基于RBF神经网络整定的高速公路匝道PID控制器

研究RBF神经网络整定PID控制器的参数,并应用到高速公路入口匝道控制中。首先阐述了入口匝道控制原理,然后建立了高速公路交通流模型,并设计了RBF神经网络整定的高速公路匝道PID控制器,RBF神经网络通过对被控对象Jacobian信息的辨识来动态调节PID控制器的参数,最后用MATLAB软件进行系统仿真。仿真结果表明,该控制器具有优越的动态和稳态性能,用于高速公路入口匝道控制中效果良好。     

高速公路入口匝道模糊控制器的设计

入口匝道控制是高速公路控制中的重要内容,但目前在高速公路中使用的入口匝道控制方法的效果均不理想.本文提出使用模糊控制方法进行入口匝道控制的思路,并根据入口匝道控制的原理和模糊控制系统的设计步骤对模糊控制器进行了设计.选用上、下游时间占有率、车速及排队长度等五个模糊量为输入量,根据实际情况分别采用三角形和梯形隶属度函数,建立了包含12条模糊控制规则的规则库,并使用MATLAB工具进行系统仿真.结果表明该控制器用在高速公路入口匝道控制中具有良好的效果.     

改进遗传神经网络控制混沌运动的研究

用最大Lyapunov指数构造遗传算法中的适应度函数,通过遗传算法优化神经网络的权系数．根据所得到的适应度函数和权系数来构造遗传神经网络控制器,从而提高神经网络控制效果．对离散系统Logistic映射和连续系统Rossler方程、AFM（原子力显微镜）悬臂梁振动系统的混沌运动分别进行了仿真控制．数值实验结果表明本文改进的遗传神经网络控制方法对离散或者连续的混沌系统都能控制到低周期轨道上去,证明了算法的有效性．     

轮式机器人横向纵向统一遗传模糊神经网络控制研究

在对轮式地面机器人进行纵、横向统一遗传模糊神经网络控制中，提出了一种多目标遗传优化的策略，用分别编码、先分再合的分步优化遗传算法寻找模糊神经网络的参数。并采用先对车体动力学模型进行仿真控制，再用仿真得来的数据控制实际车辆，进行车体在线遗传寻优的方法，这种方法能最直接地控制车体运动。经过实验研究，控制效果较好，有一定意义。     

一种基于遗传算法的模糊神经网络最优控制

通过对控制系统的过程模拟,提出一种模糊神经网络最优控制方案。离线化部分基于遗传算法,分三阶段实现模糊神经网络控制器结构和参数的优化。在线优化部分通过重构模糊神经网络控制器的去模糊化部分,进一步调整控制规则,实现在线去模糊优化。仿真结果表明该方案优于常模糊控制方案和基于专家经验的模糊神经网络控制方案。     

一种基于遗传算法的神经网络控制方法

本文比较了传统的BP算法和遗传算法用于神经网络设计的优缺点，阐明了遗传算法和神经网络相结合的必要性，提出了一种用遗传算法同时优化网络的结构和权值的神经网络控制方法，通过对遗传算法基本参数及骗码方案，遗传算子的设计，实现了权值与结构的同时优化，成功地应用于二级倒立摆系统的控制，仿真结果显示了这种遗传算法能够有效抑制早期收敛，以较快的速度与较高的精度达到全局快速收敛。     

基于遗传算法优化的高速公路匝道PI控制器

研究遗传算法优化PI控制器的参数,并应用到高速公路匝道控制中。阐述了匝道控制目标,建立了高速公路交通流模型,给出了遗传算法优化的步骤,并对入口匝道PI控制器的参数进行了优化。仿真结果表明,该方法性能优越,用于高速公路入口匝道控制中效果良好。     

一种模糊神经网络自适应预测控制方案的研究

提出了一种模糊神经网络自适应预测控制方案,对学习公式进行了理论推导,并结合误差补偿以提高预测控制的精度。仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具备良好的控制性能     

漂浮基双臂空间机器人系统的模糊神经网络自学习控制

讨论了载体位置、姿态均不受控制的情况下自由漂浮双臂空间机器人系统的高斯基模糊神经网络自 学习控制问题．此类空间机器人系统严格遵守动量守恒和角动量守恒,所以其动力学方程表现出强烈的非线性性 质．将神经网络与模糊控制相结合,即利用神经网络进行模糊推理, 可使模糊控制具有自学习能力．在此基础上, 设计了双臂空间机器人系统关节空间的高斯基模糊神经网络自学习控制方案．系统的数值仿真证实了该方法的有 效性．     

一种基于改进遗传算法的模糊神经网络控制器及其在烧结终点控制中的应用

针对烧结过程这一复杂、多参数耦合的高度非线性系统,融合遗传算法、神经网络和模糊控制的优点,提出一种基于改进遗传算法的模糊神经网络控制方法,并应用于烧结过程终点控制．首先采用遗传算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力和对对象的适应能力,进一步进行参数的在线调整．同时,为解决传统遗传算法早熟和收敛速度慢的问题,从交叉和变异算子、适应度函数选取等方面对遗传算法进行改进．采用精英保留策略,提高了全局搜索性能和收敛速度．仿真结果表明,所提出的控制器优于常规的模糊神经网络控制器(Fuzzy Neural Network Controller, FNNC)．算法的实际应用效果良好,为解决烧结终点控制问题提供了一条新的途径．     

Multiobjective evolution based fuzzy PI controller design for nonlinear systems

This work proposes a gain scheduling adaptive control scheme based on fuzzy systems, neural networks and genetic algorithms for nonlinear plants. A fuzzy PI controller is developed, which is a discrete time version of a conventional one. Its data base as well as the constant PI control gains are optimally designed by using a genetic algorithm for simultaneously satisfying the following specifications: overshoot and settling time minimizations and output response smoothing. A neural gain scheduler is designed, by the backpropagation algorithm, to tune the optimal parameters of the fuzzy PI controller at some operating points. Simulation results are shown to demonstrate the efficiency of the proposed structure for a DC servomotor adaptive speed control system used as an actuator of robotic manipulators.     

Fuzzy neural networks-based quality prediction system for sinteringprocess

A hybrid fuzzy neural networks and genetic algorithm (GA) system is proposed to solve the difficult and challenging problem of constructing a system model from the given input and output data to predict the quality of chemical components of the finished sintering mineral. A bidirectional fuzzy neural network (BFNN) is proposed to represent the fuzzy model and realize the fuzzy inference. The learning process of BFNN is divided into off-line and online learning. In off-line learning, the GA is used to train the BFNN and construct a system model based on the training data. During online operation, the algorithm inherited from the principle of backpropagation is used to adjust the network parameters and improve the system precision in each sampling period. The process of constructing a system model is introduced in details. The results obtained from the actual prediction demonstrate that the performance and capability of the proposed system are superior     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

Nonlinear modeling and adaptive fuzzy control of MCFC stack

To improve availability and performance of fuel cells, the operating temperature of molten carbonate fuel cells (MCFC) stack should be controlled within a specified range. However, the most existing models of MCFC are not ready to be applied in synthesis. In this paper, a radial basis function neural networks identification model of MCFC stack is developed based on the input–output sampled data. A novel adaptive fuzzy control procedure for the temperature of MCFC stack is also developed. The parameters of the fuzzy control system are regulated by back-propagation algorithm, and the rule database of the fuzzy system is also adaptively adjusted by the nearest-neighbor-clustering algorithm. Finally using the neural networks model of MCFC stack, the simulation results of the control algorithm are presented. The results show the effectiveness of the proposed modeling and design procedures for MCFC stack based on neural networks identification and the novel adaptive fuzzy control.     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。     

基于遗传算法的模糊迭代学习控制算法

为了提高被控系统的控制精度及加快迭代域内的收敛速度,提出一种基于遗传算法的模糊PD型迭代学习控制算法。该算法通过模糊TSK模型设计迭代学习控制器,TSK模型中THEN部分的未知参数由遗传算法离线计算确定,进而产生合理的迭代学习律。针对被控系统,设计相应的迭代学习控制算法进行仿真分析,并与传统PD型迭代学习控制算法、模糊PID迭代学习控制算法相比较,进而将该算法用于双关节机械手进行仿真研究,仿真结果表明该算法的有效性。     

Genetic algorithm design of neural network and fuzzy logic controllers

This paper discusses the design of neural network and fuzzy logic controllers using genetic algorithms, for real-time control of flows in sewerage networks. The soft controllers operate in a critical control range, with a simple set-point strategy governing “easy” cases. The genetic algorithm designs controllers and set-points by repeated application of a simulator. A comparison between neural network, fuzzy logic and benchmark controller performance is presented. Global and local control strategies are compared. Methods to reduce execution time of the genetic algorithm, including the use of a Tabu algorithm for training data selection, are also discussed. The results indicate that local control is superior to global control, and that the genetic algorithm design of soft controllers is feasible even for complex flow systems of a realistic scale. Neural network and fuzzy logic controllers have comparable performance, although neural networks can be successfully optimised more consistently.     

Stable fuzzy neural tracking control of a class of unknown nonlinear systems based on fuzzy hierarchy error approach

In this paper, a stable fuzzy neural tracking control of a class of unknown nonlinear systems based on the fuzzy hierarchy approach is proposed. The adaptive fuzzy neural controller is constructed from the fuzzy neural network with a set of fuzzy rules. The corresponding network parameters are adjusted online according to the control law and update law for the purpose of controlling the plant to track a given trajectory. A stability analysis of the unknown nonlinear system is discussed based on the Lyapunov principle. In order to improve the convergence of the nonlinear dynamical systems, a fuzzy hierarchy error approach (FHEA) algorithm is incorporated into the adaptive update and control scheme. The simulation results for an unstable nonlinear plant demonstrate the control effectiveness of the proposed adaptive fuzzy neural controller and are consistent with the theoretical analysis.     

遗传算法及模糊、神经网络融合技术的研究

介绍了遗传算法与神经网络、遗传算法与模糊逻辑系统的融合方式及结构，并通过遗传算法、模糊、神经网络三者的融合技术对倒立摆进行控制，介绍了参数优化方法，说明了这种融合技术的可行性、实用性和通用性。     

基于模糊神经网络的统一潮流控制器

为了减少先验知识对统一潮流控制器中模糊规则的设计和电力系统参数的变化对统一潮流控制器性能的影响,文中采用模糊神经网络来设计统一潮流控制器.为此首先简单介绍了统一潮流控制器的控制策略,然后阐述了自组织模糊神经网络和基于遗传算法的模糊神经网络的构造方法,接着将自组织模糊神经网络、基于遗传算法的模糊神经网络结合统一潮流控制器的控制策略应用于两种统一潮流控制器.最后通过MATLAB仿真例子来验证:这两种统一潮流控制器的设计方法的有效性.