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。     

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。仿直人说明采用该方法结果优于ＰＩＤ控制。     

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.     

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。     

用遗传算法划分模糊量的语言变量覆盖范围

在模糊控制器设计中．模糊规则的确定以及模糊变量隶届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。本主要介绍在模糊规则确定时用遗传算法划分模糊量的语言变量覆盖范围，利用调整已给定形状下隶属函数参数的方法改变各语言变量的语言值所覆盖范围，以模糊控制器的推理结果与专家经验控制结果的方差最小作为遗传算法进行优化的目标函数。     

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。     

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。     

基于基因算法的专家模糊控制器的优化

提出了一种通用的专家模糊控制器的设计方法,这种方法运用基因算法的进行寻优,具有设计快,人工干预少,可获得一个基于一定性能指标的次优或最优的专家模糊控制,它可以对多输入多输出系统进行设计,不需要被控对象的精确数学模型。     

模糊遗传算法在机器调动问题运用

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题.由于调度问题中绝大多数属于NP难类问题,不存在有效的最优求解算法.针对用智能优化算法-遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题,设计了一种模糊算法以便自动确定交叉率和变异率.通过数值实验,嵌入模糊规则的遗传算法比简单的遗传算法要好,说明在实际生产中,此算法具有强大的发展前途.     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。     

基于遗传算法的直觉模糊C均值聚类算法

 针对一般直觉模糊C均值聚类算法在寻优过程中易陷入局部最优解的问题,利用遗传算法具备全局寻优的优点,提出了一种基于遗传算法的直觉模糊C均值聚类算法。在该算法中聚类中心为直觉模糊数,这使得遗传过程中个体信息变得复杂,进而增大了约束问题的处理难度。本文对产生的个体采用适时分段的归一化方法,很好地解决了该问题。仿真结果表明该算法所得聚类结果不仅准确而且更为细致。     

An Intelligent Adaptive Fuzzy PID Controller Based on Multimodel Control Approach

A novel intelligent adaptive fuzzy PHD controller based on multimodel control approach is presented in this paper.It can improve the system performance of the dynamic time- varying system at various operating conditions.The fuzzy PHD controller is implemented by combining a fuzzy PI with a fuzzy PD controller in a parallel structure. The parameters of the fuzzy PHD controller are linked, via analytical derivation, to the gains of the linear PID controller. The sum of error square is used as performance criterion to locate the model that best reresents the process among the multiple models, The desired control output to drive the process along the desired path is generated only by modifying the output scale factots GU_I and GU_D of the fuzzy PID controller, Among the prescribed models, the control signal of the nearestmmodel to the system is applied. The system can be driven to its original trajectory because of the robustness of the fuzzy PID controller, Computer simulation results show that the adaptiv     

基于遗传算法优化的神经网络PID控制器

对于参数可变的时变系统和非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为1种有效的控制策略．根据神经网络初始权值的选取影响控制器性能的特点,提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化．仿真结果证明了该算法的有效性。     

模糊遗传算法的自适应PID控制器

针对遗传算法运算速度慢不利于实时控制现象,提出一种基于模糊推理的遗传算法,并将其应用于自适应PID控制器上．仿真实验表明,该算法具有较好的寻优能力,能满足实时控制的要求。     

遗传算法在非线性电路分析中的应用

本文提出了一种用遗传算法求解非线性电阻电路方程的方法，并通过实例进行了验证。实验证明这一方法可以有效地防止传统数值解法中的迭代振荡和发散问题，可广泛用于非线性电路的分析。