基于神经网络的多变量自适应控制器

利用神经网络对非线性映射的逼近能力，通过采用一步超前预测控制性能指标及网络模型局部线性化的思想，给出了一个显式的控制律和相应的自适应控制算法，仿真结果表明了该控制算法的有效性。     

基于小波神经网络的自适应控制器设计

针对一类未知非线性系统,设计了一种基于小波神经网络的自适应控制器,并提出了一种适合在线学习的参数混合训练算法。根据离线和在线学习系统的特性,得到小波神经网络控制器的初始参数,使用混合训练算法在线修正控制律,实现了自适应控制。仿真结果验证了该控制方案的有效性。     

基于自适应输出反馈的船舶航向控制

针对复杂海情下的航向跟踪问题,提出基于神经网络的自适应输出反馈控制方法.利用Lyapunov稳定性理论,证明了该控制设计方法的稳定性.为克服航向角速度难以测量的问题,应用线性观测器进行状态估计,并结合神经网络拟合了复杂海况下的水动力不确定参数.为增强控制器的鲁棒性,对所设计的控制器进行了重新修正,使其具有更好的抗干扰能力.以一艘货船为例,进行了航向在10°和—10°间连续改变的仿真实验,结果表明设计的控制器具有船舶操纵的良好动态性能,且具有无超调、鲁棒性强的优点.     

船舶航向保持的非线性逆推鲁棒控制算法

为提高控制器的鲁棒性能,针对非线性船舶航向保持系统,将简化的逆推算法与闭环增益成形算法相结合,设计出非线性鲁棒控制器.以大连海事大学实习船“育鲲”号为例进行仿真.结果表明,该算法能够使船舶无超调无静差地跟踪设定航向,调节时间为200 s,控制效果良好,且控制器对模型摄动具有一定的鲁棒性.该算法设计过程简单,物理意义明显.     

船舶航向保持本质非线性反馈算法的比较研究

利用VC++将线性二次型最优控制算法、闭环增益成形算法、船舶航向保持本质非线性反馈算法应用于船舶间接式航迹保持控制.基于"阳澄湖"号进行仿真研究,结果验证了该算法的有效性及理论证明的正确性.     

基于遗传-鲸鱼优化的SCARA自适应迭代学习控制

针对SCARA重复运动后的轨迹会出现偏差的问题,给出了一种基于改进鲸鱼算法的自适应迭代学习优化控制策略。根据SCARA驱动方程,设计了动力学系统的迭代学习控制律。由于鲸鱼算法收敛速度慢,利用遗传算法与鲸鱼算法结合,提高算法的全局搜索能力。对机械臂控制器参数K_P、K_D进行寻优。实验结果表明,该算法灵活性好,对系统期望轨迹具有较高的跟踪精度,有效降低了双关节机械臂的位置、速度跟踪误差,具有较强的可行性与有效性。     

基于自适应学习算法的智能代理网络故障监测

提出一种基于自适应学习算法的故障监测智能代理，通过分段测量抽取描述网络正常行为的ＭＩＢ变量值并检测偏差。对学习获得的信息经由贝叶斯图加以组合，从而鉴别未知的或不可预见的故障。实验结果表明，智能监测代理系统能够在故障发生以前检测网络异常行为。     

船舶航向非线性系统自适应鲁棒自动舵的设计

考虑船舶航向控制系统模型中存在着非线性，并且在模型参数未知的情况下，利用Lyapunov稳定性理论，提出了一种具有积分功能的自适应鲁棒控制新算法，以5000t级杂货船为例，进行了自适应鲁棒自动舵设计，并利用Matlab的Simulink工具箱进行了仿真研究，结果证明该算法是十分有效的。     

基于神经网络的自适应控制器的研究

本文研究了神经网络控制未知动态系统的可行性，提出了几种自适应控制结构，并研究了在不同条件下各种结构的性能变化，给出了不同条件下的仿真结果及一些结果分析。图１３，参４．     

克隆选择辨识的船舶航向自适应PD控制

为解决船舶营运中存在的模型参数摄动和外界干扰的不确定性问题,提出一种船舶航向自适应PD控制算法.采用免疫克隆选择算法进行在线船舶模型辨识,将存在不确定干扰和模型摄动的船舶作为一个"黑箱",将短时间内的船舶状态在线辨识为二阶线性模型,根据系统预定性能要求动态调整PD控制参数,使船舶获得理想输出.对抗体初始种群采用最优模型保留和随机初始化相结合的策略,提高了不确定性问题的在线优化效率.对一个三阶非线性货船的仿真试验表明,该算法有效提高了PD控制器的稳态性能.     

模糊遗传算法的自适应PID控制器

针对遗传算法运算速度慢不利于实时控制现象,提出一种基于模糊推理的遗传算法,并将其应用于自适应PID控制器上．仿真实验表明,该算法具有较好的寻优能力,能满足实时控制的要求。     

基于自适应遗传算法的水污染控制系统规划

介绍了自适应遗传算法的步骤和特点,并对其进行了改进。以辽宁鞍山市太子河段的水污染控制系统为例,建立了适宜该地区的污水处理费用函数及水污染控制系统规划模型,利用改进的自适应遗传算法对其求解,取得了良好的结果。     

一种基于自适应遗传算法的二自由度PID调节器设计

提出了一种自适应遗传算法,并将其成功地应用于仅需两个参数的二自由度PID调节器设计,使系统同时具有了最优的目标值跟踪特性和干扰抑制特性。仿真结果表明了该方法的有效性及可行性。     

基于遗传算法的稳定自适应模糊控制器的优化

采用模糊动态模型,对连续时间的高阶非线性系统进行了模糊控制。通过模糊推理,选择起主导作用的局部子系统的状态反馈控制,并作用于整个系统。利用大系统分散控制关联稳定性的概念和方法,得到了闭环模糊系统稳定的充分条件,并在此基础上给出了对模糊控制器进行优化设计的一种遗传算法实现策略。同时,仿真例子也验证了该设计方法的正确性。     

基于遗传算法信息组合的自适应模糊控制

利用模糊理论分别建立了与控制对象和控制知识信息相对应的控制系统，应用遗传算法获取2个系统在不同时间段的最佳组合因子，消除了对组合因子赋值的主观性和不准确性．基于李雅普诺夫函数的方法推导了模糊控制系统中参数的自适应控制律，并且证明了系统的稳定性和收敛性．将遗传算法信息组合的自适应模糊控制方法应用在达芬混沌系统的控制中，仿真结果对比表明，虽然组合型自适应控制方法可以有效地控制达芬强迫震荡系统，但文中提出的方法能使各控制状态有界，并且能够迅速准确地跟踪目标．     

基于组态王的遗传算法控制器设计

滞后大的系统在常规PID控制器的控制下存在过度调节的问题.遗传算法控制器充分利用自学习功能,对PID控制器参数进行在线修正,提高控制系统性能.基于组态王的遗传算法控制器应用于双容水箱液位控制系统,其实验结果表明,该控制器能有效地提高系统的响应速度和抑制过度超调,系统的性能得到有效提升.     

基于遗传算法的最优模糊控制器设计

模糊控制规则集是模糊控制系统的核心部分,对控制的快速性和精度有很大影响,采用改进的ＧＡ算法优化ＢＰ网络,加快了ＢＰ网络的收敛速度,也避免了ＢＰ网络易于陷于局部极小的麻烦。用优化的ＢＰ网络生成规则集,经过优化的ＢＰ网络隐层神经元数减少,即优化了规则库,从而提高系统的精度,降低了对ＢＰ网络系统误差的精度要求。     

基于自适应遗传算法的无刷直流电机的优化设计

对遗传算法特别是自适应遗传算法作了分析，重点研究了交叉算子和变异算子对遗传算法收敛性的影响，提出了一种改进的自适应遗传算子的方法。该方法可在遗传模式得到保证的基础上加快新个体的产生速度，所构造的遗传算子随适应值自动变化，对远离最优值的个体采用较大的遗传算子值，对接近最优值的个体采用较小遗传算子值，以提高得到全局最优解的概率。通过测试函数的求解，验证了所构造的自适应算子的有效性和正确性。实算结果表明，在无刷直流电机的优化设计中，改进后的自适应遗传算法可在满足各项性能指标的前提下取得良好的优化效果，得到全局最优解的概率较改进前有明显提高。     

一种基于 GA 的模糊控制器直接设计方法

提出了一种利用计算机设计模糊控制器的直接方法，该方法运用ＧＡ（遗传算法）进行控制器参数寻优，具有设计速度快、人工干预少的特点．仿真说明采用该方法结果优于ＰＩＤ控制．     

基于自适应遗传算法的无人机航路规划

在规划区域内随机产生一系列威胁点和相应威胁半径来量化无人机(UAV)任务环境,通过纵向剖分目标区,将航路点的表示由二维缩减到一维,采用实值编码以提高运算精度.针对遗传算法(GA)早收敛和收敛慢的问题,在交叉和变异中设计了自适应算子.计算仿真表明该控制算法能使无人机在复杂环境中回避威胁,快速选择最短路径,提高了规划效率.