基于混沌变量优化的神经网络PID控制

对神经网络模型辨识器的输入量Y（k）,u（k）进行归一化处理,一种规范化PID控制方法作为控制器。采用Logistic映射构造多个不同的混沌变量,应用到神经网络PID参数域中,根据控制系统性能指标进行混沌寻优,获得近似最优解后,再通过时变因子Z（t）在近似最优解的附近继续混沌局部寻优。仿真实验表明该方案是有效的。     

基于混沌优化的LS-SVM非线性预测控制方法

针对非线性系统的控制问题,提出了一种基于LS-SVM的预测控制技术。该方法将LS-SVM和非线性预测控制思想有机结合,利用混沌映射的特性,通过引入混沌优化技术对LS-SVM参数进行优化,同时又将其作为滚动优化策略,避免了非线性预测控制中复杂的梯度计算和矩阵求逆问题,仿真研究说明了该非线性预测控制器的有效性及实时性。     

混沌优化与模糊控制在混沌控制中的应用

为了解决延迟反馈控制中参数难以选取的问题,将混沌优化和模糊控制的方法应用到混沌系统的延迟反馈控制中,采用混沌优化方法确定出延迟反馈控制的延迟时间,利用模糊控制技术确定出控制刚度等参数,从而得到延迟反馈控制方法的参数.同时,利用本文算法,可以一次确定出混沌系统的多个不稳定周期轨道的周期.仿真结果验证了本文算法的有效性.     

基于最小二乘支持向量机和混沌优化的非线性预测控制

针对非线性多入多出（MIMO）系统,提出一种基于最小二乘支持向量机（LSSVM）和混沌优化的预测 控制策略．预测模型是预测控制的三要素之一．本文给出了基于混沌优化的Chaos-LSSVM 算法,在可行域内反复搜 索,从而得到最优的LSSVM 算法参数,以及最优的LSSVM 模型．在线优化是另一个要素．提出了基于变尺度混沌 优化的MSC-MPC（变尺度混沌－模型预测控制）算法,可根据控制误差的大小,决定是否缩小搜索范围,从而迅速 收敛到最优解．该算法计算简单,容易实现,避免了同类方法复杂的求导、求逆运算．仿真结果显示：Chaos-LSSVM 算法和MSC-MPC 算法分别具有良好的建模、控制性能．     

基于混沌遗传算法的PID参数优化

随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域,各种先进PID控制器参数整定方法层出不穷,给PID控制器参数整定的研究带来了无限活力和契机;然而很多先进的PID参数整定方法并没有像预期的那样产生完美的控制效果.将遗传算法和混沌优化方法智能集成,利用混沌序列的"遍历性、随机性、规律性"的特点生成初始种群,在遗传操作中加入混沌细搜索,大大提高了局部搜索能力,能有效防止遗传算法陷入局部最优和发生早熟现象,仿真表明,混沌遗传算法优化结果相当理想,效果令人满意,优于常规的遗传算法.     

实用二自由度PID控制

对两种实用二自由度ＰＩＤ控制器进行了讨论,指出它们结构简单,在稳定性、参数整定及使用操作上与常规ＰＩＤ调节器完全一致,适合在各种集散型控制系统中使用。     

基于变尺度混沌优化方法的PID控制器设计

混沌优化方法是一种新兴的优化方法，它利用混沌系统具有的随机性，遍历性和对初值的极端敏感性等特点实现优化搜索，尤其对目标函数不可微，不连续的多参数寻优问题十分有效，把变尺度混沌优化方法引入到PID控制器的设计中，对PID参数进行优化并用SIMULINK对优化结果进行了仿真，结果证明，变尺度混沌优化方法算法简单有效，所设计的PID控制系统具有响应快，超调小和控制精度高等优点，具有很好的实用价值。     

基于PSO优化的永磁直线同步电机混沌滑模控制

针对永磁直线同步电机混沌控制,结合状态反馈解耦方案,降低电机系统阶数,建立电机混沌解耦数学模型.应用Wolf算法与最大Lyapunov指数谱,证明电机系统运行过程中存在混沌现象,研究系统进入混沌状态时的条件及动态响应.基于电机混沌模型,提出一种滑模混沌控制器.通过BP神经网络全局拟合滑模控制参数,并经由粒子群算法优化,实现电机系统混沌控制;利用Lyapunov判据,分析控制器系统稳定性.仿真结果表明,滑模控制方案,可使电机系统脱离混沌并达到稳定运行状态,控制参数优化后,电机响应时间和超调量减少,鲁棒性提高.     

基于混沌的小波神经网络免疫PID控制器

针对目前大多数智能PID控制器存在的诸如设计复杂、计算量大、收敛速度慢以及控制精度相对较差等问题,提出一种基于混沌优化的小波神经网络免疫PID控制器的设计方法,该方法用小波神经网络逼近免疫PID的非线性函数,并且引入混沌机制优化免疫PID的参数,进而将该控制器用于工业加热炉的控制,仿真与实验结果表明,该控制器的控制性能优于其它类型的智能PID控制器以及常规PID控制器.     

基于混沌免疫遗传算法整定PID参数

针对传统免疫遗传算法PID参数整定速度慢的缺点,通过引入了混沌增殖思想和隔离小生境技术,结合免疫遗传算法的特点,设计了一种智能的PID参数整定方法。该方法利用混沌增殖对初值的敏感性以及随机性、遍历性、规律性,使免疫遗传算法能够更加有效地跳出局部收敛区域而以更快的速度向全局最优值收敛,进而较好地处理了通常遗传算法中遇到的“早熟”问题。通过隔离小生境技术的引入使得子种群的进化不仅同整个种群的进化密切相关,还有自身进化的独立性,这有利于种群个体多样性的保持。通过实际PID参数整定的例子,结果表明该算法能明显改善免疫遗传算法的收敛性能,搜索效率也得到了显著提高。     

基于混沌优化的最优运输路径问题研究

在分析Logistic混沌序列遍历性的基础上,将Logistic混沌序列映射到多极点目标函数的搜索区间来搜索全局最优解。研究混沌优化算法的一般步骤和算例分析,并将混沌优化算法应用于运输路径的最优化选择问题中。研究结果表明了混沌优化算法具有较好的全局搜索最优解能力,同时也验证了其在最优运输路径选择上的可行性和有效性。     

基于混沌变量的神经网络自适应控制系统的优化设计

基于混沌变量，提出一种神经网络自适应控制系统的优化设计方案。采用混沌状态变量优化神经网络辨识器和控制器权参数，实现混沌粗搜索和局部细搜索相结合，搜索出控制系统参数的全局最优值,具有全局性、快速性、并行性。仿真实验表明采用该方案对强非线性对象的控制具有精度高、超调小、响应快、调节时间短等优点。     

基于混沌搜索的粒子群优化算法

粒子群优化算法(PSO)是一种有效的随机全局优化技术。文章把混沌优化搜索技术引入到PSO算法中,提出了基于混沌搜索的粒子群优化算法。该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高的算法的收敛速度和计算精度。仿真计算表明,该算法的性能优于基本PSO算法。     

基于混沌控制的移动机器人的路径规划

针对多目标不确定环境下移动机器人路径规划算法复杂的问题,提出了一种新的规划算法——混沌控制算法,并用Visual Basic语言进行了仿真。     

并行混沌粒子群优化研究及应用

粒子群优化算法（PSO）是进化计算领域中的一个新的分支,其源于鸟群和鱼群群体运动行为的研究.针对粒子群优化容易陷入局部极值点的问题,该文提出并行混沌粒子群算法,该算法保持了群体多样性从而避免了早熟,经过计算机仿真实验这是一种高效的优化算法.针对转炉提钒过程是一个多元非线性反应过程而难以建立终点控制模型的问题,提出了并行混沌粒子群RBF算法的方法建模.克服了RBF中心个数选择的随机性.试验表明,用该算法预测冷却剂加入量误差较小,具有工程实用性.     

混沌粒子群优化的纹理合成算法研究

粒子群算法在搜索后期由于搜索空间有限,容易陷入局部极值,过早地进入早熟状态。针对这种情况,将混沌优化搜索技术用于粒子群算法,利用混沌运动的通历性、随机性等特点,提出了一种混沌粒子群优化的块采样纹理合成算法。实验结果表明,混沌粒子群算法比粒子群算法具有更好的全局寻优能力,克服了粒子群算法的缺点,得到了较高质量的纹理合成图像。     

混沌免疫优化组合算法

利用混沌迭代的遍历性和内在随机性。提出一种混沌免疫优化组合算法．该算法综合了免疫进化算法和混沌优化算法各自的空间搜索优势,将混沌变量加载于免疫算法的变量群体．利用混沌搜索的特点对记忆库群体进行微小扰动,并逐步调整扰动幅度．实验结果表明,该算法能明显改善免疫进化算法的收敛性能,搜索效率也得到了显著提高．     

基于混沌和高斯局部优化的混合差分进化算法

针对标准差分进化(DE)算法在高维复杂函数优化中易早熟收敛,进而导致搜索精度降低甚至优化失败的问题,提出一种基于混沌和高斯局部优化的混合差分进化算法(CGHDE).该算法在进化初期利用混沌的遍历性,可有效地避免算法陷入局部最优;而在进化后期,采用高斯搜索又可有效地提高收敛精度.实验表明,CGHDE算法对函数维度的敏感性大大低于标准DE算法,并且寻优能力强、稳定性好、搜索精度高,特别适合于工程中高维复杂函数的优化问题.