一种新型智能模糊控制器及其应用

从模糊控制器量化因子入手,对其进行了分析,提出了一种智能型的模糊控制器结构,并将其应用于船舶动力定位系统.仿真结果表明,这种方法优于普通的模糊控制器.     

智能调整型模糊控制器的研究

在分析了不同的量化，比例因子对系统控制特性影响的基础上，提出了一种量化、比例因子智能调整式模糊控制器的算法，其中的上级模糊智能调整器能够根据系统的响应在线调整下级模糊控制器中的偏差、偏差变化率的量化因子的控制量的比例因子，下级模糊控制器利用这些因子并结合常规查表模糊控制算法完成对系统的实时控制。     

基于模糊综合识别的事件检测算法

在分析拥挤交通流特性的基础上，提出了一种基于模糊综合识别的事件检测算法，并可以确定拥挤成因，仿真研究结果比较表明该算法效果很好。     

基于多核函数的模糊支持向量机学习算法

作者针对单个核函数构成的SVM并不能满足诸如数据异构或不规则、样本规模巨大、样本分布不平坦等实际应用的需求,而将多个核函数进行组合,以获得更好的效果,提出一种基于多核的模糊支持向量机算法。此算法决策树中的模糊核权重主要是借助于样本各自的模糊因子来确定。仿真实验数据表明:与传统单核函数支持向量机相比,多核模糊支持向量机具有很好的优越性。     

基于pi-sigma神经网络的模糊建模与控制及其仿真研究

提出了一种基于高木-关野模糊系统的pi-sigma神经网络结构、学习算法,并分析了学习算法的收敛性.用这种混合型pi-sigma神经网络系统去实现模糊规则及其隶属函数的修正,从而得到模糊推理的自适应性.在设计过程中,引入Zadel模糊取乘算子,使之适合基于梯度的学习算法.最后的仿真结果表明此种网络的有效性、优越性并且在非线性建模、控制等方面有重要的应用价值.     

采用免疫BP算法的模糊神经网络PID控制器

文章在传统PID控制器的基础上,结合模糊控制和神经网络控制理论设计出自适应模糊神经网络PID控制器,并将免疫反馈机制应用到BP学习算法中,通过自适应调整学习速率,改善算法的收敛性;通过Matlab仿真验证了引入免疫反馈机制的BP算法的优越性.仿真及实际应用结果表明,采用免疫BP算法的模糊神经网络PID控制器响应速度快,...     

比例因子的选择对模糊控制器鲁棒性的影响

分析了比例因子与系统性能的关系,通过仿真实验研究了比例因子对模糊控制器鲁棒性的影响。实验结果表明,合理选择模糊控制器的比例因子能保证在被控对象的参数变化较大的情况下满足设计要求。在此基础上,提出了模糊控制器的设计和调整的指导性方法。     

比例因子对模糊控制器动态性能的影响

影响模糊0控制器动态性能的因素有多方面，如模糊控制规则、模糊推理和模糊判决方法等，其中比例因子（量化因子）对其动态性能有较大的影响。为了探讨各因子的影响，通过Matlab仿真语言对由二阶被控对象构成的模糊控制系统进行了仿真研究。方法是预先选定一组理想的参数（包括被控对象参数和比例因子），分别改变比例因子，观察系统在阶跃信号作用下的响应。最后根据实验结果得出：三个比例因子对模糊控制器动态性能的影响各不相同。同时提出了模糊控制器设计过程中比例因子的选择原则及注意事项。     

分层型多变量自适应模糊控制算法的研究

利用多维模糊条件语句的分解定理，结合分层多规则集输入的设计方法，获得了多变量模糊控制算法的一个简化表达式，模糊规则的修正通过抑制外扰的α因子查询修正表得到，从而获得了一类带解耦设计的多变量自适应模糊控制算法，并进行仿真验证。     

改进PSO算法在水下机器人S面运动控制参数整定中的应用

从模糊逻辑控制方式出发,借鉴PID控制的结构而形成的S面控制器.针对粒子群优化(PSO)算法存在早熟、易陷入局部极小等现象,对基本PSO算法进行了改进,引入变学习因子和惩戒因子,更好地协调全局和局部搜索能力,有利于快速找到全局最优点,提高了PSO算法在水下机器人S面运动控制器参数整定中的优化能力.通过水下机器人的运动控制仿真试验,验证了该方法的可行性和优越性.     

基于GA修正因子自调整模糊控制系统研究

基于模糊数的概念建立了带修正因子的模糊模型，在此基础上采用遗传算法（GA）对量化因子和比例因子进行寻优，通过仿真实验验证了该方法的有效性，从而进一步提高了系统的控制性能。     

一种改进的模糊类聚 Kohonen 网学习算法

描述了一类模糊类聚Ｋｏｈｏｎｅｎ网络，对以往的算法加以改进，将监督算法与非监督算法加以合并，提出一种改进的算法。这种算法在计算机上模拟实现，并与通常算法加以比较，可看到识别效果得到明显的改善。     

基于分层遗传算法的模糊控制

介绍了模糊控制系统和遗传算法的基本内容及二者间的融合 .基于遗传算法的模糊系统模型辨识 ,引出了可以对实际复杂系统总结出较完善控制规则的分层遗传算法的模糊控制 .分层遗传算法通过基因操作使控制基因和由控制基因控制的参数基因都得到改变 ,进而使控制规则的结构和形状及个数得到了优化 .将这种分层模糊控制技术应用于铝电解工业中的极距控制 ,可使改进后的极距控制系统的动态性能和稳态误差都得到提高 .     

陀螺稳定平台控制算法比较研究

针对一款实验教学陀螺稳定平台,文章分别采用常规PID控制算法,变参数PID控制算法和变参数自调节模糊PID控制算法对速率环进行控制。仿真结果表明,系统采用变参数自调节模糊PID控制算法响应速度快,超调量小,抗干扰能力强,较常规PID和变参数PID控制算法具有更好的动、静态性能。     

两种新型pH值的控制方法研究

根据酸碱滴定曲线本身非线性的特点 ,提出了三区段非线性变增益PID控制算法和积分模糊控制 (IFC)算法 ,通过对带有时滞的pH值中和反应过程进行数字仿真研究 ,控制结果表明新型算法具有鲁棒性强、响应速度快和控制精度高的优点 ,尤其是IFC控制方法能克服pH值中和过程中的较大时滞 .     

无辨识自适应算法与模糊推理的组合控制

一般自适应控制算法需在线辨识系统模型，算法复杂，计算时间长。本文采用无辨识自适应算法，不用辨识系统的模型，同时应用模糊推理对控制量进行补偿，以便克服模型失配的影响。仿真结果表明，该方案是非常有效的，适合于具有时滞的工业系统。将其应用于制冷装置中的电子膨胀阀控制，使得蒸发器过热度的控制效果得到了明显的改善。     

模糊控制器算法研究

若控制规则“ｉｆ Ａ ｔｈｅｎ Ｂ”中,Ａ和Ｂ都是Ｏ型模糊集,称之为Ｏ型模糊规则,作者在本文首先给出了Ｏ型模糊数的概念,同时给出了Ｏ型模糊集之间相容度的定义,然后,给出了Ｏ型模糊集的交并运算,该运算具有较好的性质。在此基础上,作者又给出了Ｏ型模糊控制规则的模糊控制算法,该算法具有合理性和有效性,而且计算较简便。     

结构振动序列最优控制算法及其Simulink仿真实现

阐述了序列最优控制算法是针对土木工程结构地震响应振动控制问题中激励不可预知的特点,推导出1 种更为一般的最优控制算法,所获得的最优控制力表达式同时包含了结构响应和地震激励2 部分的影响.该算法增益矩阵与传统的2种最优控制近似算法相比具有时变的特点,提出了在应用该算法进行主动控制Simulink仿真分析时的2种实现方法,并通过AMD控制基准模型对2种实现方法进行了比较,同时也对该算法与现有两种结构最优控制算法的控制效果进行了评价.结果表明,2种实现方法是完全等效的,且在控制效果方面,序列最优控制算法优于现有的2种最优控制算法.     

一种灰度图象的自适应分割算法

利用遗传算法的高效搜索性能和模糊集合理论能较好地描述问题的模糊性和随机性，提出了基于遗传算法的最大模糊熵快速分割算法，将遗传算法和模糊集合理论结合起来应用于灰度图象单闽值和多阈值分割．实验结果证明该方法有效地实现了快速分割，并具有较好的鲁棒性．     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。