简化的模PID控制方案

提出一种简化模糊ＰＩＤ控制方案，将三维的控制规则库简化为二维，大大减少了模糊控制规则的数目，简化了控制策略及其控制器的设计和调整过程。并讨论了该控制器的调整方法，最后通过仿真验证了其优越的性能。     

简化的模糊PID控制方案

提出一种简化模糊PID控制方案，将三维的控制规则库简化为二维，大大减少了模糊控制规则的数目，简化了控制策略及控制器的设计和调整过程。并讨论了该控制器的调整方法，最后通过仿真验证了其优越的性能。     

关于模糊规则的提取及利用神经网络进行优化的问题

本文讨论了一种模糊规则的提取技巧，再将所得的模糊规则转化成模糊神经网络（ＦＮＮ），通过反复学习，得到精炼的规则库，从而提高模糊控制的性能。     

串联型模糊神经网络PID控制器的设计

该文提出了一种串联型模糊神经网络PID控制器的设计方法 ,该方法利用人工神经元网络的聚类功能来对反馈回来的误差输入量进行分类 ,然后串联一个模糊控制器 ,并根据人工神经网络的分类结果来构造模糊规则库 ,使整个控制器既具有PID调节的功能 ,同时避免了神经元网络的发散问题 ,并解决了模糊规则库构造的困难 ,从而实现对PID控制器参数的智能调节。     

一种新的递阶多变量模糊控制器的设计

针对多变量模糊控制器设计中存在规则库维数过高、隶属函数以及规则库难于获取的问题,提出一种新的递阶模糊控制器（NHFLC）,使得总的规则数大大减少,且无需了解各输入变量对系统的影响程度,基于该控制器结构下的模糊控制策略利用遗传算法来获得,仿真结果表明NHFLC与通常的MIMO模糊控制器相比,具有更好的动态性能和鲁棒稳定性。     

模糊规则在线自调整算法及仿真研究

在模糊规则的可修正因子的基础上,提出了一种在线自调整模糊控制器解析规则模糊控制器的改进结构,引入了能够动态调整模糊控制规则的修正函数;同时,通过遗传算法,应用该修正函数对模糊控制器控制参数进行优化。通过对一个典型的二阶系统进行仿真实验,结果表明使用该方法设计的模糊控制器具有响应快、超调小、稳态精度高等优点,改善了模糊控制系统的性能。     

一种自组织模糊神经网络控制器

采用一种具有结构和参数学习能力的自组织模糊神经网络控制器设计方法。这种控制器无需事先确定模糊控制规则，能在控制过程中通过神经网络的结构及参数学习在线调整模糊神经网络的结构、产生模糊控制规则、调整规则的参数。仿真表明该控制器能用于一定纯滞后时变对象的控制，具有良好的控制性能。     

一种通用模糊控制器的研究与设计

设计了一种通用模糊控制器，可适用于不同控制对象。采用软件的方法在线调整量化因子及比例因子，并在控制过程中对规则自动调整和完善，从而使控制规则趋于最优。仿真结果表明，这种通用模糊控制器的控制性能优于普通的模糊控制器，达到较高的控制精度。     

基于高斯势函数网络的智能温度控制器

本文提出一种基于高斯函数网络的模糊温度控制器，给出了模糊神经网络控制模型和学习算法。通过自学习不断修正模糊控制器规则，使模糊控制器具有自学习和自适应能力。计算机仿真及温控结果表明，这种智能控制器具有良好的控制性能。     

一种自调整模糊控制器的设计与仿真研究

提出了一种基于规则，参数自整定的模糊控制器的设计方法，它通过引入误差加权因子和误差变化率加权因子，以系统阶跃响应的上升时间和超调量为性能评价指标，并根据评价结果建立自适应算法，对模糊控制器的模糊推理规则及参数进行自调整。仿真结果进行表明，误差变化率加权因子以明显改善模糊控制器的稳定性，性能评价指标函数，模糊推理规则和参数调整算法简单实用，便于实现，对被控对象的参数变化具有较强的适应能力，控制效果良好。