeit werden als Eingangsgrößen und die Katzbeschleunigung als Ausgangsgröße gewählt. Mit einer einfachen Struktur kann der Regler den Einfluss jedes Eingangselements selbständig anpassen. Das Steuersystem erweist sich außerdem als asymptotisch stabil in der Nähe des Ziels. Multi-objektive genetische Algorithmus-Optimierung wird erfolgreich implementiert, um die Reglergewinne zu finden. Die Simulationsergebnisse zeigen, dass der Regler robust gegenüber unterschiedlichen Seillängen ist und die Fähigkeit zur Generalisierung für unterschiedliche Ausgangspositionen besitzt. Im Vergleich zu linearen Zustandsreglern kann der Fuzzy-Regler den Kran in kurzer Zeit mit kleinem Schwenkwinkel zum Ziel führen.