无需量化因子的模糊直接逆控制

针对模糊控制中量化因子难以确定以及无先验知识情况下模糊控制器结构和参数难以得到问题，提出了一种无量化因子和不依赖专家经验知识的模糊直接逆控制方案，克服了传统模糊规则基的得到过分依赖专家知识的弱点，控制器的规则基不采用规则的三角形形式，而是采用与实际更加接近的无规则三角形，规则基的得到不依赖已知经验，而是根据系统输入输出信息，利用进化规划离线对控制器规则基的结构和参数同时优化、实际控制中利用优化的规则基对系统进行控制，实时控制算法的运算时间仅为一组规则基的计算时间，大大加快了系统的响应速度，仿真结果验证了算法的有效性。     

参数自调整模糊控制系统的设计与仿真

在常规模糊控制器的基础上提出了一种参数自调整模糊控制器的设计方法,即通过编写S函数来自动修正量化因子Ke,Kec和比例因子Ku,从而改善基本模糊控制器的性能。仿真结果表明:该控制器具有自适应性强、调节时间短等优点。     

基于混沌的白适应模糊PID参数寻优研究

针对自适应模糊PID控制器提出了一种基于混沌变量的优化算法.首先,利用混沌运动的遍历性特性,基于混沌优化方法进行PID控制器设计.在系统稳定的条件下,通过粗调和精确搜索可以找到具有最小参数的最佳控制器.这些参数被用来作为自适应模糊PID控制器的最佳参数.然后,按照自适应模糊控制方法,控制律及其参数可以被确定.仿真实验结果显示,该方法能够达到所要求的指标,其有效性得到了证明.     

基于免疫算法自调节变异率的FNNC参数优化及其应用

针对复杂钢坯加热过程，提出了一种自调节变异率的免疫进化模糊神经网络控制（IE—FNNC）算法。首先根据现场样本数据建立过程神经网络模型；然后基于该模型，采用规则优化算法，确定模糊神经网络控制器（FNNC）的最佳规则数；最后由FNNC的规则优化所得参数构造初始种群的一个解，采用自调节变异率的免疫进化（IE）算法对FNNC参数优化。该算法具有全局寻优和局部求精能力，仿真结果证实了其有效性。     

基于自组织调整因子的模糊PID控制器设计

实际工业过程往往是非线性、时变性、其结构参数不确定的系统。提出一种基于自组织调整因子的模糊PID控制器：采用归一化加速度参量来反映系统响应的快慢,引入变论域思想,构建模糊PID控制器的自组织调整机构。该机构根据系统输入输出误差,以归一化加速度参量在线辨识系统运行的不同阶段,动态调整模糊PID控制器的量化因子和比例因子,以改变模糊PID控制器输入输出变量与模糊子集的映射关系,使论域产生伸缩变化,以调节控制器的微分、积分控制作用。仿真结果表明：该自适应模糊PID控制器具有较大的动态调节范围,其动静态性能、鲁棒性、抗干扰能力均优于PID和常规模糊PID控制器。     

模糊逻辑系统的一种自适应参数学习算法

根据自适应模糊逻辑理论以及基于导数的参数优化方法,分析了模糊逻辑系统常规参数优化算法存在的不足,从改善模糊系统的参数训练步长的角度着手,对其常规的最速下降算法进行了改进,提出了一种新的自适应模糊逻辑系统参数学习算法,并对该算法的推导过程进行了具体的分析和描述。最后,针对一非线性函数逼近问题,对该算法进行了验证,仿真的逼近精度和收敛速度都获得了提高,表明本文提出的模糊逻辑系统自适应参数学习算法是可行和有效性的,且能够克服常规参数优化算法中存在的某些不足。     

基于遗传算法的模糊神经网络智能控制器及其应用

提出了一种基于遗传算法的模糊网络控制系统,该系统采用模糊神经网络结构实现,它用遗传算法优化具有全局性的隶属函数参数,而用ＢＰ算法调节和优化具有局部性的网络权值参数。仿真结果表明该控制器可大大提高模糊神经推理控制系统的自学习性和鲁棒性。     

多输入多输出模糊逻辑控制器的设计

首先提出一种适合于多输入输出(multi-input-mult-output,MIMO)系统的新型模糊逻辑控制器。该控制器由若干多输入单输出模糊控制器(multi-input-single-mult-output fuzzy logic controller,MISOFLC)构成。每个MISOFLC由许多单输入单输出模糊控制轟(single-input-single-output fuzzy logic controller,SISOFLC)组成。该控制器采用互补型隶属函数,具有一组零控制面,只要使量化因子满足一定的条件,控制系统就是渐近稳定的。最后将上述控制器用于二节机械手中进行仿真实验,验证了上述算法的可行性和有效性。     

遗传算法在模糊系统优化设计中的应用研究

在模糊系统的变节点自适应模糊神经网络实现的基础上，提出一种混合GA优化算法。该算法采用混合编码策略，利用GA对模糊规则和隶属函数同时优化，而对结论参数则用最小二乘法估计。算法综合了GA强大空间搜索能力和传统优化方法的快速收敛和高精度的优点，在保证全局优化能力的条件下，综合考虑了模糊控制器的复杂程度、训练速度和控制精度。仿真结果及应用表明了该算法的有效性。     

基于量子遗传算法的正规模糊神经网络控制器设计

针对模糊神经网络控制器通常涉及的参数较多,反传播算法难于收敛的问题,提出了一种优化设计正规化模糊神经网络控制器的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异,将量子位的概率幅看作两个并列的基因,因此每条染色体包含两条并列的基因链,在染色体数目相同时,可提高获得全局最优解的概率。对控制器参数随机编码建立初始群体,利用量子遗传算法进行参数优化。实验结果表明该方法是有效的。     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

基于粒子群的控制器参数模糊规则自动提取

设计一种移动机器人轨迹跟踪控制器并利用Lyapunov稳定性定理证明了该控制器的全局稳定性。针对人为设定该类控制器参数工作量较大,根据移动机器人跟踪控制过程的非线性本质,提出了一种采用模糊非线性参数的跟踪控制方法。在无先验知识的前提下,利用粒子群算法自动提取控制器参数的模糊规则基。设计一种动态群体的粒子群方法,使得种群的多样性得到保证,减少局部收敛的可能,同时又不会对已有种群的模式造成巨大破坏。对比实验验证了该方法的有效性。     

一种模糊神经网络控制系统研究

针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。     

基于LMS算法自调整模糊温度控制器的仿真研究

提出一种新颖的基于LMS算法的自调整模糊温度控制器，利用LMS滤波器的输出调整模糊控制器的输出量强度，从而间接调整了输出变量的论域，进而改善拉制器性能。并将其应用于苯乙烯-二乙烯苯的悬浮共聚合反应温度控制系统中，仿真结果表明，这种改进的模糊温度控制器能够怏速适应被控对象的参数变化，其控制性能远远优于普通模糊控制器。     

On-Line Tuning Scheme for the Generalized Predictive Controller via Simulation Optimization

1 .INTRODUCTIONModelpredictivecontrol(MPC)isacomputercontrolalgorithmthatsolvesanon lineoptimizationproblemateachsamplinginstant.Overthepastmorethan 2 0years,thepopularityofMPCforindustrialprocesscontrolapplicationshasbeenincreasingcontinuouslywiththeeffectivenessimprovementofvariousad vancedcontroltechnologieshavingbeendemonstratedinindustrialapplications[1 ,2 ] .Oneofthemainrea sonsforthesuccessofMPCintheindustrialprocessisitsabilitytoobtainagoodperformancestartingfromratherintuitive…     

灰色预测模糊PID控制在汽温控制系统中的应用

将灰色预测、模糊控制与常规PID控制三者的设计思想融合起来，提出了一种灰色预测模糊PID控制算法。该算法首先通过建立模糊规则和进行模糊推理来确定PID控制器的参数，然后由PID控制律直接确定控制作用，再将灰色预测在线应用，用其预测结果代替被控对象测量值进行控制运算。仿真结果表明，利用该算法设计的汽温控制系统比应用模糊PID控制设计的汽温控制系统具有更加优良的性能。     

MATTER-ELEMENT MODELING OF PARALLEL STRUCTURE AND APPLICATION ABOUT EXTENSION PID CONTROL SYSTEM

This article describes in detail a new method via the extension predictable algorithm of the matter-element model of parallel structure tuning the parameters of the extension PID controller. In comparison with fuzzy and extension PID controllers, the proposed extension PID predictable controller shows higher control gains when system states are away from equilibrium, and retains a lower profile of control signals at the same time. Consequently, better control performance is achieved. Through the proposed tuning formula, the weighting factors of an extension-logic predictable controller can be systematically selected according to the control plant. An experimental example through industrial field data and site engineers＇ experience demonstrates the superior performance of the proposed controller over the fuzzy controller.     

飞机操纵前轮转向模糊控制仿真研究

研究了基于改进免疫遗传算法优化的飞机操纵前轮转向模糊控制方法.针对三点式起落架布局飞机,建立了操纵前轮转向系统的非线性数学模型.采用免疫算法、小生境技术与遗传算法相结合,克服了简单遗传算法的缺陷.将该算法得到的控制器应用于前轮转向系统中,实现了模糊控制器参数的寻优,仿真结果令人满意.     

锅炉燃烧系统的聚类自适应模糊控制器的设计

将聚类算法和模糊控制相结合，提出一种新型的聚类自适应模糊控制方案，应用于非线性、大延迟、强耦合的锅炉燃烧系统中，并用遗传算法将模糊控制器的隶属参数进行了优化，仿真表明该方案的适应性和鲁棒性都很强，具有很大的工程实用价值。