遗传算法优化模糊控制器及其在非线性系统中的应用

提出一种基于遗传算法优化地模糊控制器的设计方法,即利用遗传江地对模糊控制的器的参数进行寻优构成一个ＧＡ－Ｆｕｚｚｙ控制器。该算法适用于多输入－多输出系统,对于典型非线性复杂系统二级例立摆的仿真证明了本文控制算法的有效性和适应性。     

一种基于遗传算法的高精度模糊控制器

为了提高模糊控制器调节系统稳态精度的能力，对常规PD型模糊控制器进行分析，找到了产生稳态误差的主要原因。采用根据个体适应度来自适应调节交叉率和变异率的遗传算法来优化模糊控制器中的隶属函数和量化因子的初始值，并同时根据控制查询表的输出在线调整量化因子。理论分析和仿真结果表明这种方法是可行的。     

一种使用遗传算法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法．设计人员只需设置性能指数或适值函数,而模糊规则的数目、隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成．描述了一种具有局部优化机制的遗传算法,给出的应用实例表明该算法具有良好的适用性     

基于遗传算法优化的双回路模糊控制倒立摆系统

通过遗传算法、模糊控制、PID的结合,对直线一级倒立摆的平衡控制问题进行了优化控制。首先用牛顿-欧拉法建立倒立摆的动力学模型,得出系统的传递函数和状态空间表达式,分析系统的稳定性和可控性。以此为基础,先设计了PID单回路和双回路控制器;然后用遗传算法优化PID参数;再用优化的参数设计双回路模糊PID控制器;并用MATLAB对系统进行了仿真。纵向和横向控制方法的对比分析表明:该方案控制效果最好,能同时控制角度和位移;其参数可在最优PID初值的基础上在线修改,实现最佳调整,使对象具有良好的静态和动态性能。     

一种基于遗传算法的模糊神经网络控制器的设计

提出了一种基于遗传算法的模糊神经网络控制器的设计.该设计通过改进的遗传算法实现了控制规则和隶属函数的优化.算法中引入了优良模式自学习算子,改善了遗传算法的性能.通过对典型的非线性对象CSTR控制,仿真结果表明该方法是有效的.     

基于遗传算法的模糊控制器设计

遗传算法是建立在自然选择和自然遗传学机理上的遗传自适应概率性探索算法，对于多变量寻优问题是一种易于实现的、有效的途径，提出了一种基于遗传算法的隶属函数和控制规则的最优设计方法。仿真结果表明，用该方法设计的模糊控制器用较少的模糊变量即可获得良好的性能。     

基于自适应神经网络倒立摆模糊控制器的设计

倒立摆系统本身的不稳定性为系统的平衡提出了难题,也因此成为自动控制实验中验证控制算法优劣的极好的实验装置。本文使用一种基于最优控制和自适应神经网络模糊控制器的设计方法,将各个线性LQR控制器进行综合,使之成为一个非线性的控制器。仿真结果证明,模糊神经网络控制器要优于单个的LQR控制器。     

基于模糊控制器的单级平面倒立摆的实时控制

针对一个单级平面倒立摆系统,建立了相应的数学模型;进行了稳定性、能控性与能观性分析。分别设计了变量融合模糊控制策略和模糊PID复合控制策略。应用所设计的控制器对该倒立摆系统分别进行了系统仿真与实时控制实验。证明了两种模糊控制器均可以保证倒立摆系统具有良好的控制精度,特别是模糊PID复合控制器使系统具备了较强的抗外部干扰能力。     

直线一级倒立摆模糊控制器的设计

倒立摆系统以其自身的不稳定性而难以控制,也因此成为自动控制实验中验证控制策略优劣的极好的实验装置.本文针对直线一级倒立摆系统的平衡控制问题。应用牛顿力学方法对其进行数学建模,对系统进行了能控性分析.应用模糊控制理论设计了控制器,仿真及时控结果表明,模糊控制方法对于典型非线性自不稳定系统有着很好的控制能力.     

基于遗传算法的模糊控制器设计

遗传算法是建立在自然选择和自然遗传学机理上的遗传自适应概率性搜索算法 ,对于多变量寻优问题是一种易于实现的、有效的途径 ,提出了一种基于遗传算法的隶属函数和控制规则的最优设计方法。仿真结果表明 ,用该方法设计的模糊控制器用较少的模糊变量即可获得良好的性能。     

用遗传算法优化模糊控制器

提出一种带迁移算子的遗传算法 ,并用于优化模糊控制器 ,在对倒立摆和大纯滞后等复杂对象的控制仿真实验中均获得很好的结果 ;并对提高遗传算法多参数优化的效率及目标函数的影响进行了初步的讨论。     

一种新的模糊遗传算法

将模糊控制思想引入到遗传算法中,进行交叉概率P6和变异概率Pm的整定工作,并在此基础上提出了一种基于模糊控制的遗传算法－模糊遗传算法,仿真结果表明：该算法不仅能提高解的质量,而且能加速解的收敛速度。     

一种简易的倒立摆控制实验系统

利用旧式针式打印机的横向走行结构，作为倒立摆的基本机械结构，设计并制作一种简单可行的低成本倒立摆实验系统。在此基础上，对其控制电机和主控电路加以重新设计，并设计控制算法，使之能够实现对倒立摆的控制。经实验验证收到了一定的控制效果。本系统可应用于演示倒立摆控制，或验证控制算法。     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法(GA)和模糊神经网络控制器的结构进行了说明.为了克服反向传播算法(BP)的缺点,通过遗传算法对模糊神经网络控制器的参数进行优化,亦即对模糊神经网络进行训练.用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象,仿真结果证实了其性能较常规模糊控制器优越.     

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.     

用遗传算法设计模糊控制器

对遗传算法（ＧＡ）进行改进，将改进后的遗传算法应用到模糊控制器的设计中．以工业过程控制为对象，通过二阶系统模型的计算机仿真表明：改进后的遗传算法比传统方法具有更好的控制性能，可实现模糊控制规则的自校正和量化因子的寻优．     

单级倒立摆的专家模糊控制

详细地阐述了专家模糊控制的基本原理,引用控制界中成功的实例倒立摆进行了系统分析,并采用专家模糊控制这一理论解决倒立摆的垂直问题和回到中心问题,在此基础上用高级Ｃ语言来进行了专家模糊推理器的实现,以便于用交叉汇编技术形成机机器代码,把程序固化在单片机上实现控制。     

一类非线性系统的模糊自适应控制器设计

针对一类非线性系统，构造了具有高斯隶属度函数的T-S函数逼近器．根据逼近误差和控制要求，运用Lyapunov稳定性理论设计了一种模糊自适应控制器．该控制器不仅可以调节模糊规则参数，同时也能调节隶属度函数的参数．将这种模糊自适应控制器应用到倒立摆系统的跟踪控制，仿真结果表明，它具有良好的控制性能，从而验证了该方法的有效性．     

模糊神经网络控制倒立摆系统

对单级倒立摆进行了详细的受力分析。通过建立模糊规则，构造模糊神经网络系统，运用BP算法对系统进行训练，并用这一网络对倒立摆进行控制。仿真结果表明，模糊神经网络有很广阔的适用领域。     

采用遗传算法自组织神经网络模糊控制器

提出一种自组织神经网络模糊控制器的新方案。该方案的一个主要特征是,可获得实现模糊控制器的最小且最优的神经网络结构,而且所获得的模糊控制器同时具有神经网络的广泛映射能力、联想概括能力和遗传算法的快速全局收敛、再励式学习等优良特性。