运用遗传算法对制冷蒸发器过热度控制的优化方法

在制冷系统动态仿真的基础上，引入遗传算法对蒸发器过热度模糊控制的隶属度函数进行了优化，并给出了三角形隶属度函数的优化方案，利用MATLAB软件实现了仿真和优化过程，进行了优化模糊控制和比例积分（PI）控制品质的对比实验。结果表明，优化后的模糊控制使过热度的超调量减小，使阀的动作平稳。     

压缩式冷水机组节能优化研究

针对现有优化方法未能充分考虑蒸发器过热度对压缩式冷水机组运行效率与稳定性的影响,导致过热度优化值偏高、系统运行能效不能达到最优的问题,提出了一种能够最小化过热度的节能优化方法,以进一步挖掘冷水机组节能潜力。通过分析制冷循环,建立了冷水机组稳态机理模型以及能耗模型,并提出了最小稳定过热度曲线的实验获取方法;然后根据最小稳定过热度曲线在线调整过热度约束,以系统总能耗最小为优化目标,利用遗传算法对冷水机组不同负荷下设定点进行寻优计算,实现系统优化运行。对比实验结果表明:改进的过热度约束在保证系统稳定的前提下,有效地扩大了寻优范围,在夏季典型工况下的工作时段,可比现有优化方法平均节能1.92%。该研究对压缩式冷水机组优化节能控制具有重要的现实意义。     

互联电力系统AGC的模糊和遗传控制算法

针对互联电力系统自动发电控制(AGC),结合模糊控制和遗传算法提出一种新型的PID智能控制器.这种控制器主要特点是选用遗传算法整定的PID参数值作为模糊自整定PID参数控制器的初值,然后再对模糊控制的相关参数用遗传算法优化,避免了参数选择的盲目性.仿真结果明显优于传统的PID控制器,同样也优于单独模糊PID控制器和由遗传算法寻优而设计的PID控制器.同时,在研究遗传算法寻优的过程中提出一种新的适应度选择方法.     

互联电力系统AGC的模糊和遗传控制算法

针对互联电力系统自动发电控制(AGC)，结合模糊控制和遗传算法提出一种新型的PID智能控制器，这种控制器主要特点是选用遗传算法整定的PID参数值作为模糊自整定PID参数控制器的初值，然后再对模糊控制的相关参数用遗传算法优化，避免了参数选择的盲目性。仿真结果明显优于传统的PID控制器，同样也优于单独模糊PID控制器和由遗传算法寻优而设计的PID控制器。同时，在研究遗传算法寻优的过程中提出一种新的适应度选择方法。     

蒸发器出口制冷剂过热度的模糊控制

提出了带有回风温度前馈补偿的蒸发器出口制冷剂过热度的模糊控制方法，此方法适应于制冷系统控制特性，并且简单实用．其有效性得到实验验证．     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

改进遗传优化的无刷直流电机模糊PI控制

为解决无刷直流电机控制方案的优化问题,采用改进遗传优化的模糊PI控制方法,设计无刷直流电机速度控制器,分析了传统模糊控制存在的缺点,对隶属度函数和模糊控制规则同时进行优化,改进了遗传算法设计过程中影响控制性能的不合理因素,通过系统仿真分析和基于DSP的实验平台,验证了提出的改进遗传优化模糊PI控制方法的有效性.研究结果表明:改进遗传优化模糊PI控制器具有响应速度快,无超调等特性,鲁棒性和抗干扰能力强,电机动、静态性能得到明显改善.新型控制方法有效提高了无刷直流电机控制性能,并为无刷直流电机高性能控制的理论研究和实际应用提供了新的思路.     

风冷制冷机组的多变量模糊控制研究

针对一个多输入多输出、非线性复杂系统明显的非线性热力学耦合特性，采用模糊控制与神经网络相结合的方法，提出一种具有结构和参数学习能力的自组织模糊神经网络控制器，在控制过程中通过采样数据在线学习，调整网络结构，产生模糊控制规则并调整规则的参数，使得控制器具有模糊控制的特点，又有神经网络学习的能力．通过对风冷制冷机组控制试验的结果表明，该控制器能够达到同时控制蒸发压力和过热度的目的．     

基于PLC的室温模糊-PI控制

在空调系统的温度控制过程中引入模糊控制机理，根据系统的动态特性和行为，采用了对PI控制器的参数在线调整的方法。用PLC语言开发了模糊-PI控制器，应用到实际工程上的结果表明，在参数变化的情况下，模糊-PI控制在解决系统减少超调、缩短调节时间和良好适应性方面优于常规PI控制，在实际控制中达到了良好的控制效果。     

基于RBF神经网络的预测控制

运用神经网络解决系统的非线性问题,用预测控制解决系统时滞问题．针对制冷系统膨胀阀控制回路具有时滞、非线性的特点,提出了将基于RBF神经网络的预测控制用于蒸发器过热度的控制．仿真与应用均表明该算法具有良好的动态响应和较强的鲁棒性,能够对蒸发器过热度进行有效的控制．     

基于计算智能的模糊规则自动生成

介绍模糊控制开发系统中隶属函数编辑、模糊规则生成与优化、目标代码生成的原理和功能,提出了基于多层感知器网络、五层模糊神经网、遗传算法的模糊规则自动生成算法,并给出各算法特点和结果分析     

基于遗传算法的模糊控制器设计

遗传算法是建立在自然选择和自然遗传学机理上的遗传自适应概率性搜索算法 ,对于多变量寻优问题是一种易于实现的、有效的途径 ,提出了一种基于遗传算法的隶属函数和控制规则的最优设计方法。仿真结果表明 ,用该方法设计的模糊控制器用较少的模糊变量即可获得良好的性能。     

基于免疫遗传算法的模糊优化控制及其仿真

提出了一种记忆细胞精英抗体遗传策略,能强化免疫系统的记忆功能和抗体浓度调节机制,从而使免疫遗传算法更快速、稳定地收敛到全局最优点.在模糊规则和隶属度函数联合编码基础上,通过上述改进型免疫遗传算法实现模糊控制器参数的同步优化.另外,由于模糊规则库和隶属度函数通常都具有对称的特点,控制器优化时可将搜索空间减半,从而使稳定性、收敛性得到显著提高.将这种新型模糊优化控制方法应用于过热汽温控制系统进行仿真,结果表明可以获得非常满意的闭环控制效果.     

模糊多目标可靠性优化设计的遗传算法

给出模糊多目标可靠性优化设计的一个遗传算法.该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度,具有加权指数的协调满意度函数形式;通过加权函数将各子目标的协调满意度函数综合成统一的单目标优化模型,用遗传算法求解模型.通过实例验证该方法的有效性.     

模糊控制器隶属函数曲线的优化方法

应用遗传算法优化隶属函数曲线的疏密分布，阐述了优化的基本原理和具体实施过程，最后将该算法应用于一类对象模糊控制系统的设计中。仿真结果表明：该方法得出的隶属函数具有较为理想的控制效果。     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

遗传模糊优化算法在三容水箱控制系统中的仿真应用

针对存在大滞后、时变、非线性特点的液位控制系统在工况大范围变化时传统控制算法控制效果不理想的问题,提出利用模糊控制结合遗传算法的空间寻优能力,对隶属度函数的参数和模糊控制规则的后件进行综合编码优化,利用进化原理寻优来获得最佳的参数进行模糊系统自动设计的方法建立三容水箱控制系统仿真模型,在此模型上验证.仿真结果表明此方法的有效性和实用性.