一种基于 GA 的模糊控制器直接设计方法

提出了一种利用计算机设计模糊控制器的直接方法，该方法运用ＧＡ（遗传算法）进行控制器参数寻优，具有设计速度快、人工干预少的特点．仿真说明采用该方法结果优于ＰＩＤ控制．     

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。     

基于遗传算法的多变量模糊控制器的设计方法

针对多变量模糊控制器提出了一种基于遗传算法的模糊控制规则设计方法．该方法可以同时确定并优化多变量模糊控制器的结构和推理规则,适合于对一大类复杂非线性对象的控制．数值仿真研究表明,文中提出的设计方法是可行的     

一种使用遗传睡法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法，设计人员只需设置性能数或适值函数，而模糊规则的数目，隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成。描述了一种具有局部优化机制的遗传算法，给出的应用实例表明算法具有良好的适用性。     

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     

一种参数自整定模糊预估控制器

基于史密斯预估理论和模糊控制，提出了一种参数自整定模糊预估控制器。通过在线调整PID参数，并对模糊规则进行改造，实现纯滞后系统的自适应控制。仿真结果表明：该控制器比常规预估控制和常规模糊控制对纯滞后对象有较好的适应性，明显改善了控制系统的动态性能。     

基于遗传算法的最优模糊控制器设计

模糊控制规则集是模糊控制系统的核心部分,对控制的快速性和精度有很大影响,采用改进的ＧＡ算法优化ＢＰ网络,加快了ＢＰ网络的收敛速度,也避免了ＢＰ网络易于陷于局部极小的麻烦。用优化的ＢＰ网络生成规则集,经过优化的ＢＰ网络隐层神经元数减少,即优化了规则库,从而提高系统的精度,降低了对ＢＰ网络系统误差的精度要求。     

一种新的模糊控制器设计方法

针对一类非线性系统，将Back-Stepping设计方法同模糊控制技术结合起来，设计了一种新的模糊控制器，给出了这种控制器的性能，并在所有信号一致有界的意义上证明了系统的稳定性，仿真结果表明，该控制器能达到预定的目的。     

基于遗传算法的机器人模糊控制器设计

提出了一种机器人轨迹跟踪的模糊逻辑与变结构控制相结合的控制器设计方案，采用变结构控制量作为监督控制，首先保证机器人系统状态有界，应用模糊逻辑系统逼近过程的不确定部分，利用改进的遗传算法对模糊逻辑系统的参数进行在线调节，使得系统输出能够跟踪指定轨迹，该控制方案能够消除变结构控制所固有的抖振性，计算机仿真结果表明该控制方案具有良好的跟踪性能。     

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。     

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。     

基于神经网络的带遗传算法的模糊控制器

研究如何将模糊逻辑系统（ＦＬＳ）、人工神经网络（ＡＮＮ）及遗传算法（ＧＡ）相结合,构成一个有机的控制器,从而达到准确、快速的控制。     

一种新型的动态模糊神经网络控制器

基于前向模糊神经网络ＡＮＦＩＳ提出了一种新型的动态模糊神经网络（ＤＦＮＮ）,将模糊逻辑,神经网络和ＰＩＤ控制器三者的优点有机地融合在一起。通过在ＡＮＦＩＳ的归一化层和输出层之间加入递归层,构成了动态模糊神经网络（ＤＦＮＮ）,并推导了基于ＢＰ的反传学习算法,与ＡＮＦＩＳ和ＰＩＤ控制器相比,ＤＦＮＮ具有更好的控制效果。ＤＦＮＮ的参数具有明确的物理意义,可根据专家的经验选择初值,加快了网络的收敛速度,由     

多变量模糊控制器的两种算法

研究了一类模糊系统在单输入、单输出和多输入、多输出的各种情况下,提出了两种模糊算法.利用这种算法,可以建立多变量模糊控制器的数学模型。别适用于微机的实时控制.为研制通用性的模糊控制器提供了依据。     

基于行为的模糊PID控制器

现有的模糊PID控制器虽有较好的控制性能,但由于该模型的结构固定,其性能难以得到进一步改进.因此,本文作者才提出了基于行为的模糊PID控制器.这个新的模型不仅保留了现有的模糊PID控制性能上的优点,而且弥补了其性能改进方面的缺陷. 此文首先介绍现有的模糊PID控制器并分析其不足,然后提出基于行为的模糊PID控制器,最后进行基于行为的模糊PID控制器的仿真试验.仿真结果显示,基于行为的模糊PID控制器较之现有的模糊PID控制器有更好的控制性能.     

基于行为的模糊PID控制器

针对现有模糊PID控制器较PID控制器虽有良好控制效果但却难以进行系统分析和基于实际情况进行改进的缺陷,作者提出基于行为的模糊PID控制器,不仅保留了其控制性能上的优点,而且弥补了其分析和改进方面的缺陷. 在建立基于行为的模糊PID控制器后,作者对该模型进行了分析.仿真实验说明该模型较现有模糊PID的优势.     

基于遗传算法的稳定自适应模糊控制器的优化

采用模糊动态模型,对连续时间的高阶非线性系统进行了模糊控制。通过模糊推理,选择起主导作用的局部子系统的状态反馈控制,并作用于整个系统。利用大系统分散控制关联稳定性的概念和方法,得到了闭环模糊系统稳定的充分条件,并在此基础上给出了对模糊控制器进行优化设计的一种遗传算法实现策略。同时,仿真例子也验证了该设计方法的正确性。     

模糊控制器隶属函数曲线的优化方法

应用遗传算法优化隶属函数曲线的疏密分布，阐述了优化的基本原理和具体实施过程，最后将该算法应用于一类对象模糊控制系统的设计中。仿真结果表明：该方法得出的隶属函数具有较为理想的控制效果。     

一种通用单片机模糊控制器的设计与实现

本文以模糊控制基本原理出发，推出建立了模糊控制器的方法，并介绍了单片机设计和实现模糊控制器的过程，该控制器用于复杂对象的工业过程取得了很好的控制效果。     

一种新的双模糊控制器的设计

在工程实际中,很多被控对象具有时变、非线性的特点,难于应用常规控制策略进行控制。模糊控制是建立的在人工经验基础上,鲁棒性好,对于线性和非线性系统都具有良好的控制效果。基于模糊控制器的基础上,设计实现了一种新的双模糊控制器,实现对典型非线性系统的控制,仿真结果显示:双模糊控制器有效地减小了系统稳态误差,系统的许多特性如响应时间、稳定时间等也均优于传统的PID控制和模糊控制。