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.     

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。     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

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.     

基于遗传算法的模糊控制规则优化的研究

模糊控制规则的正确选择是模糊控制器设计的关键,它决定了模糊控制系统的动态、静态性能和控制效果．针对传统的获取控制规则方法的不足,提出了在一个待优化模糊控制器的基础上,采用改进的遗传算法优化其模糊控制规则,从而使经过优化所获得的控制规则更加合理．最后对优化后的模糊控制器进行仿真比较研究,并将其应用于温室,实现温室温度的模糊控制．结果表明模糊控制规则经过优化后的模糊控制器的控制品质有较大的改善和提高．     

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。     

基于改进遗传算法的PID型励磁系统控制器(英文)

提出了一种新型PID型励磁控制器,采用一种改进的遗传算法优化其参数,不仅克服了参数设计的主观性,且可以提高优化速度.计算结果表明,这种改进遗传算法的搜索速度与精度均优于试探法和标准遗传算法.与传统控制器的仿真比较表明,采用改进遗传算法优化的PID型励磁控制器对于电力系统动态特性具有较好的控制作用.     

智能火力/飞行综合控制系统研究

本文设计了基于遗传算法和模糊逻辑控制的智能火力/飞行综合控制系统(IFFC),设计了采用论域自调整的模糊控制器,给出了控制器输入输出的隶属函数,设计了相应的规则库.并在此基础上进一步利用遗传算法对模糊控制器进行优化设计,给出了遗传算法各个参数的选择原则.仿真结果表明,基于遗传算法和模糊逻辑的智能火力/飞行综合控制系统具有良好的控制效果,在综合火力/飞行控制系统的设计中颇有应用潜力和前景.     

A fuzzy rule based genetic algorithm and its application in FMS

Most of the FMS (flexible manufacturing systems) problems belong to NP-hard (non-polynomial hard) problems. The facility layout problem and job-shop schedule problem are such examples. GA (genetic algorithm) is applied to get an optimal solution. However, traditional GAs are usually of low efficiency because of their early convergence. In order to overcome the shortcoming of the GA a fuzzy rule based GA is proposed, in which a fuzzy logical controller is introduced to adjust the value of crossover probability, mutation probability and crossover length. The HGA (hybrid genetic algorithm), which is integrated with a fuzzy logic controller, can avoid premature convergence, and improve the efficiency greatly. Finally, simulation results of the facility layout problem and job-shop schedule problem are given. The results show that the new genetic algorithm integrated with fuzzy logic controller is excellent in searching efficiency.     

轮式机器人遗传模糊神经网络转向控制

针对数学模型复杂的轮式机器人的转向控制问题，使用基于遗传算法的模糊神经网络转向控制方法．首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应性．仿真表明，该方法可以对机器人的转向进行有效控制，效果良好，能适应各种不同速度变化，是一种有实用意义的控制方法．     

基于RBF神经网络的PID整定

针对非线性系统,采用了基于径向基函数（RBF）神经网络的PID整定,用遗传算法优化RBF神经网络,仿真结果表明,基于遗传算法优化的RBF神经网络PID整定收敛速度快,整定效果优于基于梯度下降法优化的RBF神经网络PID整定。     

80C51GA单片微型计算机在温度显示系统中的应用

８０Ｃ５１ＧＡ单片微型计算机是ＭＣＳ－５１系列单片机中增强型最新产品．本文在阐明８０Ｃ５１ＧＡ单片机的工作原理及其与普通标准８０５１ＢＨ单片机的不同点的基础上，给出了用８０Ｃ５１ＧＡ设计的温度显示系统实例．     

一种基于GA的模糊神经网络控制器设计及应用

结合模糊控制、神经网络、遗传算法三种方法的优点 ,提出了一种基于遗传算法的模糊神经网络控制器 ,并分析了其网络结构和离线学习的方法 遗传算法基于全局优化策略 ,避免了反向传播学习算法易陷入局部最优的缺陷 仿真实验和在汽车防抱死制动系统中的应用表明这种控制方案是有效的 ,可行的     

基于遗传算法优化的神经网络PID控制器

对于参数可变的时变系统和非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为1种有效的控制策略．根据神经网络初始权值的选取影响控制器性能的特点,提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化．仿真结果证明了该算法的有效性。     

基于遗传算法的发电机线性最优励磁控制研究

介绍了求解发电机励磁控制器中的增益矩阵K的一种新算法－－遗传算法,它不同于常规算法的特点在于,从多个方面初始点开始,沿多路径搜索实现全局最优或准全局最成,计算过程不需要存储状态或决策变量的离散点,节约计算机内存,不必求导计算,编程简单,是一种有效的自适应随机搜索算法,仿真结果表明,用遗传算法设计的发电机励磁控制器具有良好的控制效果和鲁棒性。     

基于T-S模糊模型的CNN混沌同步控制研究

研究了四元细胞神经网络(CNN)混沌系统的T-S模糊模型建立问题,用李雅谱诺夫法构建CNN混沌系统的同步控制器,并用遗传算法对控制参数进行优化,达到比较理想的同步效果.