基于GA-BP算法的模糊神经网络控制器研究

提出了一种基于GA-BP算法的模糊神经网络控制器,将GA的离线全局寻优及BP实时学习相结合,克服了单独应用GA算法或BP算法调节模糊神经网络控制器参数存在的缺陷。仿真结果表明经GA-BP算法优化的控制器性能优于传统算法调节的控制器。     

基于模糊控制器的变步长盲均衡算法

分析研究变步长恒模盲均衡算法基本原理和基于模糊控制器变步长盲均衡算法基本原理后,提出了一种新的基于模糊控制器的变步长盲均衡算法.该算法利用模糊控制器控制盲均衡算法的迭代步长,得到了更好的均衡性能.     

一种参数在线修正的变结构模糊控制算法

本文在基本模糊控制器的基础上,分析了模糊控制系统动态及稳态性能,提出了一种模糊控制器参数在线修正算法,并在控制器结构中引入了智能积分环节,改善了模糊控制器的控制性能,仿真结果证明了这种算法的优异性能。     

基于粒子群算法的模糊神经网络控制器

将粒子群算法与模糊神经网络结合起来提出了一种粒子群模糊神经网络控制器,先用粒子群算法对模糊神经控制器进行离线训练,然后用BP算法对模糊神经控制器进一步在线训练,仿真结果表明该控制器比模糊神经控制器取得了更好的控制效果。     

基于模糊文化算法的自适应优化

笔者提出一种基于模糊控制器的自适应文化优化算法,利用模糊控制器调整参数β,改变个体在进化中的个数,使文化算法得到了优化.在测试函数的仿真试验对比结果证明,改进算法优于原有算法.     

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法。首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊规则的优化调整;最后,分别采用多目标PSO算法和改进多目标PSO算法优化轨迹跟踪模糊PID控制器获得了2个优化目标的向量集合,并对比分析了优化结果。实验结果表明,所设计的改进多目标PSO算法具有更优的非支配解集,验证了该算法优化机器人轨迹跟踪模糊PID控制器的有效性和优越性。     

基于粒子群算法的模糊神经网络控制器

将粒子群算法与模糊神经网络结合起来提出了一种粒子群模糊神经网络控制器,先用粒子群算法对模糊神经控制器进行离线训练,然后用BP算法对模糊神经控制器进一步在线训练,仿真结果表明该控制器比模糊神经控制器取得了更好的控制效果.     

神经网络模型参考自适应控制算法研究

分析了基于BP算法的神经网络模型参考自适应控制器对大惯性环节被控对象的控制效果,发现该算法使控制器存在严重的“过学习”现象,为避免这一现象,设计了一种新的误差函数结构,得到改进的BP算法,针对一个存在大惯性环节的线性时变系统,对比分析了神经网络模型参考自适应控制器在采用传统的BP算法和改进的BP算法时得到的不同控制效果。     

基于MATLAB/Simulink仿真的永磁同步电机新型超螺旋二阶滑模转速控制

为进一步提高永磁同步电机转速外环控制性能,设计了一种新型超螺旋二阶滑模转速控制器。基于传统超螺旋算法,提出了一种新型超螺旋算法,包括设计了变指数取代传统算法中非线性项的常指数,采用分数阶代替整数阶,构造了变边界层非线性指数函数取代开关函数。采用新型超螺旋算法设计永磁同步电机转速控制器,并进行MATLAB/Simulink仿真,过程中使用鲸鱼算法优化控制参数。所得仿真结果为：相比指数趋近律与传统超螺旋算法,采用新型超螺旋算法设计的转速控制器的转速超调、转速受扰时的下降幅度、转速稳态跟踪误差最小。根据仿真结果,得出结论为：新型超螺旋二阶滑模转速控制器在系统收敛能力、抗扰能力及抖振抑制能力方面均优于指数趋近律滑模和传统超螺旋二阶滑模转速控制器。     

一种基于微粒群算法的自适应滑模控制

提出了一种基于微粒群算法的自适应滑模控制方法,把微粒群算法运用于自适应滑模控制器设计中.首先利用一种自适应算法估计系统中总不确定量的上确界,然后利用微粒群算法对自适应滑模控制器的切换参数和自适应参数进行优化调节,在改善系统控制性能和鲁棒性的同时削弱了抖振.仿真研究结果证明了该方法的有效性.     

分层遗传算法在DC/DC变换器中的应用

DC／DC变换器为强非线性、时变及不确定系统．由于其自身的特点,使得DC／DC变换器的控制研究工作比较困难．文中提出一种用遗传算法优化的模糊控制器,控制DC／DC变换器．对传统的遗传算法进行改进．使之优化能力更好．由仿真和实际试验证明,经过改进的遗传算法优化的模糊控制器,对DC／DC变换器的控制效果更显著,动态特性和静态特性都得到进一步改善．同时说明所介绍的自适应遗传算法的寻优能力更好,收敛速度也更快．     

柴油机模糊自校正PID控制器

提出一种在线修正ＰＩＤ参数的模糊控制器改进算法。首次增加载荷和增压器进气流量作为新的模糊变量,用模糊芯片Ｆ１００实时调整柴油机电子调速器ＰＩＤ参数。仿真结果和Ｚ６１３５柴油机调速性能试验表明,模糊控制器改善了调速器带载条件下的动态响应,提高了系统的综合性能。     

遗传算法优化的无刷直流电机模糊PID控制器设计

设计一种基于遗传算法优化的模糊PID(比例-积分-微分)控制器GFPC（genetic algorithm based fuzzy PID controller）, 以提高无刷直流电机的工作稳定性. GFPC通过模糊控制器整定PID的比例、积分和微分系数, 并采用改进的遗传算法对模糊控制器的隶属度函数和模糊规则进行优化, 以改善无刷直流电机的控制效果. 通过对比实验对该方法进行测试, 结果表明, GFPC具有更好的稳态性能和动态品质, 且自适应能力与鲁棒性更强.     

遗传算法优化的无刷直流电机模糊PID控制器设计

设计一种基于遗传算法优化的模糊PID(比例-积分-微分)控制器GFPC（genetic algorithm based fuzzy PID controller）, 以提高无刷直流电机的工作稳定性. GFPC通过模糊控制器整定PID的比例、积分和微分系数, 并采用改进的遗传算法对模糊控制器的隶属度函数和模糊规则进行优化, 以改善无刷直流电机的控制效果. 通过对比实验对该方法进行测试, 结果表明, GFPC具有更好的稳态性能和动态品质, 且自适应能力与鲁棒性更强.     

用 BP 算法实现模糊控制规则的自校正

利用ＢＰ算法对模糊神经网络（ＦＮＮ）所能执行的控制规则进行自校正,使应用到工业过程的模糊控制器的性能得到改进．仿真结果表明,用改进后的方法设计的模糊控制器能够显著地减小系统的稳态误差,具有比较快的响应速度和较强的鲁棒性．     

城市交通信号的模糊控制研究

以城市主干道交叉口为研究对象,提出了一种实用的交通流模糊控制算法,该算法包括模糊控制算法和绿灯延时终止算法两部分。在现有的模糊控制算法的基础上,增加了绿灯延时终止算法,从而利用模糊逻辑对绿信比进行了优化。在SDCSTS仿真软件的基础上进行了仿真研究。仿真结果表明该方法的有效性。     

一种基于改进的模糊Smith控制主动队列管理算法

针对网络中传输延时给拥塞控制带来不利影响,而现有算法过于依赖精确模型的弱点,提出将模糊控制与改进的Smith预估补偿相结合的设计用于与TCP连接的主动队列管理算法.通过改进的Smith预估补偿器对时延进行预估补偿,使得对TCP的拥塞控制更加及时;而模糊控制器无需被控对象的精确数学模型即能实现良好的控制,可以克服Smith预估补偿依赖精确模型的缺点.两者的结合对于时滞网络的控制可以达到优势互补的作用.最后通过仿真验证了方法的有效性.     

模糊自适应控制算法在水轮机调速器建模中的应用

在模糊控制器的设计中,模糊规则的提取,比例、量化因子和隶属度函数的确定都具有一定主观性;针对这种情况,提出改进的模糊自适应PID控制算法(IFPID),利用微粒群算法对经过预处理的隶属度函数进行优化.在水轮机调速器仿真实验中,与简单PID控制算法和一般模糊控制算法相比,基于改进模糊自适应PID算法的系统在响应频率扰动和负荷扰动时有着更短的调节时间和更小的超调量.     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.     

Temperature modeling and control of Direct Methanol Fuel Cell based on adaptive neural fuzzy technology

Aiming at on-line controlling of Direct Methanol Fuel Cell （DMFC） stack, an adaptive neural fuzzy inference technology is adopted in the modeling and control of DMFC temperature system. In the modeling process, an Adaptive Neural Fuzzy Inference System （ANFIS） identification model of DMFC stack temperature is developed based on the input-output sampled data, which can avoid the internal complexity of DMFC stack. In the controlling process, with the network model trained well as the reference model of the DMFC control system, a novel fuzzy genetic algorithm is used to regulate the parameters and fuzzy rules of a neural fuzzy controller. In the simulation, compared with the nonlinear Proportional Integral Derivative （PID） and traditional fuzzy algorithm, the improved neural fuzzy controller designed in this paper gets better performance, as demonstrated by the simulation results.