位置伺服系统PID控制器参数在线整定算法

为了使ＰＩＤ控制器参数能够在线自动调整,获得最优或次优的控制器参数,提出了基于浮点数编码遗传算法（ＧＡ）的位置伺服系统ＰＩＤ控制器参数在线整定算法（ＧＡＣＰＴ）,设计了相应的改进遗传操作,同时提出了通过运动学习保证控制器稳定鲁棒性的适合度函数设计方法．完成一次ＰＩＤ控制器参数在线整定只需１０ｍｉｎ,效率较人工整定有很大提高．对一个实际机电位置伺服系统的仿真研究表明,ＧＡＣＰＴ算法能够在对象参数未知时,使系统阶跃响应趋于期望曲线,高效地完成ＰＩＤ控制器参数在线整定．该方法可用于数控机床位置伺服控制、过程控制等一般工业控制系统,以及机器人高精度轨迹控制系统．     

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.     

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。     

用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题,提出一种神经控制器的设计方法。通过对连续空间遗传算法的编码和遗传算子进行适当改进,采用保留精英的线性排序选择,避免成熟前收敛,并给出算术交叉算子和乘法变异算子,使算法同时具有好的搜索精度和搜索效率,然后采用这种改进的遗传算法对非线性动态系统的控制进行优化,获得基于一定性能指标的期望的状态轨迹及相应的最优控制序列,并以此训练神经网络控制器。最后给出了以同     

基于SOA算法的六相永磁同步电机控制策略研究

现在的永磁同步电机多采用PI控制,控制器参数整定的合理与否对控制器的性能具有重要的影响.而PI控制器的难点在于其参数的整定,因此对PI控制器的参数进行优化显得尤为重要.在现在的工业控制中,PI参数整定多依赖于经典法,也有单纯形法、专家整定法以及智能算法中的遗传算法及粒子群算法等.对六相永磁同步电机矢量控制的模型进行仿真,并将SOA(即人群搜索算法)应用于六相永磁同步电机的PI控制器的参数整定中,仿真结果表明:人群搜索算法具有收敛精度高的特点,能够同时实现仿真模型中各个PI控制器参数的整定,最终输出的曲线非常令人满意,有效的解决了PI控制器参数整定难的问题.     

基于模拟退火遗传算法的IIR数字滤波器参数优化设计

结合模拟退火算法的思想和遗传算法的思想,提出模拟退火遗传算法,并用此算法进行滤波器参数整定与优化,同时使用自适应交叉率和变异率,以及适应度拉伸方法对传统遗传算法进行改进。该算法有效抑制早熟,又具有收敛性快、全局寻优与局部寻优能力。仿真结果表明,基于此算法寻优设计的滤波器控制器具有更好的滤波特性。     

基于GA学习的模糊小脑模型控制器

提出一种基于遗传算法学习的模糊不脑模型神经网络控制器,即利用遗传算法学习和优化ＦＣＭＡＣ控制器的连接权重,构成一个ＧＡ－ＦＣＭＡＣ控制器,该算法适用于多输入－多输出系统,对于倒立摆非线性系统的仿真结果证明,本算法的有效性和适应性。     

用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题 ,提出一种神经控制器的设计方法 .通过对连续空间遗传算法的编码和遗传算子进行适当改进 ,采用保留精英的线性排序选择 ,避免成熟前收敛 ,并给出算术交叉算子和乘法变异算子 ,使算法同时具有好的搜索精度和搜索效率 ;然后采用这种改进的遗传算法对非线性动态系统的控制进行优化 ,获得基于一定性能指标的期望的状态轨迹及相应的最优控制序列 ,并以此训练神经网络控制器 .最后给出了以同步机为控制对象的仿真结果 ,验证了方法的有效性 .     

基于多宇宙并行遗传算法PID参数整定

针对复杂工业过程中控制要求多样性、控制参数难以调整等问题,本文提出了一种PID控制器参数整定的多宇宙并行遗传算法。利用多宇宙并行的方法以及移民与交叉两种策略改进标准遗传算法在PID控制参数整定过程中收敛速度较慢、稳定性较差、易陷入局部最优等问题。仿真实验结果表明,基于该方法设计的PID参数整定获得了良好的效果,能够较好地解决复杂工业过程中控制参数整定的问题。     

直流电动机人工智能控制器研究

本文将PID控制和模糊控制相结合,控制直流电动机。首先对直流电动机的PID控制进行仿真,鉴于其参数变化范围大,整定过程繁锁,所以采取遗传算法对PID参数进行整定,通过仿真发现,整定过程大大简化,然后又采用模糊自整定方法对直流电动机进行控制,最后,将各种控制方案进行仿真,结果进行对比分析,表明模糊自整定控制器性能不仅具有良好的动、静品质,且具有较强的抗干扰能力以及参数时变的适应能力。     

基于改进遗传算法的PID参数整定策略

针对简单遗传算法（SGA）收敛速度慢、易于早熟等缺点,在前人研究成果的基础上,提出动态调整搜索空间策略,对遗传算法进行多步渐进搜索。并采用改进的自适应交叉算子和自适应变异算子,结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID参数进行迭代寻优整定。仿真结果表明：当被控对象存在较大纯滞后、时间常数特性时,采用本方法优化PID控制器参数可获得比较满意的调节效果。     

一种基于模糊规则遗传算法在车间布置中的应用

提出了一种将模糊控制规则引入遗传算法的方法．根据每一代种群中所有个体适应度值的变化，对交叉概率、变异概率和染色体交叉长度进行模糊调整，很好地抑制了遗传算法的早熟现象，提高了搜索的效率．归纳出模糊调整规则，并叙述了应用模糊规则对交叉概率、变异概率和染色体交叉长度进行调整的策略；给出了模糊控制器的设计．用该模糊遗传算法对制造系统中的车间布置问题进行了仿真．结果表明，该算法是一种效率很高的寻优方法．     

一种多值编码遗传算法的缺失基因复现方法

与二值编码遗传算法相比,基因缺失问题对多值编码遗传算法的全局搜索性能影响比较大.提出一种缺失基因复现和存活的变异方法,即根据字符集中的字符在种群中的缺失作为预选变异基因集,然后对待变异个体集进行预变异;选择高适应度个体的对应变异基因和基因位,使其在原待变异个体集中扩散.将该方法应用到多重选择背包问题的遗传算法中,通过仿真实验验证了该方法的有效性.     

基于GA的交叉路口自适应模糊控制器设计

针对交通领域中模糊逻辑控制器的模糊子集隶属度函数的离散性特点,提出了改进的GA(GeneticAlgorithm)算法,设计了适用于模糊子集隶属度函数编码的带区间范围限制的十进制编码方案,并实现受限分布一致交叉和变异算子.改进的经典赌轮选择法,通过动态确定最优隶属度函数,模糊控制器的控制性能得到提高,避免了病态个体产生,加快了收敛速度.通过一个实例的Matlab仿真结果表明了该方法的有效性.该方法对路口两方向车辆到达率相差较大情况的处理亦收到明显的效果.     

基于细分变异算子策略的遗传算法

针对基本遗传算法局部搜索能力不强以及早熟的问题,提出基于细分变异算子的遗传算法(Genetic Algorithm Based on Subdividing Mutation,SMSGA).SMSGA将变异算子依据进化历程分成大步前进算子和最优调教算子.大步前进算子防止遗传早熟现象的发生;最优调教算子加强局部搜索的能力.同时,为加快算法收敛速度,对遗传操作实施策略进行优化,引入了路由选择操作.选用3个典型的测试函数在MATLAB平台中对该算法与基本遗传算法以及采用双变异率的改进遗传算法进行比较分析,结果表明,SMSGA可以有效的避免遗传算法中存在的局部搜索能力差和早熟现象的出现.     

基于双变异策略差分进化算法的模糊PI参数整定

针对模糊PID控制器参数难以整定的问题,提出一种基于双变异策略协同工作的自适应差分进化算法DSDE。该算法采用随进化代数变化的权重因子,将经由DE/target-to-best/1和DE/rand/2两种变异策略生成的个体加权组合成一个新的变异个体,并采用Z型函数根据迭代次数自动调整变异因子,以适应于不同的进化阶段。将DSDE算法应用于二阶被控对象的模糊PI控制器(FPI)参数整定,MATLAB仿真结果表明,与传统的FPI、DE-FPI和采用自适应变异差分进化算法进行参数整定的AMDE-FPI相比,基于DSDE算法的模糊PI控制器具有更好的控制性能。     

基于GA的CMAC与PID控制器的设计与仿真

将遗传算法(GA)、比例-积分-微分(PID)控制器和小脑模型控制器(CMAC)神经网络的优点结合起来，设计了一种新的CMAC与PID并行控制器，并用改进的遗传算法对该控制器的五个参数进行寻优，很好地解决了PID控制参数调整繁琐和CMAC神经网络参数学习困难的问题.仿真结果表明，该方法具有超调量小和响应时间短的特点.     

基于改进遗传算法的数字PID参数整定

提出了一种改进遗传算法整定数字PID参数,对所得的参数在Matlab下进行了仿真,并以89C51单片机为控制器对二阶被控对象进行了实验。仿真与实验结果表明,该方法比简单遗传算法收敛速度更快,收敛过程更平稳;所得参数对被控对象阶跃响应控制效果优良,使被控对象的输出能快速、稳定、准确地跟随输入信号。