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.     

一种改进的遗传优化算法在网络故障预测中的应用

模糊逻辑控制器(FLC)模型简明，易于利用专家知识，适应能力强．适用于多输入、具有不确定因素、非线性系统的控制。随着系统复杂度的提高，直观经验获取难度变得越来越大．既难表述，又难使用。本文针对网络系统中故障的预测和诊断问题，将遗传算法与前馈网络结合，提出了一种基于BP的遗传优化改进型算法(RGA—BP)，并与经典BP算法结果作了比较，迭代步骤很明显的减少，精度明显提高。     

一种具有自学习功能模糊控制器的设计与实现

为了克服常规模糊控制器的缺陷，作者设计并实现了一种具有自学习能力的模糊控制器，并应用于蓄电池的化成充电控制之中．同常规模糊控制器相比，它可以更好地控制系统的动态性能．     

基于参数在线自调整的自适应模糊控制器研究

分析了模糊控制器的量化因子和比例因子对系统性能的影响，设计了一种自适应模糊控制器，能够在线调整其量化和比例因子以适应被控对象的变化，仿真结果表明该模糊控制器能获得较常规模糊控制器优良的控制效果．     

模糊神经网络在冷连轧厚度控制中的应用

由于冷连轧厚度控制系统具有非线性、大时滞的特点,在冷连轧厚度的常规 PID 控制中,PID 控制器的参数往往针对某一种情况进行整定,很难控制冷连轧厚度始终处于一个好的状态.为此,在分析了厚度控制原理的基础上,设计了用一个2-5-1结构的 BP 网络实现的模糊神经网络控制器(FNNC),并将该 FNNC 控制器与积分作用相结合构成一个 FNNC-I 控制器.仿真结果表明,该 FNNC-I 控制器提高了系统的动态和稳态性能、抗干扰性以及鲁棒性,其控制效果优于常规 PID 控制器.     

基于DE-BP算法的模糊神经网络控制器及其在污水处理溶解氧浓度控制上的应用

针对污水处理过程这一多变量、强耦合的复杂非线性系统,提出了一种基于差分进化算法的模糊神经网络控制方法,并应用于污水处理过程溶解氧浓度的控制。首先利用差分进化(DE)结合BP的混合算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力,对参数进一步在线调整。将所提出的控制器用于污水处理BSM1仿真平台的溶解氧浓度控制,控制性能优于常规的模糊控制器,仿真结果表明了该控制策略的有效性。     

模糊控制与PID控制方法的比较

研究了常规模糊控制器与ＰＩＤ控制器的关系．基于Ｔ－Ｓ模型,在一定的附加条件下,对这些模糊控制器进行了分析,理论上给出了这类模糊控制器与ＰＩＤ控制器参数间的定量关系式,并指出两者间的本质联系．仿真结果表明了模糊控制器与ＰＩＤ控制器的相似性,多个规则的模糊控制器要优于ＰＩＤ控制器,同时给出了一类模糊ＰＩＤ复合控制器（ＴＳ－ＰＩＤ）的设计方法．该类复合控制器兼有模糊控制器与ＰＩＤ控制器优点,具有较深远的应用前景．     

基于模糊神经网络PID的无人艇航向控制器研究

针对常规比例、积分和微分(proportional integral derivative, PID)控制器在无人艇航向控制系统中表现出的稳定性差、控制精度低等问题,文章提出一种将模糊控制与反向传播(back propagation, BP)神经网络相结合的控制算法;在MATLAB中对比常规PID控制器、模糊PID控制器与模糊神经网络PID控制器在给定期望航向角下的航向控制性能,仿真结果表明模糊神经网络PID控制器对无人艇的航向控制性能最佳;在搭建的实验平台上对不同航向控制器下无人艇的航行轨迹和航向角进行比较,实验结果进一步验证了模糊神经网络PID航向控制算法的优越性。     

松花江流域蓄滞洪区方案优选智能决策研究

针对松花江流域防洪工程重要组成部分的蓄滞洪区，基于陈守煜提出的模糊优选BP神经网络模型，引入了遗传算法，提出融入遗传算法的模糊优选神经网络智能决策模型，对松花江流域蓄滞洪区方案优选进行智能决策．该模型既能合理地构造神经网络的拓扑结构，又可加快网络的收敛速度，并能改善网络的全局寻优能力，是对模糊优选BP神经网络模型的进一步发展，同时更对松花江流域蓄滞洪区的优选提供了理论依据．     

模糊控制器在高阶水位控制中的设计及应用

在高阶大惯性环节对象的控制问题中，采用普通PID难以实现其良好的控制作用．设计了一种基于模糊控制原理的模糊PID参数自适应控制器和模糊控制器，根据偏差和偏差变化率来实时调整参数，水位控制实验结果表明，这种模糊控制器比常规PID控制器有更好的控制效果，明显改善了系统的动态性能和稳态性能．     

基于粒子群算法的模糊神经网络控制器

将粒子群算法与模糊神经网络结合起来提出了一种粒子群模糊神经网络控制器,先用粒子群算法对模糊神经控制器进行离线训练,然后用BP算法对模糊神经控制器进一步在线训练,仿真结果表明该控制器比模糊神经控制器取得了更好的控制效果。     

流化床锅炉燃烧系统的专家模糊控制──一种计算机软件控制系统

本文设计的通用模糊控制器，其控制规律由模糊控制表决定；改进设计的专家系统模糊控制器，将模糊控制理论和专家系统结合起来，其运行可根据控制效果自行调节。仿真证实，这种控制方案优于常规的模糊控制器，可用于流化床锅炉（Ｆ．Ｂ．Ｂ）燃烧系统类型的复杂过程的控制。     

快速锻造液压机组模糊控制策略的改进

分析了常规模糊控制器的缺点，提出了两级控制策略，即较低一级采用自调整因子三维模糊控制，较高一级采用最优模糊控制，对快速锻造液压机组的仿真结果表明该模糊控制策略能获得较常规模糊控制器优良的控制效果．     

基于粒子群算法的模糊神经网络控制器

将粒子群算法与模糊神经网络结合起来提出了一种粒子群模糊神经网络控制器,先用粒子群算法对模糊神经控制器进行离线训练,然后用BP算法对模糊神经控制器进一步在线训练,仿真结果表明该控制器比模糊神经控制器取得了更好的控制效果.     

KINGVIEW中在线插值模糊控制器的实现

将实用插值算法引入到常规模糊控制器得到的在线插值模糊控制器，可以有效的抑制常规模糊控制因量化误差引起的稳态误差和颤振现象．将KINGVIEW组态软件用于工控系统能大大提高工控软件开发效率，作者给出一种在KINGVIEW中实现在线插值模糊控制算法的方法，扩充了KINGVIEW的应用功能．     

基于粗糙集神经网络PID的串级控制系统设计

提出一种基于粗糙集的神经网络PID控制器。该控制器利用粗糙集的数据约简方法，约简BP网络样本的冗余属性和属性值并保留重要数据得到最小样本，然后用这个最小样本训练BP网络。最后利用BP网络对动态过程中的PID控制参数进行实时在线调整。对串级过热气温控制系统的仿真结果表明，与传统的神经网络PID建模方法相比，该控制器网络训练时间少、抗扰性和鲁棒性强。     

自校正模糊控制器的设计

综合Ｍ．ＳＵＧＥＮＯ和Ｇ．Ｔ．ＫＡＧ的设计思想，提出了利用控制作用模式化方程设计自校正模糊控制器的方法，系统地介绍了自校正模糊控制器的结构、控制算法分析及状态变量量论域参数的自校正算法，同时给出了有关数字仿真结果，数字仿真结果表明，自校正模糊控制器在响应速度、调节时间和稳态精度这几个个品质参数上基本达到了常规ＰＩＤ优化控制的效果，且比常规ＰＩＤ控制具有更强的适应性，尤其是精神数学模型未知或被控对象     

无阀电液位置伺服系统的自适应模糊PID控制器设计

针对具有AC伺服电机动态特性的无阀电液位置伺服系统设计了一种能够利用模糊规则动态的修正控制器参数的自适应模糊PID控制器，该控制器是基于常规PID控制器参数和动态性能指标之间的关系，建立了模糊规则表来更新控制器的参数。仿真结果表明了所设计的自适应模糊PID控制器与常规PID控制器相比，能够获得更好的动态特性和对于外部干扰更好的鲁棒性。     

机械手动态T-S神经模糊H∞控制器设计

机器人是强耦合的非线性动力学系统.为了设计其控制器,利用动态神经模糊系统对非线性H∞控制问题进行了研究.在传统的T-S神经模糊系统基础上,将延迟反馈和记忆单元引入其中,并针对此网络推导了相应的动态BP训练算法.利用此网络可以有效反映机器人等非线性系统的动态性能,克服了静态神经网络无法有效表示动态系统映射关系的缺点.在此模糊模型的基础上,采用H∞方法研究了系统控制器的设计.最后以倒立摆为例的仿真试验表明此控制器具有良好的鲁棒性.     

基于力信号和智能控制的电解加工间隙检测与控制

采集真实电解加工过程中阴极表面上的力信号,利用小波变换对采集的信号进行降噪处理,得到一条随着间隙减小而光滑增大的力信号趋势曲线.用这些力-间隙数据对训练一个BP神经网络,通过训练好的网络和在线测得的力实现间隙的在线预报,并设计了一个模糊控制器.利用上述从试验中获得的间隙-力关系训练另一个BP神经网络,实现间隙向力信号的映射,把间隙的误差转化为力的误差及误差的变化信号,以此作为模糊控制器的输入,以加工电压的增量作为模糊控制器输出,实现对间隙的控制.在Matlab的simulink模块中建立了由神经网络、模糊控制器和电解加工系统联合组成的智能控制系统的仿真模型,进行了仿真试验,试验结果表明对间隙的控制效果满意,特别是快速性和鲁棒性好.