非完整移动机器人的路径跟踪控制、

针对非完整四轮式移动机器人,基于人工驾驶的思想,在初始偏差较大的情况下调整机器人的角度并规划临时路径,采用模糊控制技术,分别设计了角速度和速度控制器,实现了机器人跟踪路径的目的。通过对初始角度的精确调整,使得角速度模糊控制器变得简便,提高了跟踪的效率。对直线和圆形路径进行了跟踪仿真,结果表明跟踪效果良好稳定。     

基于遗传算法与模式搜索法组合的MPPT技术

针对传统单一MPPT算法无法兼顾动态性和稳态性的问题,尝试将传统遗传算法与模式搜索法进行组合应用于光伏发电MPPT控制,技术原理是当系统靠近功率曲线两端时采用遗传算法跟踪,当系统位于最大功率点附近采用模式搜索法跟踪.通过MATLAB/Simulink仿真分析,分别对比研究了扰动观察法、电导增量法、模糊控制法与组合算法跟踪光伏发电最大功率的输出特性.研究结果表明,遗传算法和模式搜索法的组合算法与扰动观察法、电导增量法和模糊控制法等传统最大功率跟踪方法相比,具有响应速度快,控制精度高,稳定性良好等优点.     

基于遗传算法的水轮发电机组模糊调速器的研究

针对水轮机调节系统模糊控制存在的问题 ,结合遗传算法在水轮机组控制中的应用现状 ,提出了一种采用遗传算法在线优化模糊隶属度函数的方法。仿真结果表明 ,该方法可以自适应地跟踪控制对象的参数变化 ,有效地对模糊控制器进行在线优化 ,从而为水轮发电机组的在线智能控制提供了一条有效途径     

离散变量模糊优化的组合形遗传算法及应用

为解决离散变量结构优化客观追求的应该是"满意解"的问题,提出离散变量模糊优化的模型,构造了离散变量模糊优化的对称解法.把离散组合形算法作为组合形操作算子融合到遗传算法中,构造一种离散变量结构优化算法-组合形遗传算法.在建立的对称模糊优化模型中,利用交模糊判决,将模糊优化问题转化成非模糊优化问题来求解,然后运用组合形遗传算法进行非模糊优化问题的求解.最后通过算例证明该方法具有良好的效果,为工程结构优化设计提供具有参考价值的理论依据.     

基于遗传算法的机器人模糊控制器设计

提出了一种机器人轨迹跟踪的模糊逻辑与变结构控制相结合的控制器设计方案，采用变结构控制量作为监督控制，首先保证机器人系统状态有界，应用模糊逻辑系统逼近过程的不确定部分，利用改进的遗传算法对模糊逻辑系统的参数进行在线调节，使得系统输出能够跟踪指定轨迹，该控制方案能够消除变结构控制所固有的抖振性，计算机仿真结果表明该控制方案具有良好的跟踪性能。     

利用非精确算法求解模糊规划问题

提出一种基于遗传算法求解模糊线性规划的非精确算法,它将遗传算法将做为算法的框架,在遗传算子之中运用了模糊控制思想,最终求解出一个模糊优解,取代了利用单纯形法求解模糊线性规划问题的一个最优解。实验结果表明,算法能使决策者更加满意,并有潜力解决实际的规划问题。     

基于遗传算法的无人机模糊-积分控制器设计

针对某小型固定翼无人机纵向姿态控制和轨迹跟踪的要求设计了一种模糊-积分混合控制器. 为避免控制器参数调试的复杂性,提高控制性能,利用遗传算法对模糊控制的隶属度函数进行了优化设计. 在优化设计阶段,确定了设计变量和约束条件,并给出了比例因子整定原则. 仿真结果表明,基于遗传算法的模糊-积分控制器与传统PID控制器相比具有更短的响应时间,鲁棒性强,并且解决了单一模糊控制器稳态响应精度低、响应曲线颤振的问题.      

非完整约束下的轮式移动机器人轨迹跟踪

研究轮式移动机器人运动控制中非完整约束系统的轨迹跟踪性能。从非完整约束定义入手,通过非完整约束系统的判据和特点,推导几类典型的轮式移动机器人的运动学模型。通过一类控制Lyapunov函数来构造系统的控制器。利用Matlab/Simulink建立了非完整约束下的二轮和三轮机器人运动学模型,设计控制器实现机器人对圆形轨迹的跟踪。仿真结果显示:该控制器轨迹跟踪性能为稳态。通过轨迹曲线得到2种机器人的运动特点和相互关系。     

轮式移动机器人预定时间轨迹跟踪控制

在现有的轨迹跟踪控制中,跟踪误差的收敛时间通常与误差初始值有关,且关于非完整系统预定时间轨迹跟踪的控制方法很少.针对上述问题提出了一种使非完整轮式移动机器人系统可在预定时间跟踪上参考轨迹的控制方法.首先,通过坐标变换,将跟踪误差系统转变为一个由角度误差构成的一阶子系统和一个由位置误差构成的二阶子系统;然后,分别针对角度...     

锅炉汽包水位的模糊预测控制

针对锅炉汽包水位的强非线性及虚假水位现象,研究了基于模糊模型的预测控制方案.在模糊建模中,采用模糊聚类法求取规则前提部分模糊集合的隶属函数,采用相似性算法清除冗余模糊集合,以获得规则简化、具有良好逼近能力的模糊模型.为了解决非凸优化问题,采用遗传算法进行目标函数优化;结合预测控制的特点,设计了适合于预测控制的遗传算法.试验结果证明了该方案是有效的.     

基于决策树和遗传算法的模糊分类系统设计

提出一种基于决策树初始化和遗传算法优化的模糊分类系统的设计方法.该方法首先采用分类和递归树(CART)算法进行决策树的生长,树的修剪过程简化了初始决策树;然后,把修剪后的决策树转化为模糊模型,利用匹茨堡型实数编码的遗传算法优化该模糊模型.为了提高模型的解释性,在遗传算法中利用基于相似性的模型简化方法对模型进行约简.最后利用该方法对Iris问题进行研究,仿真结果验证了该方法的有效性.     

基于车载摄像机移动机器人的模糊神经网络跟踪

针对车载单目摄像机的轮式移动机器人的目标跟踪问题,提出一种模糊跟踪控制方案.方案分为两部分,分别为摄像机控制部分和轮式移动机器人控制部分.摄像机控制部分通过相关特征点之间的连线的夹角设计摄像机云台控制器,使摄像机能够实时跟踪目标,保持目标在图像平面的期望位置上.轮式移动机器人控制部分通过设计T-S模糊神经网络控制器使其能够在视觉伺服反馈下实时调整速度和姿态,实现目标的有效跟踪.仿真结果表明了本文方法的有效性.     

两连杆桁架设计的多目标优化算法

针对两连杆桁架的多目标最优化设计问题,提出一种利用遗传算法和模糊理论来求解多目标优化问题的Pareto最优解算法,并通过实验进行验证;讨论遗传算法和模糊理论产生Pareto最优解的差异.结果显示:通过遗传算法配合近似分析的方法可以更有效率地寻找到更多的Pareto最优解.     

基于多目标遗传算法的模糊分类系统设计

提出了一种基于多目标遗传算法的模糊建模方法,实现了具备最大分类精度、最少特征变量和模糊规则数目的模糊分类系统的设计.首先,为缓解维数灾难问题,采用多目标遗传算法进行特征变量的选择和论域的模糊划分,构造基于栅格划分的初始模糊分类系统.然后为减少规则数目,提高模糊系统的解释性,采用遗传算法进行规则选择,得到具备较少规则数目的精简模糊分类系统.最后为提高精确性,采用约束遗传算法对精简模糊分类系统进行整体优化,在解释性不变的前提下,提高模糊分类系统的精确性.Iris和W ine分类系统的仿真,验证了该方法的有效性.     

基于佳点集遗传算法的边缘检测

为了提高遗传算法应用于边缘检测的收敛速度,提出了一种基于佳点集遗传算法(GGA)的边缘检测方法.该方法利用佳点集理论构造交叉操作使得子代保留最能代表其家族性能的双亲共同基因以提高算法收敛速度.在用遗传算法进行边缘检测之前,将图像的灰度值特征空间转换为模糊熵特征空间,然后运用模糊熵理论对图像进行相异性增强处理,滤去非边缘像素以便缩小解空间规模,为提高算法的收敛速度提供了另一个有效的途径.实验结果表明,所提出的图像边缘检测方法具有较好收敛效率,所检测出的图像边缘细节丰富、单边缘、定位准确.     

基于特殊二进制编码的自学习模糊遗传算法

为了提高自适应遗传算法(AGA:Adaptive Genetic Algorithm)的鲁棒性,并使之更有效地求解属于NP难类型的组合优化问题,提出了一种自学习模糊自适应遗传算法.该混合算法利用一个特殊二进编码标准GA在线学习AGA运行特性;通过强化学习方式自动设计和调整模糊知识系统,基于GA的自学习模糊技术可以获取AGA所需的优化模糊系统.仿真试验演示了采用所提出自动化方式设计的动态参数AGA系统及其自学习结果.试验结果表明,该算法可以用于解决类似于旅行商问题的组合优化问题.     

基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.     

改进遗传算法优化模糊均值聚类中心的图像分割

针对传统模糊均值聚类算法存在的问题, 提出一种改进遗传算法优化模糊均值聚类中心的图像分割算法. 首先在标准遗传算法的交叉操作中引入方向因子, 使参与交叉的个体向最佳个体靠近, 加快算法的收敛速度, 并通过增强群体间的信息共享机制提高算法的全局搜索能力, 避免了早熟收敛, 改善了全局解的精度; 然后采用改进遗传算法选择模糊均值聚类算法的初始聚类中心, 实现图像分割; 最后采用仿真实验测试算法性能. 实验结果表明, 相对于传统模糊均值聚类算法及其他图像分割算法, 本文算法在分割正确率、 分割速度及鲁棒性上均更优.     

基于Pareto协同进化算法的高维模糊分类系统设计

提出一种可同时构造多个精确性和解释性较好折衷的高维模糊分类系统的设计方法.该方法首先利用Simba算法进行特征变量选择,然后采用模糊聚类算法辨识初始的模糊模型,最后利用Pareto协同进化算法对所获得的初始模糊模型进行结构和参数优化.其中,Pareto协同进化算法采用了一种新的基于非支配排序的多种群合作策略.为提高模型的解释性,在Pareto协同进化算法中利用基于相似性的模型简化方法对模型进行约简.利用该方法对Wine典型问题进行分类,仿真结果验证了方法的有效性.     

应用遗传算法的多星座保护级别优化方法

增强型接收机自主完好性监测算法（ARAIM）能够在精密进近段为飞行器提供完好性保护。针对提高ARAIM算法在中国地区可用性的优化问题,提出一种基于遗传算法的垂直方向保护级别（VPL）优化方法。该方法在理论层面对VPL方程进行推导,将最大值函数最小化问题转化为目标规划求最优问题,利用遗传算法的寻优特性避免了优化中奇异点的出现,通过优化分配连续性风险和完好性风险,实现了对VPL值的优化。为了验证该优化方法的有效性,利用跟踪站采集到的GPS、GLONASS和BDS 3个导航系统播报的真实卫星星历数据,对VPL值进行了分析,分析结果表明该方法的平均优化率达到9.9%。