[发明专利]基于遗传蚁群融合模糊控制器的助行电刺激精密控制方法

权利要求书

1.一种基于遗传蚁群融合模糊控制器的助行电刺激精密控制方法，其特征是，包括下列步骤：

首先将模糊控制的量化因子、比例因子以及隶属函数参量的12个决策变量kfuzz的选择转化为遗传与蚁群算法适用的组合优化问题，并对这12个kfuzz进行二进制编码，之后随机产生n个个体组成的初始种群P(0)，其中kfuzz为n×12的向量；

其次建立合理的实际关节角度与肌肉模型输出关节角度的相应关系目标函数以及确定蚁群算法的参数设置，利用遗传算法产生蚁群算法中的初始信息素分布，利用蚂蚁随机搜索优化模糊控制器的隶属函数以及量化因子和比例因子，并调用已整定的模糊控制器，验证是否达到预设目标，若无重复以上操作，直到参数收敛或者达到预定的指标，输出模糊控制的决策变量和蚁群运行的次数；

依据前述输出模糊控制的决策变量在模糊控制器下计算系统输出及其与肌肉模型的偏差后再进入下一步的自学习与自调整，反复此过程，最终实现模糊控制器参数的自适应在线整定，并用于FES系统。

2.根据权利要求1所述的一种基于遗传蚁群融合模糊控制器的助行电刺激精密控制方法，其特征是，所述模糊控制器为二维模糊控制器，两个输入变量分别实际输出关节角度和期望关节度的误差e(k)以及误差的变化率ec(k)，论域为FE＝[-E，E]，FEC＝[-EC，EC]，输出的刺激电流强度u(k)，其论域为FU＝[-U，U]；

误差的量化论域为X＝{-n，-n+1，…0，…，n-1，n}；                            (1)

误差变化率的量化论域为X₁＝{-m，-m+1，…0，…，m-1，m}；                     (2)

控制量的量化论域为Y＝{-k，-k+1，…0，…，k-1，k}；                          (3)

量化因子分别为

K_e＝n/X_e；                                                                  (4)

K_ec＝m/X_ex；                                                                (5)

比例因子为

K_u＝k/Y_u；                                                                  (6)

误差的论论域：{-3 -2 -1 0 1 2 3}；误差变化率的论域为{-3 -2 -1 0 1 2 3}输出值的论域{-3 -2 -1 0 1 2 3}。控制规则为：如果E1且EC1则U1，如果E2且EC2则U2，……Ep 且ECp则Up；

其总模糊控制规则为

R＝(E_i×CE_i)^T1оC_i                                                          (8)

其中E₁＝(a_1i…a_ni)，EC₁＝(b_1i…b_mi)，U₁＝(c_1i…c_ti)(i＝1，…p)

采用的反模糊化法是加权平均法

uc=(Σi=-ssiki)/(Σi=-ssui)---(9)]]>

对于每一个具体的观察值偏差E^*和其误差变化率EC^*，再分别用各自的量化因子公式变成量化论域中的元素，再把其模糊化为E^*和EC^*，

其中E^*＝(e₁…e_n)，EC^*＝(f₁…f_m)

由公式(8)求输出的精确量。