模糊控制器量化因子的在线优化

本文利用遗传算法与模糊控制相结合优化模糊控制器量化因子的设计方法,能够有效提高模糊控制器量化因子选取的效率及其控制效果,本文通过在基于矢量控制的交流电机调速系统速度环模糊控制器上应用遗传算法进行量化因子优化的仿真实验,验证了此设计方法的有效性与优越性。     

用遗传算法优化模糊控制规则的方法及其MATLAB实现

介绍了用遗传算法优化模糊控制规则的方法，包括目标函数的确定，选择、交叉等遗传算子的确定．给出了如何用MATLAB编程实现算法的具体步骤，最后将所得的规则用于设计模糊控制器，并进行仿真，取得了很好的效果．     

一种GA和H∞混合优化控制器的设计方法

论述一种ＧＡ和Ｈ＾∞混合优化控制器的设计方法,该方法采用Ｈ＾∞环路成形技术设计控制器,同时,采用遗传算法对成形加权函数进行优化,既能保 设计的控制具有强的鲁棒性,满足各种性能指标的要求。     

基于FPGA和遗传算法的PID控制器设计与实现

本文提出了一种基于遗传算法进行参数整定和FPGA实现的PID控制器设计方法。首先利用遗传算法对PID控制器进行参数寻优;然后采用FPGA实现基于遗传算法的智能PID控制器。仿真结果表明,该方法是可行的,设计模块是正确的。     

基于遗传算法的多变量模糊控制器的设计方法

针对多变量模糊控制器提出了一种基于遗传算法的模糊控制规则设计方法．该方法可以同时确定并优化多变量模糊控制器的结构和推理规则,适合于对一大类复杂非线性对象的控制．数值仿真研究表明,文中提出的设计方法是可行的     

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.     

一类非线性离散系统模糊自适应控制器设计

针对一类非线性函数示各的非线性离散系统,提出一种基于模糊基函数的稳定自适应控制器设计方法,该方法基于Ｌｙａｐｕｎｏｖ稳定性理论,因此整个闭环系统渐近稳定,使用遗传算法（ＧＡ）实现对可调参数的全局优化,代替通常设计自适应控制器时对参数调节律的繁琐求取,仿真结果验证了该方法的有效性。     

多变量系统调节器参数的优化设计

对多变量有耦合控制器优化的问题,遗传算法是一个强有力的求优算法．文中基于遗传算法,以温控系统的多通道PI调节器参数设计为例,设计的PI调节器使系统性能指标有较大提高．设计方法通用性强、工程性强．能够较好地避免局部最优．多变量系统的参数优化设计是有效的所设计的．     

基于遗传算法的模糊控制规则优化的研究

模糊控制规则的正确选择是模糊控制器设计的关键,它决定了模糊控制系统的动态、静态性能和控制效果．针对传统的获取控制规则方法的不足,提出了在一个待优化模糊控制器的基础上,采用改进的遗传算法优化其模糊控制规则,从而使经过优化所获得的控制规则更加合理．最后对优化后的模糊控制器进行仿真比较研究,并将其应用于温室,实现温室温度的模糊控制．结果表明模糊控制规则经过优化后的模糊控制器的控制品质有较大的改善和提高．     

智能火力/飞行综合控制系统研究

本文设计了基于遗传算法和模糊逻辑控制的智能火力/飞行综合控制系统(IFFC),设计了采用论域自调整的模糊控制器,给出了控制器输入输出的隶属函数,设计了相应的规则库.并在此基础上进一步利用遗传算法对模糊控制器进行优化设计,给出了遗传算法各个参数的选择原则.仿真结果表明,基于遗传算法和模糊逻辑的智能火力/飞行综合控制系统具有良好的控制效果,在综合火力/飞行控制系统的设计中颇有应用潜力和前景.     

基于LOMOGA的降阶H_∞控制器的设计

针对降阶H∞多目标控制器的设计问题,本文提出了基于局部正交多目标遗传算法(LOMOGA)的降阶H∞控制器的设计方法。该方法结合局部正交优化和改进多目标遗传算法,解决了多目标遗传算法局部搜索能力较差的问题,达到了对H∞控制器的结构和参数同时优化的效果,提高了降阶H∞控制器的动态性能和鲁棒性能。仿真结果表明,该方法不仅具有较强的全局和局部搜索效率,而且搜索结果具有较高的精度、更好的分布均匀性和多样性。     

一类非线性离散系统模糊自适应控制器设计

针对一类非线性函数未知的非线性离散系统 ,提出一种基于模糊基函数的稳定自适应控制器设计方法 ,该方法基于Lyapunov稳定性理论 ,因此 ,整个闭环系统渐近稳定 .使用遗传算法 (GA)实现对可调参数的全局优化 ,代替通常设计自适应控制器时对参数调节律的繁琐求取 .仿真结果验证了该方法的有效性     

基于改进遗传算法的PID型励磁系统控制器(英文)

提出了一种新型PID型励磁控制器,采用一种改进的遗传算法优化其参数,不仅克服了参数设计的主观性,且可以提高优化速度.计算结果表明,这种改进遗传算法的搜索速度与精度均优于试探法和标准遗传算法.与传统控制器的仿真比较表明,采用改进遗传算法优化的PID型励磁控制器对于电力系统动态特性具有较好的控制作用.     

基于果蝇优化算法的PID控制器设计与应用

针对传统的Z-N法得到的PID参数,难以获得最优的控制性能,提出一种基于果蝇优化算法的PID控制器参数优化的方法。果蝇优化算法具有控制参数少、实现简单和优化性能良好的优点,运用此算法设计出PID控制器,与Z-N法和遗传算法设计的PID控制器进行比较。仿真结果表明:果蝇优化算法的PID控制器比Z-N法和遗传算法的PID控制器所得结果更优,比遗传算法具有较快的收敛速度,并应用于环形一级倒立摆系统的稳定控制问题,达到较好的控制效果。     

一种基于遗传算法的单神经元PID控制器参数优化

文章分析了神经元PID控制器存在的问题,提出了一种用遗传算法对单神经元控制器进行参数寻优,并利用种群数N和交换概率Pc逐次递减的方法来提高计算效率和收敛速度,在搜索空间内获得全局最优点的方法。试验仿真结果表明,基于遗传算法的单神经元PID控制器参数优化方法能获得很好的控制效果。     

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。     

结构地震反应的模糊控制

MR阻尼器是一种性能优良的半主动控制装置,已广泛应用于结构振动控制领域。本文针对MR阻尼器控制系统的特点,提出了一种基于遗传算法的模糊控制器设计方法,对地震作用下的建筑结构实施模糊控制。该方法将多目标遗传算法NSGA—II和模糊控制技术相结合,人工设计基本模糊控制器,以位移、层间位移和绝对加速度为控制目标,利用NSGA—II来优化生成最优的模糊控制规则。一个3层结构的仿真结果表明。所设计的模糊控制器在四种不同的地震波作用下均能有效地减小结构的地震反应,控制效果明显优于被动控制,与Clipped-LQR控制效果接近。     

改进的BP神经网络PID控制器在气体浓度控制中的研究

针对动物缺氧实验中气体浓度控制这一时变非线性的过程,将BP神经网络与传统PID控制相结合虽然可以取得较好的控制效果,但是也存在着网络收敛速度慢、稳定性较差等问题.基于此,提出了一种基于改进的遗传算法优化的BP神经网络PID控制器.首先,该控制器对遗传算法的收敛速度和稳定性进行改进,利用改进后的遗传算法优化BP神经网络的权重初始值;然后,用优化后的BP神经网络实现PID控制参数的在线调整;最后,在MATLAB中对两种控制器进行仿真实验,结果显示,与传统的BP神经网络PID控制器相比,改进后的BP神经网络PID控制器具有更好的控制性能.     

遗传算法在PID自适应控制中的应用

提出一种基于遗传算法的PID自适应控制结构,给出控制结构框架,利用遗传算法来优化PID参数,本文利用遗传算法的全局寻优的特点,将它应用于PID参数的寻优计算,从而提高PID控制器的控制性能和自适应能力。仿真的结果表明,笔者提出的遗传算法和PID控制相结合的控制方法鲁棒性强,控制品质优良,在很大程度上改善了常规PID控制器的控制性能。     

二级倒立摆的TS型逐级模糊神经网络控制

提出了一种逐级模糊神经网络控制法．该控制法通过采用Takagi-Sugeno型模糊神经网络控制器和逐级模糊控制规则,实现了二级倒立摆系统的稳定控制．模糊神经网络控制器的参数采用遗传算法分4步进行优化．实验结果表明,采用逐级模糊神经网络控制法,用20条模糊规则就可以实现二级倒立摆系统的稳定控制,并且控制效果佳,系统鲁棒性强。