基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.     

基于多目标遗传算法的模糊分类系统设计

提出了一种基于多目标遗传算法的模糊建模方法,实现了具备最大分类精度、最少特征变量和模糊规则数目的模糊分类系统的设计.首先,为缓解维数灾难问题,采用多目标遗传算法进行特征变量的选择和论域的模糊划分,构造基于栅格划分的初始模糊分类系统.然后为减少规则数目,提高模糊系统的解释性,采用遗传算法进行规则选择,得到具备较少规则数目的精简模糊分类系统.最后为提高精确性,采用约束遗传算法对精简模糊分类系统进行整体优化,在解释性不变的前提下,提高模糊分类系统的精确性.Iris和W ine分类系统的仿真,验证了该方法的有效性.     

多变量非线性系统模糊直接广义预测研究

对参数未知多变量非线性系统提出一种模糊直接广义预测控制算法．该算法将多变量非线性系统转化为多变量时变线性系统,然后利用模糊系统来逼近控制增量表达式,对控制器参数向量即网络权值向量中的未知向量基于跟踪误差进行自适应调整．     

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     

基于遗传算法的模糊控制器设计

遗传算法是建立在自然选择和自然遗传学机理上的遗传自适应概率性搜索算法 ,对于多变量寻优问题是一种易于实现的、有效的途径 ,提出了一种基于遗传算法的隶属函数和控制规则的最优设计方法。仿真结果表明 ,用该方法设计的模糊控制器用较少的模糊变量即可获得良好的性能。     

基于遗传算法的模糊控制器设计

遗传算法是建立在自然选择和自然遗传学机理上的遗传自适应概率性探索算法，对于多变量寻优问题是一种易于实现的、有效的途径，提出了一种基于遗传算法的隶属函数和控制规则的最优设计方法。仿真结果表明，用该方法设计的模糊控制器用较少的模糊变量即可获得良好的性能。     

基于GA的广义模糊时间序列建模及其在旅游需求预测中的应用

研究了基于遗传算法(genetic algorithm,GA)的广义模糊时间序列建模问题。为更好解决多决策变量问题,避免传统意义上的统计算法和模糊时间序列模型的缺陷,在遗传算法中加入染色体重组算子,得到一个改进的遗传算法,构建了一种基于改进遗传算法的广义模糊时间序列模型。最后,以我国黄山风景区游客人数预测为例,通过实证分析验证了该模型。与传统的模糊时间序列模型或者和其他方法结合而形成的混合模型相比,该模型可以避免在划分区间上的主观随意性并提高预测精确度。     

多变量模糊控制器及其应用

提出了多变量模糊控制器的概念、结构及其实现方法；同时介绍多变量模糊控制器在工业锅炉微机控制系统中的应用，该多变量模糊控制器有效克服了工业锅炉虚假水位现象，提高了水位控制系统的稳定性。     

多变量专家模糊控制器

考虑到对模型未知的多变量系统进行控制的复杂性,依据操作经验建立了解耦规则集合,以便实现多变量系统的解耦,构造出多变量专家模糊控制系统。该系统能综合考虑各子系统的误差信息集合,进行特征识别,作出综合控制决策。仿真结果证明了该控制方法的可行性和有效性。     

步长自调整的预测模糊控制器的研究

在介绍灰色模型(GM)建模的基础上,把预测控制的思想引入到模糊控制器中。模糊控制器的两个输入变量为设定值,与灰色预测模型的输出值之间比较得到预测误差及其预测误差的变化率。并根据过程状态提出了一种预测步长自调整的模糊决策机制,进一步改善系统的控制性能,即把由模糊决策器得到的预测步长作为灰色预测模型的一个输入来控制。仿真结果表明,该方法具有良好的控制性能和实用价值。     

基于遗传算法的变风量空调模糊控制系统的研究

针对变风量空调模糊控制系统控制规则的获取依赖人类经验的问题,提出将遗传算法与模糊控制相结合。在推导适应度值函数的基础上,利用遗传算法获取控制规则,改善控制效果。一定程度上解决了人为调试获取规则困难的问题。仿真结果表明,在变风量空调系统中将遗传算法与模糊控制相结合是可行的。     

电子膨胀阀调节蒸发器过热度的控制算法

将遗传算法引入蒸发器过热度的模糊控制中,对确定优化目标、选择优化参数、遗传算法的编码、产生初始样本群、求适与值、繁殖、交叉、变异、选择运算、获得优化参数等问题进行了研究;对比了遗传算法优化的模糊控制与PI控制的效果。遗传算法引入模糊控制,解决了蒸发器过热度控制中,只能依赖人的经验调速隶导度函数的难题,从而简化了模糊控制设计的过程;模糊控制与PI控制相比,过热度调节过程稍慢,但比较平稳,过热度控制精度较高。     

基于遗传模糊免疫算法的PID参数整定优化研究

针对工业过程中的PID参数整定较难的问题,在分析模糊免疫算法的基础上,提出了一种遗传模糊免疫算法,用于在线整定PID参数。该算法用免疫反馈机理在线调整比例系数,模糊算法在线整定积分系数和微分系数。同时,该算法引用具有全局寻优特性的遗传算法优化免疫参数,克服了免疫参数选取不当而导致系统超调量较大、响应速度过慢的问题。针对工业过程中的无时滞过程、一阶惯性加时滞过程、二阶惯性加时滞过程、高阶系统过程,将该算法用于PID参数整定优化,并与模糊免疫算法、免疫PID算法、常规PID算法整定结果进行对比分析。仿真实验结果表明,遗传模糊免疫算法整定出的PID参数具有超调量小、调节时间短、抗干扰性强、鲁棒性强等优点,取得了较好的控制效果。     

一种新的模糊遗传算法

将模糊控制思想引入到遗传算法中,进行交叉概率P6和变异概率Pm的整定工作,并在此基础上提出了一种基于模糊控制的遗传算法－模糊遗传算法,仿真结果表明：该算法不仅能提高解的质量,而且能加速解的收敛速度。     

多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

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．     

Self-learning Fuzzy Controllers Based On a Real-time Reinforcement Genetic Algorithm

ＩｎｔｒｏｄｕｃｔｉｏｎＳｉｎｃｅｔｈｅｐｉｏｎｅｅｒｉｎｇｒｅｓｅａｒｃｈｏｆＭａｍｄａｎｉａｎｄｈｉｓｃｏｌｌｅａｇｕｅｓｏｎｆｕｚｚｙｃｏｎｔｒｏｌ[1] ,ａｓａｐｏｗｅｒｆｕｌａｐｐｒｏａｃｈｔｏｃｏｎｔｒｏｌｓｙｓｔｅｍｓｗｉｔｈｅｘｐｅｒｉｅｎｃｅｋｎｏｗｌｅｄｇｅ,ｉｔｈａｓｂｅｅｎｗｉｄｅｌｙａｎｄｅｆｆｅｃｔｉｖｅｌｙａｐ ｐｌｉｅｄｔｏｔｈｅｃｏｎｔｒｏｌｏｒｍａｎｙｓｙｓｔｅｍｓ,ｉｎｃｌｕｄｉｎｇａｎｕｍｂｅｒｏｆｒｅａｌｗｏｒｌｄｐｈｙｓｉｃａｌｐｒｏｂｌｅｍｓ Ｔｈｅｓｅｓ…     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.     

等延时模糊多变量系统的自适应控制

基于ＴａｋａｇｉＳｕｇｅｎｏ模型（ＴＳ模型）推导出等延时模糊多变量系统输出的预测模型，提出了等延时模糊多变量系统的自适应控制算法，并简要讨论了闭环系统的稳定性