基于遗传算法的模糊控制器参数优化

针对非线性量化因子模糊控制器的参数对系统性能影响和参数间的相互制约,提出了一种基于遗传算法的参数整定与优化方法,并进行了仿真研究。仿真结果表明通过该方法寻优的系统具有更好的响应速度和控制精度;当对象结构或参数发生变化时,非线性量化因子模糊控制器可以重新整定参数,以保持良好的控制效果,具有很强的鲁棒性。     

分层遗传算法在DC/DC变换器中的应用

DC／DC变换器为强非线性、时变及不确定系统．由于其自身的特点,使得DC／DC变换器的控制研究工作比较困难．文中提出一种用遗传算法优化的模糊控制器,控制DC／DC变换器．对传统的遗传算法进行改进．使之优化能力更好．由仿真和实际试验证明,经过改进的遗传算法优化的模糊控制器,对DC／DC变换器的控制效果更显著,动态特性和静态特性都得到进一步改善．同时说明所介绍的自适应遗传算法的寻优能力更好,收敛速度也更快．     

一种基于遗传算法的高精度模糊控制器

为了提高模糊控制器调节系统稳态精度的能力，对常规PD型模糊控制器进行分析，找到了产生稳态误差的主要原因。采用根据个体适应度来自适应调节交叉率和变异率的遗传算法来优化模糊控制器中的隶属函数和量化因子的初始值，并同时根据控制查询表的输出在线调整量化因子。理论分析和仿真结果表明这种方法是可行的。     

具动态性能指标的医学系统自组织模糊控制

提出一个具有动态性能指标的完全脱离模型的自组织模糊逻辑控制系统.系统的性能指标由一个随机结构开始,评价规则通过一个基于自增强机制进行在线优化的微遗传算法来产生.算法对非线性麻醉过程中肌肉松弛状态的控制效果进行了验证.通过和标准自组织系统的控制效果比较,该算法的优势体现在因为自学习能力导致的控制鲁棒性上,它能够很好地处理变参数动态系统和大时滞系统的控制问题.在每轮控制中,所提出的算法都以少量模糊控制规则(最多18条)实现了控制要求.     

模型参考的广义最小方差鲁棒自校正控制器及其应用

本文提出一种具有参考模型的广义最小方差鲁棒自校正控制算法。采用鲁棒的估计器和改进加权因子的选择方法改善自校正控制的鲁棒性,通过选择参考模型确定系统的希望响应特性。对具有大间隙、摩擦、饱和、弹性、死区、滞后等固有本质非线性因素的大功率伺服系统进行实验研究,结果表明,由该算法构成的控制系统具有良好的动态响应、良好的鲁棒性和高的控制精度,可以广泛应用地炮、火箭炮等要求高精度快速定位的系统中。     

基于遗传算法的自适应分级模糊控制系统

针对多输入多输出的非线性系统,设计了一个基于遗传算法的自适应分级模糊控制器一用分级控制实现了多输入多输出系统的降维,用遗传算法对各级模糊控制器的参数进行在线优化,实现了控制器参数的自调整、在Matlab环境下实现了该系统的编程,并以风力太阳能混合发电的能量管理系统为例,与常规分级模糊控制器进行了仿真比较,仿真结果表明,采用遗传算法进行参数寻优具有更好的稳定性,对多输入多输出非线性系统具有很好的控制效果     

遗传算法与神经控制的融合算法研究

遗传算法和神经控制是现代智能控制常用的两种方法,它们具有各自的优点和不足。将遗传算法用于前向神经网络的可能性进行了研究,阐明了遗传算法和神经网络结合的必要性。针对遗传算法和神经控制各自的优缺点,设计了二者的融合算法,将遗传算法应用于神经网络控制器的学习和训练,从而使建立的控制器兼有二者的优点,具有神经网络的广泛映射能力和遗传算法快速全局收敛以及增强式学习等性能,继而提高控制系统的性能。运用该方法对电加热炉温度控制系统进行的仿真实验,实验结果体现了良好的控制效果,证明了融合算法的优越性。     

模糊控制在热电厂尖峰加热器温度控制中的应用

针对热电厂供热系统尖峰加热器温度控制的现状。提出了一种智能控制的方法——温度的模糊控制，采用遗传算法寻优隶属函数参数，利用自组织近邻聚类法处理输入输出数据对，结合数据产生模糊规则和语言规则的方法得到模糊规则．仿真结果表明，所设计的模糊控制器控制性能可达到预定的效果。     

一种新型的非线性PID控制器及其应用

提出一种新型的非线性ＰＩＤ控制算法,通过调整增益,输出反馈,非线性前馈和死区修正算法,克服系统中大间隙,弹性,饱和,库仑摩擦等固有本质非线性因素的影响,提高了系统的品质。实验表明,由该算法构成的控制系统具有良好的动态响应、等要求高精度快速定位的系统中。     

最优Fuzzy-GA PID控制器及其应用

提出了一种基于模糊推理与遗传算法的最优PID控制器的设计方法 .该控制器由离线和在线 2部分组成 .在离线部分 ,以系统响应的超调量、上升时间及调整时间为性能指标 ,利用遗传算法搜索出一组最优的PID参数K p ,T i 及T d ,作为在线部分调节的初始值 ;在在线部分 ,采用一个专用的PID参数优化程序 ,以离线部分获得的K p ,T i 及T d 为基础 ,根据系统当前的误差e和误差变化率 e ,通过模糊推理在线调整系统瞬态响应的PID参数 ,以确保系统的响应具有最优的动态和稳态性能 .计算机仿真结果表明 ,与传统的PID控制器相比 ,这种最优PID控制器具有良好的控制性能和鲁棒性能 ,可用于控制不同的对象和过程     

振动系统低阶H∞控制器的遗传算法优化设计

针对结构振动系统的高阶控制器实现刚难、可靠性低及成本较高的问题,提出了一种新的基于H∞控制和遗传算法优化的低阶控制器设计方法,采用LMI求解与遗传算法随机搜索相结合的方法来进行优化的策略,在一定条件下能方便地设计出理想阶数的控制器．通过仿真实例验证了方法的有效性．     

基于遗传算法的SON功率控制

针对自组织网络(self-organizing network,SON)基站自动配置、自优化、自修复等优点,在深入研究遗传算法的基础上,提出了一种基于遗传算法的SON功率控制。通过划分频带和设置门限值来做到小区的功率控制,并提出了小区中心用户和边缘用户不同的SINR(signal to interference plus noise ratio)计算公式。为了更好地解决最佳门限值的设定,还提出了控制门限值的函数。通过建立遗传算法流程,对门限值函数和目标SINR值进行了寻优。仿真结果表明,该算法能够很灵敏地做到最佳门限值的搜寻,同时搜寻结果也符合相关理论的验证。     

基于遗传粒子群算法风电机组变速与变桨系统PI控制器设计

为了提升风电机组的控制精度并降低关键承载部件的载荷情况,通过遗传粒子群方法研究了变速与变桨系统PI控制器的设计。首先,采用泰勒级数将风电机组线性化展开为状态空间方程。然后通过提取输入、输出和平衡点分别构建变速与变桨系统的数学模型。其次,分别采用Routh法和最小二乘法将变速与变桨系统辨识为低阶惯性系统和惯性时延系统。然后分别基于时间加权绝对误差积分准则和Chien-Hrones-Reswick法整定变速与变桨系统PI控制参数。最后,采用帕累托方法分配控制目标的权重关系并基于遗传粒子群算法优化变速与变桨系统PI控制参数,进而采用最小二乘法将其分别与风速和桨距角拟合构建自适应PI控制。结果表明：在变速控制中能够有效提升输出功率并抑制塔架顶部侧向振动;在变桨控制中能够有效平抑输出功率和发电机转速波动并降低叶片根部载荷情况。可见通过遗传粒子群方法设计的变速与变桨系统PI控制器具有良好的有效性和适用性。     

小波神经网络在过程控制中的应用研究

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制.结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案.该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点.由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现.用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准PID控制器好得多的控制效果.     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题,提出一种模糊学习算法,并设计出结构合理的模糊学习控制器,该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制,仿真结果显示控制效果良好,所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

Fuzzy Control of Chaotic System with Genetic Algorithm

ＩｎｔｒｏｄｕｃｔｉｏｎＩｎｒｅｃｅｎｔｙｅａｒｓ,ｔｈｅｒｅｈａｓｂｅｅｎｉｎｃｒｅａｓｉｎｇｉｎｔｅｒｅｓｔｉｎｔｈｅａｐ ｐｌｉｃａｔｉｏｎｓｏｆｃｈａｏｓｔｏｔｅｃｈｎｏｌｏｇｙ .Ｏｎｅｏｆｔｈｅｐｒｏｂｌｅｍｓｆａｃｅｄｉｓｔｏｉｎｖｅｓｔｉｇａｔｅｔｅｃｈｎｉｑｕｅｓｆｏｒｅｆｆｉｃｉｅｎｔｌｙｍａｎｉｐｕｌａｔｉｎｇｃｈａｏｔｉｃｓｙｓｔｅｍｓ.Ｓｏｍｅｒｅｓｅａｒｃｈｅｒｓｈａｖｅｐｒｏｐｏｓｅｄｔｏｕｓｅｃｌａｓｓｉｃａｌｍｅｔｈｏｄｓｓｕｃｈａｓｆｅｅｄｂａｃｋｃｏｎｔｒｏｌ[1]…     

预测型智能自整定PID控制器

提出一种预测控制和遗传算法相结合的自整定ＰＩＤ控制算法．该算法利用预测技术克服时滞,利用遗传算法优化ＰＩＤ控制器的参数．通过对工业过程中典型的大时滞被控过程进行数字仿真表明,这种控制算法鲁棒性强、响应速度快、抗干扰能力强,对控制系统有扰动、参数时变尤其时滞时变的大时滞生产过程有较好的控制效果．     

基于Hammerstein模型和GA的非线性广义预测控制

针对Hammerstein型的非线性系统,给出了一种基于GPC的预测控制方法.分析了使用近似法求解控制量的缺点,据此提出了基于遗传算法的控制量优化求解策略.以一个热交换器作为仿真实例,分别使用遗传算法和两种近似法求取控制量,并比较了3种情况下的控制效果.仿真结果表明基于遗传算法的预测控制器具有良好的性能.     

发电机励磁系统的非线性控制研究

本文应用直接反馈线性化理论，为发电机励磁系统设计了非线性控制器，解决了电力系统的非线性特性在励磁控制器设计上的困难，使实现线性化的过程比微分几何法更加简捷．清晰．在此基础上，通过合理的实用化过程，使所设计的非线性励磁控制器达到了分散控制的要求，便于工程实现．用双ＣＰＵ系实现的微机非线性励磁控制器，对电力系统结构和工况的变化均具有很好的鲁棒性，为提高电力系统的标态稳定和暂态稳定水平提供了新的有效的控制手段．     

NOUS控制和PID控制的直流降压变压器控制性能对比

为了寻求更加优化的直流降压变压器控制系统,搭建了一台直流降压变压器并根据其参数建模,在此基础上分别设计了一种基于NOUS算法的状态空间控制系统、使用观测器的NOUS算法控制系统和PID控制系统。用示波器展示变压器在这3种控制系统下的阶跃响应输出和负载发生突变时的瞬态响应,以对比它们的控制性能。结果表明,基于NOUS算法的状态空间控制系统具有更好的瞬态响应和控制精确度,而PID控制系统在鲁棒性方面具有优势,使用观测器的NOUS算法控制系统仍保留了收敛速度快的优点,但会导致控制系统建模中的误差被放大,影响输出结果。