基于改进遗传算法的足球机器人应用研究

采用遗传算法对模糊控制器的控制规则进行寻优,找到使控制系统的动态性能指标达到最佳的一组控制规则,然后将优化的控制规则应用于模糊控制器,最终得到优化的PID参数,实验结果表明该方案是可行有效的.     

基于遗传优化的图像增强模糊算法

将协同进化遗传算法(CGA)应用于图像增强的模糊算法优化,以优化模糊逻辑处理效果.在CGA算法中,同时优化选择了模糊逻辑规则、最佳隶属度函数和优化了隶属度函数的参数.通过具体图像处理实验,在客观评价上证明了本方案的有效性.     

基于递阶遗传算法的智能跟车控制

简单回顾了智能控制以及相关技术,采用一种递阶式遗传算法,对需要控制的跟车距离的相关模糊逻辑系统隶属度函数和规则库进行寻优,其中跟车距离模糊逻辑输入隶属度函数采用三输入模型,即基本规则包含45条,然后对所采用的遗传算法的初始种群和交叉、变异率等进行了设置,最后给出仿真结果.     

基于遗传算法的神经-模糊减振控制方法

针对复杂情况下模糊控制器难以获取经验规则的缺点,利用遗传算法来优化模糊控制器的规则,并采用一种权重和方法以实现多目标的优化控制.为了减少时滞对控制效果的影响,应用BP神经网络以预测模糊控制器的输入.基于76层风振Benehmark模型对提出的控制算法进行了计算仿真分析.结果表明神经-模糊控制(NN-FLC)方法在理想情况下与传统LQG控制算法控制效果相当;但在结构刚度不确定时,该方法具有较强的稳定性和鲁棒性,远优于LQG算法.     

基于遗传算法优化的模糊PID控制研究及其仿真

提出了一种基于遗传算法优化的模糊PID控制系统：采用遗传算法优化模糊控制中的隶属函数和控制规则,进一步完善了模糊PID控制器的性能,提高了系统的控制精度。并对优化后的模糊控制器进行了Matlab仿真研究,结果表明：经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。     

一种基于遗传算法的模糊神经网络控制器的设计

提出了一种基于遗传算法的模糊神经网络控制器的设计.该设计通过改进的遗传算法实现了控制规则和隶属函数的优化.算法中引入了优良模式自学习算子,改善了遗传算法的性能.通过对典型的非线性对象CSTR控制,仿真结果表明该方法是有效的.     

基于遗传算法的城域交叉路口两级模糊控制

分级模糊控制能有效减少模糊规则数,易于提取模糊规则,适合于交通状况复杂的城域交叉路口的交通控制,但它存在难以由人工合理定义全部模糊隶属度函数的问题.为此,提出了一种面向城域单交叉路口的自适应两级模糊控制系统,并采用遗传算法对两级模糊控制器中模糊隶属度函数进行优化调整.该控制系统具有分级模糊控制的优点,同时可以让模糊隶属度的选取更为合理,使模糊隶属度函数在不同交通情况下自适应地变化,从而改善控制效果.对一个两相位孤立交叉口进行仿真.结果表明该法能有效降低通行车辆在交叉口的平均等待时间.     

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.     

铅锌烧结过程的智能集成优化控制系统

以铅锌烧结过程的优化控制为背景,建立了铅锌烧结过程的烧穿点预测模型、综合透气性预测模型、综合工况预测模型,得到了烧结过程的优化控制的目标函数.采用模糊专家规则进行烧结过程状态控制,同时采用聚类搜索混沌遗传算法获得最优的操作参数,从而实现了铅锌烧结过程的在线实时集成优化控制.提出了智能集成优化控制系统,解决了多输入多输出复杂工业过程的控制问题.     

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.