基于遗传算法的模糊控制器设计

将遗传算法引入到模糊控制器设计中,用以自动导优模糊控制规则,得到的模糊控制系统具有过渡过程时间短,超调小等优点;并对模糊规则表采用自然数编码策略,针对纯滞后对象特点,人出了性能指标函数,讨论了复制、交叉、变异等遗传操作在模糊控制器设计非线性寻优问题中的具体应用,并对各种方法进行了对比性研究;最后针对纯滞后对象进行了计算机仿真,并给出了仿真结果。     

遗传算法在模糊控制器参数寻优中的应用

介绍了遗传算法的结构,优化原理及操作流程,针对遗传算法的一些参数的取值进行了分析,并将它运到了模糊控制器的参数寻优中;模糊控制器的控制规则采用了便于计算机控制的解析描述形式Ｕ＝〈αＥ＋１－α）Ｃ〉。     

用遗传算法设计模糊控制器

对遗传算法（ＧＡ）进行改进，将改进后的遗传算法到模糊控制器的设计中，以工业过程控制为对象，通过二阶系统模型的计算机仿真表明：改进后的遗传算法比传统方法具有更好的控制性能，可实现模糊控制规则的自校正和量化因子的寻优。     

基于遗传算法的自学习模糊控制器的设计

提出了一种自学习模糊控制器的设计方法,这种方法采用改进的连续空间遗传算法对动态系统的控制进行优化,获得基于一定性能指标的期望的状态轨迹及相应的控制序列;采用基于神经网络的模糊推理系统监督学习模糊控制器的参数,可以在知识缺乏的环境完成神经模糊控制器的自动设计。本文最后以倒立摆系统为控制对象给出了一个设计实例和仿真结果。     

基于遗传算法的自调整模糊控制器

提出了一种采用遗传算法对模糊控制中的量化因子和比例因子进行优化自调整，并将这一方法用于直流调速系统，仿真研究表明，该方法具有良好的动静态特性与鲁棒性。     

用遗传算法优化模糊控制器

提出一种带迁移算子的遗传算法,并用于优化模糊控制器,在对倒立摆和大纯滞后等复杂对象的控制仿真实验中均获得很好的结果;并对提高遗传算法多参数优化的效率及目标函数的影响进行了初步的讨论。     

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。     

基于遗传算法的自调整模糊控制器

提出了一种采用遗传算法对模糊控制器中的量化因子和比例因子进行优化自调整 ,并将这一方法用于直流调速系统。仿真研究表明 ,该方法具有良好的动静态特性与鲁棒性     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法（GA）和模糊神经网络控制器的结构进行了说明,为了克服以反向传播算法（BP）的缺点,通过遗传算法对模糊神经网络控制器的参数进行优化,亦即对模糊神经网络进行训练,用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象,仿真结果证实了其性能较常规模糊控制器优越。     

基于遗传算法的水下机器人模糊控制器优化设计

将遗传算法引入到水下机器人模糊控制优化问题中，用以自动寻优隶属函数参数和模糊控制规则，针对所采用的模糊控制器是连续型模糊控制器这一特点，对模糊规则和隶属函数采用了实数编码策略，并讨论了复制、交叉、变异等遗传操作在模糊控制器设计非线性寻优中的应用，最后针对水下机器人运动控制进行了计算机仿真，仿真结果表明，优化得到的模糊控制器与传统的模糊控制器相比具有响应快、超调小的特点。     

基于自适应遗传算法的模糊控制器优化设计

改变传统的优化模糊控制器的方法,采用自适应遗传算法优化设计了一种控制效果较好的模糊控制器。在遗传算法改进方面,不以传统的定值常量作为交叉和变异概率,而是根据遗传算法本身计算出来的个体适应度来自适应的调节交叉和变异概率的大小,以克服采用定值常量作为交叉和变异概率所带来的早熟现象和效率相对较低的问题。仿真结果表明,改进的模糊控制器具有更好的控制效果。     

基于遗传算法的起重机模糊控制研究

针对起重机的定位和防摆控制,设计了两个模糊控制器,分别对小车的位置和负载的摆动进行控制。并将遗传算法和模糊控制相结合,利用遗传算法对模糊隶属度函数、比例因子和量化因子进行优化,提高了模糊控制器的自适应和自学习能力,改善了系统的控制性能,从而实现了起重机的精确定位和消摆,提高了起重机的工作效率。仿真结果表明该方法的有效性。     

一种基于混合学习算法的模糊神经网络控制

针对ＢＰ算法容易陷入局部极小的缺点，利用遗传算法极强的全局搜索能力对模糊神经网络控制器参数进行离线优化，并对遗传操作进行了改进，使其最终搜索到全局最优或近似全局最优的附近．再利用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．仿真结果表明：该方案的综合性能优于常规模糊控制器．     

基于遗传算法的可调因子模糊PID控制器的设计

传统的PID控制算法简单、易于实现,但对于非线性、不确定性的控制对象,控制效果并不理想。本文将不依赖于被控对象的数学模型,适应能力好的模糊控制和常规PID控制相结合,并对模糊算法中对系统性能有重要影响的量化因子用遗传算法进行优化,提出一种基于遗传算法的可调因子模糊PID控制器。仿真结果表明该控制器具有良好的动态性能和静态性能。     

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...     

基于遗传算法的多传感器模糊随机信息融合方法

建立一种多传感器高维信息融合方法 .根据多传感器模糊随机信息融合的准则 ,完成融合参数编码、初始种群和适性函数建立以及基于模糊控制器的基因操作概率选择等的设计 ;对高维信息融合问题进行了探讨 ,并通过计算机仿真验证了方法的有效性 .针对速度方差为 1 6 4 ,加速度方差为 1 75的模拟运动目标跟踪问题 ,采用该方法的跟踪融合精度分别为速度方差 0 94 ,加速度方差 0 98.该方法能有效地提高配合的精度与可靠性     

模糊聚类的遗传算法在图像压缩中的应用

图像压缩的关键在于对图像中相似取样点的选择和处理.用基于图像像素的遗传聚类算法对3D图像分析选择样本,通过FCM算法得到一个有序的像素序列,然后进行聚类获得压缩.实验表明,运用模糊聚类分析法能够有效降低压缩算法的复杂度,并能达到预期的图像压缩效果.     

用多种群遗传算法优化结构振动模糊控制器

在结构控制中模糊控制是被采用的方法之一，基于遗传算法的模糊系统的优化设计，把模糊控制和遗传算法结合起来．利用遗传算法的优点，克服了一般模糊控制设计中模糊变量的隶属度和控制规则的选取通常靠经验来获取的不足．使得系统的模糊控制设计更灵活方便，能取得更好的控制效果。采用实数和整数混合编码技术来设计遗传算法的染色体和相应算法，为了避免早熟和加快收敛速度，采用了多种群的遗传算法。为了验证优化的效果．对一个三层框架进行了仿真分析，结果显示，采用遗传算法优化后的模糊逻辑控制优于常规模糊逻辑控制。