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.     

互联电力系统AGC的模糊和遗传控制算法

针对互联电力系统自动发电控制(AGC),结合模糊控制和遗传算法提出一种新型的PID智能控制器.这种控制器主要特点是选用遗传算法整定的PID参数值作为模糊自整定PID参数控制器的初值,然后再对模糊控制的相关参数用遗传算法优化,避免了参数选择的盲目性.仿真结果明显优于传统的PID控制器,同样也优于单独模糊PID控制器和由遗传算法寻优而设计的PID控制器.同时,在研究遗传算法寻优的过程中提出一种新的适应度选择方法.     

模糊控制器量化因子的在线优化

本文利用遗传算法与模糊控制相结合优化模糊控制器量化因子的设计方法,能够有效提高模糊控制器量化因子选取的效率及其控制效果,本文通过在基于矢量控制的交流电机调速系统速度环模糊控制器上应用遗传算法进行量化因子优化的仿真实验,验证了此设计方法的有效性与优越性。     

基于遗传算法优化的模糊PID控制研究及其仿真

提出了一种基于遗传算法优化的模糊PID控制系统：采用遗传算法优化模糊控制中的隶属函数和控制规则,进一步完善了模糊PID控制器的性能,提高了系统的控制精度。并对优化后的模糊控制器进行了Matlab仿真研究,结果表明：经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。     

基于免疫遗传算法优化的模糊神经元网络控制器在全阶精馏塔模型中的控制仿真研究

本文提出了一种免疫遗传算法优化的模糊控制器,利用免疫遗传算法的全局搜索功能和神经元的自学习能力,提高了模糊控制器的控制精度和抗干扰能力。将该控制器用于全阶精馏塔模型仿真,仿真结果表明该控制器可以有效地消除静态误差,并在控制过渡过程中也有很好的鲁棒性,实际应用效果也表明了该方法的优越性。     

基于遗传算法优化的自适应FNN-PID控制器研究

针对传统PID控制器参数整定后因无法在线自动调整而导致控制效果不理想的问题,提出了一种基于遗传算法优化模糊神经网络（FNN, Fuzzy Neural Network）的自适应FNN-PID控制器模型。该模型结合了模糊神经网络良好的自适应自学习能力和遗传算法强大的全局搜索能力,利用遗传算法对模糊神经网络的参数进行优化与训练,使PID控制器能够根据被控对象的变化而适时在线调整自身参数KP, KI和KD,从而达到理想的控制性能。将该控制器应用于异步电动机控制系统进行仿真实验,结果表明：基于遗传算法优化的自适应FNN-PID控制器具有较好的自适应能力和鲁棒性,控制效果明显优于传统PID控制器。     

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.     

基于免疫遗传算法的模糊优化控制及其仿真

提出了一种记忆细胞精英抗体遗传策略,能强化免疫系统的记忆功能和抗体浓度调节机制,从而使免疫遗传算法更快速、稳定地收敛到全局最优点.在模糊规则和隶属度函数联合编码基础上,通过上述改进型免疫遗传算法实现模糊控制器参数的同步优化.另外,由于模糊规则库和隶属度函数通常都具有对称的特点,控制器优化时可将搜索空间减半,从而使稳定性、收敛性得到显著提高.将这种新型模糊优化控制方法应用于过热汽温控制系统进行仿真,结果表明可以获得非常满意的闭环控制效果.     

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.