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...     

一类非线性不确定系统的输出跟踪控制

设计了一类不确定非线性系统模糊自适应输出跟踪控制器. 首先将一个时变参数引入到规则前件的高斯型隶属度函数中, 形成一组带有时变参数的模糊规则, 通过时变参数的变化改变高斯型隶属度函数的中心和宽度,进而改变原Mamdani型模糊逻辑系统的输出,形成新的带有时变参数的模糊逻辑系统. 然后以这种改造后的模糊逻辑系统逼近系统的未知非线性项,构造时变参数和逼近精度的自适应律,设计相应的自适应输出跟踪控制器. 这种方法的优越性在于充分利用原有的有限数目的模糊规则,合成具有较少自适应律的模糊自适应输出跟踪控制器. 最后,通过Duffing的仿真算例验证了本文提出方法的可行性和有效性.     

基于自适应高斯云变换的模糊控制器隶属度函数选取

针对现阶段模糊控制器中隶属度函数选取的局限性,利用自适应高斯云变换算法在概念含混度阈值的引导下对工程样本数据进行概念层次划分,根据最终所得的高斯云分布情况确定出隶属度函数的数目、形状及覆盖范围。为了验证自适应高斯云变换算法提取的隶属度函数的合理性,构建了无人机六自由度模型,搭建了基于simulink仿真平台的无人机俯仰角模糊控制器用于仿真验证。数值仿真结果表明嵌套有自适应高斯云变换算法所确定的隶属度函数的无人机俯仰角模糊控制器可有效实现俯仰角的控制,同时具有良好的动态响应特性。     

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.     

设计遗传算法规则自生成模糊控制器

提出了以遗传算法设计自生成规则变换的模糊控制器.而模糊控制器是由个体表示的盒式变换相联系,而提出一个短的编码串,控制器的结构是由输入变量的隶属度函数的个数,隶属度函数的形状和指数函数组成.那么,以适当的函数来选择合适的模糊控制器的搜索过程以达到期望的性能.最后,以倒立摆的控制过程来证明该方法的效果.     

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。     

一种基于模糊辨识器的自适应交流伺服系统

提出用模糊辨识器对交流伺服系统离线进行辨识,使用遗传算法(GA)对辨识器参数寻优,用BP算法对控制器FNC最后一层权值在线调整,论述了用GA对控制器模糊隶属函数的参数优化训练方法。仿真结果证明了控制策略的有效性。     

设计遗传算法规则自生成模糊控制器

提出了以遗传算法设计自生成规则变换的模糊控制器。而模糊控制器是由个体表示的盒式变换相联系，而提出一个短的编码串，控制器的结构是由输入变量的隶属度函数的个数，隶属度函数的形状和指数函数组成。那么，以适当的函数来选择合适的模糊控制器的搜索过程以达到期望的性能。最后，以倒立摆的控制过程来证明该方法的效果。     

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。     

模糊隶属函数及其对系统性能的影响

介绍了模糊控制系统中常用的隶属函数形式 ,给出了 1 1种基本隶属函数的具体构造及其特征参数 ,并运用二维模糊控制器进行了仿真 ,通过对典型控制对象的仿真结果分析 ,总结了模糊控制系统中隶属函数形式对系统性能所产生的影响     

模糊数学在锻压机控制中的应用

以应用数学方法提出了对某锻压机进行的模糊控制方案，确定了输入变量的模糊隶属函数，在此基础之上决定了输入变量与输出变量之间的对应关系及有关的输出补偿，实验证明了本方案的有效性．     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

Finite element analysis of mechanical structures based on fuzzy extend principle

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｎａｌｙｓｉｓａｎｄｏｐｔｉｍｉｚａｔｉｏｎｏｆｓｔｒｕｃｔｕｒｅｓｕｓｅｄｆｏｒＣＡＤｏｆｓｔｒｕｃｔｕｒｅｓａｒｅａｄｖａｎｃｅｄｍｅｔｈｏｄｓｆｏｒｓｔｒｕｃｔｕｒａｌｅｎｇｉｎｅｅｒ ｉｎｇｄｅｓｉｇｎ .Ｓｔｒｕｃｔｕｒａｌｏｐｔｉｍｉｚａｔｉｏｎｉｓｕｓｕａｌｌｙｂａｓｅｄｏｎｓｔｒｕｃｔｕｒａｌａｎａｌｙｓｉｓ ,ｔｈｅｒｅｆｏｒｅ ,ｅｘａｃｔａｎａｌｙｔｉｃａｌｒｅｓｕｌｔｓｈａｖｅｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｏｏｐｔｉｍｉｚａｔｉｏｎｏｆｓｔｒｕ…     

基于T-S模糊模型的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题。文中探讨了Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的隶属度函数学习问题,建立了基于模拟退火的模糊隶属度函数学习算法,给出了用于验证该算法有效性的仿真实例。     

基于类高斯隶属函数的模糊万能逼近器性能分析

为了验证由三角形和高斯型隶属函数构造的逼近器均能以任意精度逼近非线性连续系统,引入了一种基于类高斯隶属函数的模糊逼近器设计方法,借助参数可调性来构造隶属函数的“泛模型”,从而实现三角形到高斯型两类隶属函数的切换.由类高斯隶属函数、单值模糊器、乘积型推理和中心平均解模糊器构成模糊逼近系统,并由万能逼近定理指出逼近精度及模糊子集数目的确定方法.与神经网络、决策树和小波级数等非线性万能逼近器相比,模糊系统具有可解释性强和可利用语言信息的独特优势.分别以一维和二维非线性系统为例进行模糊逼近设计与分析,逼近效果体现了不同的控制特性,证明了类高斯函数用于模糊隶属函数表示的合理性和有效性.     

A new fuzzy modeling method for nonlinear systems

ThisstudywassupportedbyChineseNationalDefenceFoundation.ocolhay~lingisawhelingmethodwhichusesfuzzyinfernceruIestodescribethecharacteristicsofasystem,andfeatumeitScapabilitytodescribecomPlex,uncedrinandnonlinearsystems.TherearemainlytwoaP-proachestoInodling:oneisaverydifficuhapproachbasedonfhazyrelationaleqUations["'J,becausethesou-tionofafhazyrelationaleqUahonisusuallynotuniqUe,anditdoesnotevenetistsomtlines;andtheotherisacommonhemedelcomposedofhaylingUistic.l.[3'4]andidenhficationoffhazy…     

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。