基于控制历史的延迟系统模糊控制及其仿真

通过对传统模糊控制器的改进，提出一种新型的适合于变延迟系统的控制方法。在对控制对象动态特性的研究的基础上，将控制历史引入控制器的决策过程，设计出了一种基于控制历史的延迟系统模糊控制器。与传统的模糊控制器相比，该模糊控制器用历史的控制信息代替偏差变化率作为模糊控制的决策依据，能够及时地反映出被控制量的变动趋势。仿真结果表明，所提出的控制方法可以明显地改善对延迟对象的控制效果，并具有较强的适应性。     

基于有限状态机理论的ABS模糊控制仿真研究

在分析汽车防抱死制动系统传统控制方法以及汽车稳定性控制系统集成控制基础上,提出了基于滑移率的模糊控制方法.利用Matlab的模糊工具箱建立了模糊控制系统;搭建了基于Simulink的7自由度车辆模型、Dugoff轮胎模型和压力调节单元模型;基于有限状态机理论的控制输出模型,在此模型搭建的环境中完成了单一路面和对接路面仿真.仿真结果表明:基于Matlab/Simulink/Stateflow的ABS仿真系统能很好的模拟车辆制动过程;基于滑移率的模糊控制方法能将滑移率稳定控制在理想值,为车辆稳定性系统集成控制提供了必要接口;能有效地缩短制动距离,提高车辆的方向稳定性,对路面的突变具有很好的适应性.     

城市交通系统的两级分解——协调模糊控制

本文利用大系统的分解－－协调思想,通过对城市单路口交通系统的分析,首次将大系统理论与模糊控制理论相结合,提出了城市单路口交通系统的两级分解－协调模糊控制方法,并进行了计算机仿真研究。仿真结果表明,本文提出的方法比全感应控制方法有效。     

基于GA的模糊神经网络控制器的设计与仿真

提出了一种基于改进遗传算法（GA）训练结构和参数的神经网络控制的算法,它采用并行的模糊推理网络,具有自适应自学习的特点,将该算法得到的控制器用于实际工业对象模型的温度控制仿真,结果令人满意。     

基于模糊控制的船舶动力定位系统设计与仿真

就船舶动力定位中模糊控制的应用进行了研究 ,探讨了模糊控制中隶属函数和模糊规则的具体制定 ,为进一步的船舶动力定位打下基础。对船舶纵荡运动进行了控制与仿真 ,并对所设计的船舶动力定位系统的硬件及软件系统作了简要的介绍。仿真结果表明 ,所设计的模糊控制器能对船舶的动力定位实施有效的控制。船舶动力定位系统的试验正在进行中。     

交叉路网交通灯的协调模糊控制方法

交通灯的控制是城市交通系统中一个重要的问题,本文探讨了一种新的交叉路口网交通灯的协调模糊控制方法,首先在交叉和阵道上设置流量检测器得到路口的交通数据;然后根据路网多个节点的交通动态特征,提出了一个种模糊规则来控制交通信号灯的延长时间和相位变化,使得整个整网车辆的平均时延得到优化,这个方法与一种典型方法作了比较,并且给出了仿真实例,其结果相当令人满意。     

高速公路入口匝道模糊控制及其仿真研究

提出一种模糊逻辑方法控制高峰期间进入高速公路的车辆数目。分析了模糊逻辑控制器的基本结构，阐述了模糊控制算法，给出了隶属度函数，根据高速公路上游、下游及入口匝道上安装的传感器检测到的流量、速度、占有率、匝道排队长度等信息，设计了入口匝道模糊逻辑控制器，并用计算机对控制器进行了仿真，仿真结果表明该方法切实可行、具有实用价值，它能避免高速公路主线交通拥挤和堵塞，提高主线的通行能力，实现车辆在高速公路上高效、安全的运行。     

基于模块化的半主动悬架模糊控制及仿真分析

通过3自由度车辆半主动悬架系统模型的建立,应用模糊控制理论并结合模块化思想,进行了模块化半主动悬架模糊控制器的设计,并在MatLab/Simulink环境中对其进行了仿真,把它与被动悬架和用LQG控制器控制的半主动悬架作了比较.仿真结果表明,相对于其它两种悬架,具有模块化模糊控制器作用的半主动悬架在降低人体的加速度,改善车辆的乘坐舒适性和平顺性上有显著的效果.     

基于标准可加性模型的模糊控制算法仿真研究

基于标准可加性模型（SAM）的模糊控制算法及自学习SAM算法是一种适合工业控制应用的模糊控制方式，并且通过自学习可以对控制器的输入输出参数进行修正，从而使该算法综合了模糊控制和神经网络控制的各自优点，仿真表明该算法能对被控对象实现有效的控制，且具有较强的鲁棒性。     

模糊控制在聚合反应釜中的应用及仿真研究

根据聚合反应釜的大惯性,大滞后特性,用传统的PID控制,模糊PID控制、分段模型控制和史密斯－模糊控制进行仿真研究,最后得到理想的史密斯－模糊控制方法。     

一种基于GA的多目标模糊决策方法研究

针对多目标决策中目标非标准化对决策的影响，提出一种基于相对隶属度的改进遗传算法。在求解过程中，首先计算出群体中所有个体的目标特征值，然后计算目标非标准化对决策的影响度和影响度因子；通过影响度因子将目标非标准化对决策的影响计算到相对隶属度中，将目标特征值矩阵转化为相对隶属度矩阵，构造基于相对隶属度的相对适应度函数，以减小目标非标准化对决策的影响；最后给出了应用该算法处理复杂零件协同制造中制造资源优化配置的一个实例，证明算法的可行性与有效性。     

基于模糊逻辑和GA的智能车辆横向控制算法仿真研究

控制器设计可看作一个结构和参数搜索与优化的过程。本文以模糊逻辑(FL)为控制策略，以T-S模糊神经网络(FNN)为控制结构，以遗传算法(GA)为参数搜索和优化工具，给出一种智能车辆横向运动控制器自动设计算法，并通过计算机仿真实现。结果表明，所设计的控制器具有较好的控制性能，能够有效地解决智能车辆横向运动中的非线性和参数时变性问题。     

城市交通信号灯模糊线控制及其仿真

根据大系统分解－协调原理,提出一种城市交通信号灯模糊线控制方法,计算机仿真表明,结果令人满意。     

进化计算-自适应模糊控制新算法研究

提出一种基于进化计算的自适应模糊控制新算法。该算法通过优化模糊控制中诸参数,显著提高了控制系统的动、静态性能,具有广泛的应用前景。     

基于Q学习的城市交通信号灯混杂控制

给出了一种单交叉口混杂交通控制器和仿真结果。首先,采用Q学习和BP神经元网络根据环境的变化决定最优的相位切换时间,然后增加一个模糊控制器决定最需要切换的相位,即决定相位次序。该方法在PARAMICS交通仿真软件中进行仿真,和定控制以及定相序控制相比,该方法具有明显的优势。     

基于改进的灰色预测的模糊神经网络控制

采用等维新信息和提高原始数据列光滑度的方法对灰色预测模型进行改进,具有预测更准确的效果,结合采用模糊神经网络控制的精确稳定性特点,提出一种改进的灰色预测的孵化模糊神经网络控制算法,将其应用在具有大滞后、强干扰的孵化过程中。仿真和实际结果表明,提出的控制策略能够有效克服时滞过程的超调问题,具有较强的鲁棒性和自适应性。

Abstract：

Grey Predictive model was improved by using ＂moving window＂ and increasing the smoothness of original data,which can predict accurately,by combining grey predictive model with fuzzy neural network control algorithm which is accurate and stable.A fuzzy neural network control algorithm based on improved grey predictive model was proposed to be applied in incubation process which is lag largely and strongly disturbed.Simulation and running results show that the proposed control strategy can effectively overcome the overshoot caused by delay and has better flexibility and robustness.     

城市单路口交通的两级模糊控制及其仿真

在Ｐａｐｐｉｓ法的基础上,提出城市单路口交通的两级模糊控制方法,计算机仿真表明,其结果令人满意。     

模仿二倍体繁殖的改进遗传算法

针对标准遗传算法和二倍体遗传算法容易陷入早期收敛、末期局部搜索能力差等不足之处,给出了一种忽略等位基因显隐性的二倍体遗传算法的改进方法;模仿二倍体生物繁殖的过程,引入同源染色体交叉、配子重组操作,改进了传统遗传算法的遗传操作过程;在选择过程中采用了结合最优保留的受限选择策略及精英种群方案。仿真结果表明,该改进算法不但能使种群基因保持多样性,有效抑制了算法的早熟收敛,还降低了算法复杂度、提高了搜索精度,使算法能以较快的速度与较高的精度达到全局最优。     

CMAC网络与模糊PD并行控制仿真研究

针对工业被控对象广泛存在的不确定性、非线性、时变性和多干扰等特性,提出了一种CMAC网络与模糊PD并行控制器的设计方法。该方法以模糊PD控制代替传统的PD控制实现反馈控制,并采用遗传算法整定模糊PD控制的量化因子,CMAC网络实现前馈控制。仿真结果表明,CMAC网络与模糊PD并行控制相对于PID控制与传统的CMAC网络与PD并行控制具有更强的鲁棒性与抗干扰能力。     

一种融合遗传算法和粒子群算法的改进模糊C-均值算法

针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.