基于遗传算法的模糊智能变频空调仿真系统的研究

利用Matlab软件对基于遗传算法模糊智能空调系统进行了仿真设计。设计了模糊子系统和遗传算法子系统的仿真系统，以舒适度为目标函数，利用遗传算法对模糊智能变频空调的控制规则及隶属度函数进行了仿真寻优。并利用寻优获得的隶属函数和控制规则与PID算法、常规模糊控制算法控制同一被控对象的响应结果进行了对比分析。     

基于模糊神经网络的混合动力汽车控制策略仿真

为保证多能源系统转矩的合理分配,建立了模糊逻辑控制模型,并采用ANFIS优化算法,对建立的混合动力汽车模糊控制模型进行优化。通过对ANFIS神经网络模型进行训练、测试和仿真分析,结果表明:模糊控制模型的隶属函数得到了优化,将优化模型应用于整车仿真,与模糊逻辑控制策略相比,燃油经济性提高5.4%。     

基于模糊Chebyshev基函数神经网络的快速学习算法

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种以Chebyshev基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数,因此该模糊神经网络模型算法的计算量大大减小,仿真结果表明了该模型算法的有效性和快速性。     

基于ANFIS的飞行器自动着陆模糊控制器设计

首先给出了模糊逻辑控制器设计中的几点共同的基本假设,接着阐述了飞行器降落着陆过程自动控制的模糊控制器AFLC的控制原理,详细分析和设计了AFLC的自动着陆控制模型、状态变量的隶属函数、系统推理规则、模糊推理算法和解模糊算法等。重点对基于自适应神经模糊推理ANFIS的Takagi-Sugeno型AFLC进行了优化分析与设计。最后利用MATLAB的Simulink仿真工具和模糊逻辑工具箱对两种设计方案进行了仿真验证和分析比较。仿真结果表明,两种AFLC设计是有效的,后者性能更优。     

遗传算法及其在船舶运动控制器优化中的应用

采用十进制基因编码的遗传算法,优化模糊控制器的隶属度函数。同时引入不同思路的变异、选择方法对模糊控制器的隶属度函数位置进行优化,由Matlab编程实现对某货船航向控制的多方面仿真。并作了种群规模、进化代数对模糊控制器性能影响的对比仿真研究。仿真实验表明,遗传算法用于优化船舶运动控制器效果明显。     

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Chebyshev基函数模糊神经网络的快速辨识方法

神经网络的非线性逼近能力的研究是神经网络成为辨识模型的理论基础。首先研究了基于正交多项式函数的神经网络逼近理论和方法,并在此基础上证明了新型Chebyshev神经网络具有良好的非线性并研究了它的全局最优逼近性质。然后提出了一种用于复杂非线性系统辨识的基于Chebyshev基函数的模糊神经网络模型和学习算法。该模型以Chebyshev基函数为隶属函数,规则后件采用输入变量的线性函数,无需调整隶属函数的参数,只是采用BP学习算法学习后件参数,因而大大减少了模型算法的计算量,学习算法简单,加快了学习收敛速度,而且不使网络结构复杂,设计简单。仿真结果表明所提模型和方法的有效性。     

基于广义模糊CMAC的强化学习算法

针对传统的小脑模型,提出了一种广义模糊小脑模型神经网络(GFCMAC)。它采用模糊隶属度函数作为接收域函数,可以获得较常规CMAC连续性强且有解析微分的复杂函数近似,具有计算量少,学习效率高等优点。研究了GFCMAC接收域函数的映射方法、隶属度函数及其参数的选取规律和学习算法。结合强化学习,提出了一种基于GFCAMC的强化学习算法,讨论了其实现过程。应用于船舶航向控制的仿真结果表明,在有各种风浪干扰下,船舶航向跟踪快且操舵动作合理,适合船舶转向控制要求。     

模糊建模与控制的神经网络方法及其仿真研究

本文提出了一种复杂系统模糊建模及控制的神经网络方法。利用改进的ｐｉ－ｓｉｇｍａ 网络，对模糊规则的结论参数和隶属函数进行在线修正，实现模糊规则的自组织。这种方法被用于降水量预报和机器人解耦控制，取得了满意的仿真结果。为增强神经网络仿真算法的快速性，本文采用了一种基于向量的数据结构，并用标识阵指示神经元的连接状态，以实现有效的内存运算。     

基于迭代学习控制的PID控制器设计

针对传统的经验PID整定方法,提出了一种新的PID参数整定算法。该算法首先利用PD型迭代学习控制来进行期望轨迹的跟踪控制,然后根据迭代学习控制的输入输出数据序列,通过强跟踪滤波器来进行参数辨识,可获得对应于期望轨迹的优化的PID控制参数。给出了迭代学习控制的收敛条件,以及如何利用强跟踪滤波器来进行参数辨识。仿真和实验结果表明,采用该算法设计PID控制器,被控系统可以获得较佳的动态性能和较强的鲁棒性。     

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。     

自动变速车辆起步模糊神经网络控制策略仿真

自动变速器车辆的核心和难点是起步控制。针对传统模糊控制在其参数的模糊化过程中人为因素影响较大,获得较优控制参数困难等缺点,基于优秀驾驶员的起步操作经验,利用神经网络自适应学习功能优化模糊控制参数,设计了模糊神经网络控制策略。应用SIMULINK建立了起步模糊神经网络控制系统仿真模型。仿真实验表明,优化了模糊控制模型隶属函数,该控制策略可较好的解决自动变速车辆起步控制问题,为机械式自动变速车辆的开发设计提供了理论依据。     

基于MATLAB的温室温度模糊专家控制仿真研究

在依据能量和物质平衡的温室温度数学模型基础上,建立了温室环境温度模糊专家控制系统的MATLAB仿真模型,包括对控制变量的选取、模糊集的定义、论域等级的划分、隶属函数的选择及模糊控制规则的制定,并用Simulink对控制系统进行了仿真分析。仿真结果证明了该温室环境温度模糊控制策略的有效性及合理性。     

一种广义模糊小脑模型神经网络及其仿真研究

针对传统的小脑模型，在保留CMAC原有增强和局部特性的基础上，结合模糊逻辑的思想，采用模糊隶属度函数作为接收域函数，提出了一种广义模糊小脑模型神经网络（GFAC）。研究了GFAC接受域函数的映射规律、隶属度函数及其参数的选取规律和学习算法。仿真结果表明GFAC具有良好的泛化能力和逼近精度，利用GFAC可以获得较常规CMAC连续性强且有解析微分的复杂函数近似。     

时滞时变AUV的模糊变结构控制

针对自主水下航行器(autonomous underwater vehicle,AUV)具有时变的水动力学系数的现象,为了实现其鲁棒控制,设计了一个模糊变结构控制器.该控制器以变结构控制的切换函数及其变化率为模糊控制器的输入,以变结构控制律的变化率为模糊控制器的输出.为了提高控制器的性能,引入了压缩扩张隶属度函数.通过将该控制器和均分隶属度函数模糊变结构控制器、准滑模控制器的仿真对比,证明了设计的控制器具有更好的性能.数值仿真表明,该控制器能很好地实现对具有控制输入时滞和时变水动力系数AUV的深度控制,且稳定后基本无抖振现象.     

典型模糊PID控制器的插值算法及参数优化

推导出了输入采用正规模糊集、三角形、全交迭的隶属度函数;推理输出采用PID形式的典型模糊PID控制器的插值解析表达式,揭示了其本质特征,为实际应用提供了一种快速精确的控制算法。基于该插值解析表达式,研究了利用遗传算法对这一类模糊控制器进行参数优化的方法。最后通过仿真实例验证了本文方法的有效性。     

n阶系统的fuzzy推理建模方法研究

把fuzzy推理建模法用于对一般n阶系统的建模中,分别建立了研究对象的输入输出型模型和状态空间型模型.在此基础上,对fuzzy推理建模法做了进一步的推广,分别选用梯形和"三角波"型fuzzy集隶属函数构造系统的微分方程模型,并通过仿真试验对两种模型进行了比较.     

基于梯度下降法的自适应模糊控制系统研究

一般的二维模糊控制器的输出控制量是误差和误差变化率的固定函数，对于时变、不确定性被控对象难以取得预期的效果。针对该问题，引入梯度下降学习算法，修正输入输出变量高斯型隶属度函数的均值和方差，使模糊控制系统具有自适应性。同时，澄清了王立新提出的梯度下降学习算法容易引起的一些混淆。给定信号分别选择阶跃信号、斜坡信号、加速度信号和正弦信号，作了仿真研究，仿真结果表明，该控制算法是可行的，有效的。