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.     

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。     

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.     

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。     

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。     

基于遗传算法的模糊神经控制器的设计与仿真

根据遗传算法和智能控制的特点,提出了一种基于遗传算法的模糊神经网络控制器,遗传算法主要优化模糊神经控制器的隶属度参数和第三层的网络节点。对优化后的控制器进行了仿真比较研究.仿真结果表明,该控制器有较好的控制性能。     

基于遗传算法的模糊神经控制器的设计与仿真

根据遗传算法和智能控制的特点,提出了一种基于遗传算法的模糊神经网络控制器,遗传算法主要优化模糊神经控制器的隶属度参数和第三层的网络节点.对优化后的控制器进行了仿真比较研究.仿真结果表明,该控制器有较好的控制性能.     

模糊神经网络控制器的设计与仿真

提出了一种复杂系统模糊建模及控制的神经网络方法,通过ＢＰ神经网络,对模糊规则的结论参数和隶属函数进行在线修正,实现模糊规则的自组织,这种控制方法可用地对受控对象缺乏精确的数学模型或具有时滞,高阶,非线性等难以用现有的控制理论分析方法和控制的复杂系统,仿真结果证明了这种方法的有效性。     

用FCGA优化的四辊冷轧机恒张力模糊控制系统的设计

为了保证冷轧机轧制中带钢恒张力这一特点，设计了四辊冷轧机恒张力模糊控制系统。该系统含有电压、电流和速度三个内环，最外环为张力环；电压环和电流环采用一维模糊控制器控制，速度环和张力环采用二维模糊控制器控制。为了加强模糊控制的自适应性，采用了一种模糊控制的遗传算法将外张力模糊控制器的隶属参数进行优化。理论分析和仿真结果都表明该系统对带钢恒张力控制具有很强的鲁棒性和实时性，即使在变工况下（大范围变负荷下）也保持了良好的控制性能。     

基于遗传算法的模糊控制器参数优化

针对非线性量化因子模糊控制器的参数对系统性能影响和参数间的相互制约,提出了一种基于遗传算法的参数整定与优化方法,并进行了仿真研究。仿真结果表明通过该方法寻优的系统具有更好的响应速度和控制精度;当对象结构或参数发生变化时,非线性量化因子模糊控制器可以重新整定参数,以保持良好的控制效果,具有很强的鲁棒性。     

基于遗传算法的参数在线自调整模糊控制器

提出了一种基于遗传算法优化的自调整模糊控制器的设计方法.该模糊控制器的运行参数自调整公式以系统响应的最大超调量、调整时间及稳态误差为性能指标,利用遗传算法搜索模糊控制器量化因子Ke,Kec及比例因子Ku公式中相应的最优基准值Keo,Keco及Kuo和微调参数K1,K2及K3,设计一个根据系统当前的动态误差e运行参数可在线自调整的模糊控制器,以确保系统的响应具有最优的动态和稳态性能.该控制器已用于控制由作者设计的智能人工腿中的执行电机.计算机仿真结果表明,与运行参数固定的模糊控制器相比,这种自调整模糊控制器具有良好的动态和稳态性能.     

基于遗传算法的城域交叉路口两级模糊控制

分级模糊控制能有效减少模糊规则数,易于提取模糊规则,适合于交通状况复杂的城域交叉路口的交通控制,但它存在难以由人工合理定义全部模糊隶属度函数的问题.为此,提出了一种面向城域单交叉路口的自适应两级模糊控制系统,并采用遗传算法对两级模糊控制器中模糊隶属度函数进行优化调整.该控制系统具有分级模糊控制的优点,同时可以让模糊隶属度的选取更为合理,使模糊隶属度函数在不同交通情况下自适应地变化,从而改善控制效果.对一个两相位孤立交叉口进行仿真.结果表明该法能有效降低通行车辆在交叉口的平均等待时间.     

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.     

基于PID算法的嵌入式模糊控制器及应用

提出一种适合于工业现场使用的嵌入式模糊控制器设计方法。结合常规PID控制器和模糊控制的特点,使其在线性和非线性系统均能得到良好应用。针对其在线性系统中的应用,利用多年的实际经验数据和实验仿真结果,讨论如何从复杂的规则生成、隶属函数选择及蕴涵推理中解脱出来,最终得到一张快速的控制表,从而为嵌入式的设计方案打下基础。在性能上,与线性PID控制器相比,同样也可以在嵌入式系统中使用。在通用性上,控制器应用于不同场合时,可以通过参数修改实现具体控制,具有较强的通用性。该方法具有一定的推广性,适合于以嵌入式微处理器为核心的各类装置使用,具有良好的性能价格比。据此设计出的产品已经在实际中获得多年的成功应用。     

简化模糊控制器的设计

基于模糊控制原理,对传统模糊控制器进行了简化,以提高实时执行效率.采用三角形隶属函数,简化Larsen积运算和解析式模糊规则,检测输入语言变量的激活水平,仅对有效的模糊规则进行操作,从而降低内存消耗和计算量.小车倒立摆系统倒立摆角度控制的仿真试验证明了算法的有效性.     

Buck型DC-DC变换器中数字预测模糊PID控制器的设计与实现

为了提高数字DC-DC变换器的瞬态响应性能,设计了一种基于数字预测控制方法的模糊PID控制器.该控制器根据Buck型DC-DC变换器的电路结构,准确预测单个开关周期或多个开关周期后的负载电压和电感电流,以克服环路时延对系统瞬态响应的影响;同时,在基本PID控制基础上引入模糊控制,实时在线调整PID控制参数,以克服变换器的非线性特性对瞬态能力的影响.所设计数字控制器经FPGA验证,结果表明,与基本PID控制相比,所设计数字预测模糊PID控制器能有效提高变换器的瞬态响应能力,变换器的瞬态响应时间缩短1/3,电压超调量小于5%.     

基于遗传算法和模糊控制的图像盲复原方法

针对空间移变降质的点扩散函数类型未知且加性噪声严重的情况,提出一种基于遗传算法和模糊控制的盲复原方法.算法采用三角形网格划分子图像块,通过标准遗传算法和微种群遗传算法交替进化的方式分别估计点扩散函数及其对应的子图像块,并在标准遗传算法每一代进化结束时利用参数模型对估计的最佳点扩散函数进行基于模糊控制的修正,而在微种群遗传算法每次迭代后对最佳子图像块进行基于直方图统计的修正.实验结果表明,与点扩散函数已知且不含修正步骤的恢复算法相比,该算法具有更好的的复原效果.     

一种模糊控制器的鲁棒自整定算法

提出一种简单并具有鲁棒性的模糊位置式加积分的控制器自整定算法。该算法采用模糊自整定的方案,它是定义在被控制量的误差ｅ和误差的变化Δｅ基础上的,可以在线实时调整输出比例因子Ｇｕ,用提出的方案与不含自整定方案的模糊控制器（简称ＦＣ）分别对一些带有滞后的二阶系统进行仿真、比较。结果表明,采用ＳＴＦＣ算法的系统响应波动性及其动态性能指标较ＦＣ方案的均有明显地改善,该算法具有鲁棒性。