基于遗传算法的模糊控制模型参数优化的研究

模糊控制的精度取决于有关参数,如隶属度函数、模糊关系矩阵、传统 确定参数的方法是依靠人工。作者采用遗传算法来优化参数,大大地提高了模糊控制的精度。试验结果表明,先验知识和遗传算法的结合可以得到很好的控制效果。     

基于模糊遗传算法的水轮机调速器参数优化

针对目前使用遗传算法优化水轮机调速器参数存在寻优效率较低这一问题，提出了一种用模糊遗传算法优化水轮机调速器参数的新方法。通过引入自适应变化的变异概率和交叉概率，改善了遗传算法的寻优效率，并提出了分段加权的目标函数以改善水轮机调速器的反冲影响。仿真结果表明，模糊遗传算法寻优效率较简单遗传算法有了大幅提高，具有很强的鲁棒性。     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法.结果 表明改进的遗传算法具有直观、简便、快速及适应性强等特点.     

基于改进免疫遗传算法的PID参数优化仿真研究

将改进免疫遗传算法与传统PID控制的参数优化进一步结合,利用免疫遗传操作自身的特点,同时引入疫苗的实时更新理念,保证了疫苗的先进性,加速系统对于全局最优解的搜索速度。以锅炉温度为例,经MATLAB-Simulink仿真证明,应用改进免疫遗传算法,对温度PID参数进行优化,使系统具有了更好的控制性能,也保证了锅炉温度的实时控制效果。     

基于改进免疫遗传算法的PID参数优化仿真研究

将改进免疫遗传算法与传统PID控制的参数优化进一步结合,利用免疫遗传操作自身的特点,同时引入疫苗的实时更新理念,保证了疫苗的先进性,加速系统对于全局最优解的搜索速度.以锅炉温度为例,经MATLAB-Simulink仿真证明,应用改进免疫遗传算法,对温度PID参数进行优化,使系统具有了更好的控制性能,也保证了锅炉温度的实时控制效果.     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法。结果表明改进的遗传算法具有直观、简便、快速及适应性强等特点。     

一种基于遗传算法的模糊神经网络结构和参数优化

提出一种基于遗传算法的三阶段优化策略。在给定初始参数基础上,利用基于十进制编码的遗传算法实现模糊神经网络的结构优化,用基于二进制编码的遗传算法实现模糊神经网络的参数优化。仿真结果表明上述优化策略是有效的。     

基于遗传算法的干线协调控制参数共同优化

将干线延误分为内部进口道和外部进口道两部分进行计算,建立了干线协调控制的离散的计算模型.由于解耦思路的参数优化方法在协调控制中很难得到真正的最优解,因此根据各控制参数的特征选用各自的优化算法,通过尝试以遗传算法为基础的组合算法,得到干线协调控制参数的共同优化流程.通过实例对提出的方法进行验证,与传统的数解法相比,系统延误减低了12.8%.结果表明,基于遗传算法的参数共同优化方法可以提高干线协调控制的效果.     

基于MATLAB遗传算法工具箱的PID参数优化研究

遗传算法是一类可用于复杂系统优化的具有鲁棒性的搜索算法,遗传算法工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具。针对传统PID的局限性,利用遗传算法工具箱对PID控制器参数进行优化。仿真结果表明:该方法几乎无超调,且过渡时间短,可获得比传统设计方法更优良的控制效果。     

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.     

基于基因控制的遗传算法的研究

分析了传统的遗传算法适应度函数设计通常只针对目标函数,而没有考虑自变量。提出使用基因控制的方法,以达到增强较好的基因在遗传算法中的作用。从而做到尽量保留染色体中较好的基因,从而尽快的找到可行解,提高算法收敛速度和效率。     

基于遗传算法的独立悬架与转向系统匹配优化设计

针对汽车上的两个重要组成部分转向系统和悬架系统之间在实际运动中所存在的干涉问题,文中以某款商务车为研究对象,分析了悬架系统与转向系统理想匹配的要求,建立了目标函数、设计变量和约束条件.基于遗传算法,运用MATLAB软件编写了仿真程序,通过比较优化前后仿真结果,可得出优化后的结果明显好于优化前,和传统的设计方法相比,这种方法提高了精度和效率.     

基于遗传算法时滞系统的滤波器参数自调整内模控制

对于工业控制过程中的时滞系统,采用内模控制的设计方法,建立了滤波器参数λ的优化自整定;并且研究了利用十进制编码的遗传算法及其具体的遗传操作过程,实现了滤波器参数λ的优化自整定,从而避免了二进制编码所导致的影射误差.仿真结果表明,对于在控制过程中过程模型变化或过程模型与预估模型失配时,通过优化调整内模控制器的滤波器参数λ;可改善系统的控制品质,提高控制系统的鲁棒性,且易于工程实现.     

基于遗传算法的半导体器件模型参数提取

随着半导体器件特征尺寸的缩小,半导体器件模型也变得越来越复杂,模型参数个数急骤增加,目标函数自变量空间的维数也变得越来越大,传统的一些基于梯度的参数提取方法已经不能很好地解决问题。遗传算法是一种应用基因工程和人工智能模拟的优化算法,近年来在半导体器件模型参数提取领域被广泛使用,这种方法能有效地克服传统参数提取方法中的一些困难。详细阐述了采用遗传算法提取半导体器件模型参数的原理,同时也指出了采用这种方法提取模型参数时的缺点和目前的一些解决方法。     

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。     

Parameter Optimization of Linear Quadratic Controller Based on Genetic Algorithm

The selection of weighting matrix in design of the linear quadratic optimal controller is an important topic in the control theory. In this paper, an approach based on genetic algorithm is presented for selecting the weighting matrix for the optimal controller. Genetic algorithm is adaptive heuristic search algorithm premised on the evolutionary ideas of natural selection and genetic. In this algorithm, the fitness function is used to evaluate individuals and reproductive success varies with fitness. In the design of the linear quadratic optimal controller, the fitness function has relation to the anticipated step response of the system. Not only can the controller designed by this approach meet the demand of the performance indexes of linear quadratic controller, but also satisfy the anticipated step response of close-loop system. The method possesses a higher calculating efficiency and provides technical support for the optimal controller in engineering application. The simulation of a three-order single-input single-output (SISO) system has demonstrated the feasibility and validity of the approach.     

基于精确目标罚参数的遗传算法

结合一种精确目标罚函数和遗传算法,提出新的算法;算法能将约束优化问题转化为无约束优化问题,同时具有遗传算法的全局搜索能力,避免陷入局部收敛;给出并讨论了精确罚定理,实验结果表明了算法的有效性.     

基于遗传算法的优化排课系统

分析了目前高校排课系统存在的问题,研究如何利用遗传算法,解决排课系统中的资源冲突,课表优化问题,实验证明,遗传算法能简化程序的复杂度和生成最佳课表的时间,其收敛速度和寻优能力,能在理想时间内找到最优解。     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。