基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在的两个瓶颈：模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象。并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中,根据已知的模糊控制规则,对模糊隶属函数自动寻优。以工业过程控制为对象,针对具     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

交通信号2级模糊控制系统的优化设计与仿真

分级模糊控制能有效减少模糊规则数,易于提取模糊规则,适于交通状况复杂的城市交通信号控制,但难以由人工合理定义全部模糊隶属度函数.采用遗传算法对2级模糊控制器中模糊隶属度函数进行优化,对1个4相位单交叉口进行了多次仿真.仿真结果表明,该方法能有效降低通行车辆在交叉口的平均等待时间,明显优于传统控制方法.     

基于遗传算法的水下机器人模糊控制器优化设计

将遗传算法引入到水下机器人模糊控制优化问题中，用以自动寻优隶属函数参数和模糊控制规则，针对所采用的模糊控制器是连续型模糊控制器这一特点，对模糊规则和隶属函数采用了实数编码策略，并讨论了复制、交叉、变异等遗传操作在模糊控制器设计非线性寻优中的应用，最后针对水下机器人运动控制进行了计算机仿真，仿真结果表明，优化得到的模糊控制器与传统的模糊控制器相比具有响应快、超调小的特点。     

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。     

基于遗传算法优化的模糊PID控制研究及其仿真

本文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。最后对优化后的模糊控制器进行了Matlab仿真研究,仿真结果表明: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。     

基于加速进化编程的非线性模糊控制系统的优化设计

根据从对象中采集到的输入输出数据，采用加速进化编程算法优化模糊控制规则库中的各参数。该方法可以方便地调整模糊控制规则和隶属函数的参数。并提出了基于该算法的模糊控制系统的设计。用优化好的控制器去控制一个典型的非线性系统－球棒系统，仿真实验表明，控制效果和鲁棒性均达到了令人满意的效果。     

基于遗传算法优化的模糊神经网络车型识别

针对模糊神经网络中的隶属函数构造和推理规则建立两个难点,提出一种改进的遗传算法完成了隶属函数的自动生成和模糊规则的自动提取。其中采用的动态高斯变异算子,确保了进化初期有效地搜索解空间,进化后期则具有局部精确搜索的性能,提高了收敛速度,得到了精简稳定的模糊神经网络模型,并将其应用到客车车型的自动识别中,结果显示了该方法的有效性。     

一种基于多级遗传寻优的模糊控制器设计

模糊控制器设计的核心问题是模糊控制规则表的确定。模糊控制规则主要来源于专家经验和控制工程的知识,因其并不是在任何时候总能获得,这大大限制了模糊控制器的应用前景。提出了一种基于量化因子,比例因子和解析式规则的模糊PID控制器,并采用多级遗传算法对参数进行分组分阶段交替寻优,仿真结果显示该方法取得了良好的效果,在保证控制效果的情况下,大大简化了模糊控制器设计。     

一种基于遗传算法的机器人手臂系统模糊控制器

为了对模糊控制器中隶属函数进行寻优,本文设计了一种直接对隶属度函参数进行编码的短阵式个体编码遗传算法,该编码方式具有简单明了,易于交叉异操作,不用译译的特点,某四自由度机器人手臂模糊控制系统仿真结果表明,该矩阵式个体编码遗传算法能够在线优化模糊变量的隶属度函数,与没有采用该遗传算法的模糊控制器线比较,它大大提高了系统的控制效果。     

基于神经网络参考模型的船舶航向智能自适应控制系统

为使船舶能在不同状态和环境下按所希望的要求改变船舶的航向，提出了一种基于神经网络参考模型的船舶航向智能自适应控制算法，利用神经网络建立了参考模型和船舶航向运动的辨识模型。并将模糊控制与神经网络相结合，设计了模糊神经网络控制器。利用神经网络的学习功能对控制器的隶属度函数及推理规则进行修正，以提高其自适应能力。仿真结果表明该算法对船舶转向控制有良好的效果。     

用遗传算法对模糊量的隶属函数进行优化

在模糊控制器设计中,模糊规则的确定以及模糊变量隶属函数的选取都是非常重要的,隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响,实际设计时隶属函数的确定往往需要反复试凑.文章目的是解决在控制规则已知的情况下语言变量最佳覆盖范围,及隶属函数优化.采用遗传算法对各模糊变量的隶属函数进行二进制编码和优化计算,可以得到隶属函数覆盖范围的最优划分.结果表明这种方法可以求得全局最优.     

用遗传算法对模糊量的隶属函数进行优化

在模糊控制器设计中，模糊规则的确定以及模糊变量隶属函数的选取都是非常重要的，隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响，实际设计时隶属函数的确定往往需要反复试凑．文章目的是解决在控制规则已知的情况下语言变量最佳覆盖范围，及隶属函数优化．采用遗传算法对各模糊变量的隶属函数进行二进制编码和优化计算，可以得到隶属函数覆盖范围的最优划分．结果表明这种方法可以求得全局最优。     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

基于自适应遗传算法模糊PID控制器参数优化

该文针对自适应模糊控制器的多参数优化问题,提出一种自适应遗传算法同时优化模糊规则和隶属函数的方法.先对隶属度函数和控制规则进行联合编码,遗传进化前期采用锦标赛精英保留,后期采用基于轮盘赌的非线性选择方法,保留了种群中较优个体,提高种群的多样性.采用一种自适应交叉变异算子,使交叉变异概率根据进化过程不断自动调整,避免算法...     

基于fuzzy-PID的灰水处理控制系统

根据现场情况推导出第二级蓄水池的近似数学模型.基于控制对象迟滞、非线性的特点,将模糊PID控制应用于水位控制系统中.阐述了模糊控制器的设计过程:模糊化、模糊控制规则的建立和反模糊化,并给出合适的隶属函数、量化因子取值及模糊控制规则等.同时从理论上推导出模糊PID控制器消除稳态误差的原理,并用MAT-LAB工具箱对系统进行仿真试验.通过对仿真结果的分析得出:模糊PID控制器既能消除稳态误差,又有很强的鲁棒性,对于此类非线性迟滞系统具有良好地控制性能.     

模糊控制的发展和现状

介绍了目前模糊控制技术的发展及其研究现状 ,着重讨论了自适应模糊控制及模糊控制与智能控制中其它方法———神经网络和遗传算法相结合来解决模糊控制中隶属度函数的确定及控制规则的建立与完善的新发展 ,它们使模糊控制具有更大的活力和重大的应用价值     

模糊隶属度函数的遗传优化

模糊控制的成功应用依赖于一系列参数,例如隶属度函数,这些参数通常是主观设定的。该文提出了一种基于RGA的遗传优化算法来实现隶属度函数的生成和优化,克服了输入和输出变量隶属度函数参数设计的主观性和盲目性。通过在模糊控制器进行仿真比较研究,结果表明模糊控制器经过优化后控制品质有较大的改善和提高。