基于最优保留遗传算法的非线性模糊预测控制

针对传统的模型预测控制不能很好解决具有严重非线性、不确定性的对象或过程的控制问题。提出将模糊模型用于描述对象的非线性动态特性。通过将模糊模型的输出反馈回来作为模型输入，从而构成了模糊多步预测器，采用一种收敛精度高、速度快的具有最优保留特性遗传算法(EGA)依据模型预测输出在线滚动求解控制律的非线性预测控制算法。仿真结果表明该算法对一类非线性系统具有较快的响应速度和较强的抗干扰能力。     

基于遗传算法的非线性模型预测控制方法

介绍了非线性模型预调控制算法结构，提出了基于遗传算法的非线性模型预测控制方法，将遗传算法作为优化技术用于受限非线性模型预测控制器的设计。算法采用双模控制策略，将保证预测控制算法稳定性的终点等式约束转化为终点不等式约束，以利于遗传算法的实施。基于不变集理论，给出了非线性模型预测控制算法的稳定性定理。仿真结果表明了所提出控制算法的可行性和有效性。     

基于遗传算法的模糊滑模控制

模糊控制和滑模控制的结合提供了非线性控制的一大新方法,它消除了滑模控制的抖动,但同时带来新的问题——静差,而且这种控制器在控制切换时动态性能与滑平面系数选择有很大关系.鉴于以上问题,该文提出用不均匀分布隶属函数的模糊控制器来代替传统滑模控制器的符号函数,同时为了保证模糊控制系统的全局稳定性,考虑加入模糊监督控制器.再基于遗传算法对滑平面系数和因子寻优,在算法中目标函数是系统的误差和表征系统稳定性的一个新变量.这种方法减小了系统的稳态误差,加快了系统到达滑动平面的速度,有效地消除了抖动.仿真结果表明了该方法的有效性.     

基于模糊遗传算法的选矿破碎系统优化控制

矿石破碎是选矿工业流程中的关键环节,破碎过程要求机腔料位稳定,以提高破碎处理流程的工作效率.针对给料机及破碎机具有的惯性、滞后、非线性时变特点,提出了一种基于模糊遗传优化算法的碎矿系统给矿量优化控制策略,控制器采用模糊自适应PID控制算法,并利用遗传算法对控制器参数进行优化,以提高参数在线寻优能力.仿真结果验证了本文提出的优化控制策略的有效性,表明控制系统具有较好的动态品质和较强的抑制干扰能力.     

基于量子遗传算法的模糊滑模控制

针对一类具有不确定性的非线性系统,提出了一种新的基于量子遗传算法的模糊滑模控制器的设计方法.将模糊控制与滑模控制相结合,利用滑模控制使系统跟踪误差进入边界层内;启用模糊控制替代切换控制,并在边界层上通过监督函数平滑控制作用.在滑动模态产生条件下,通过量子遗传算法优化模糊控制器的控制规则,有效地解决了模糊滑模控制中模糊控制规则的确定问题,从而削弱了系统的抖振,改善了控制器的控制性能.仿真结果表明了该方法的有效性.     

基于跟踪误差调节的非线性自适应模糊预测控制

将模糊逻辑系统引入预测控制,对一类非线性离散系统提出了直接自适应模糊预测控制的方法,此方法首先建立被控对象的预测模型;然后基于此模型直接利用模糊逻辑系统设计预测控制器,并基于跟踪误差对控制器参数中的未知向量进行自适应调整;最后证明了此方法可使跟踪误差收敛到原点的一个小邻域内。     

基于遗传算法优化的模糊PID控制研究

面对具有较强的非线性、不确定性、难以建立精确数学模型的对象控制,常规PID控制器难以达到理想的控制效果,因此就出现了如Fuzzy-PID这样的一种较好的控制方法。然而模糊控制规则和隶属函数的选取有着很大的人为主观性,本文采用改进的遗传算法优化模糊控制中的量化和比例因子,从而优化控制规则和隶属函数使其更加合理,最后对优化后的模糊控制器进行了Matlab仿真研究,结果表明经过优化后的模糊控制器的控制品质有较大的改善和提高。     

基于神经网络的模糊预测控制及其应用

应用模糊控制的逻辑推理性能，借助神经网络的学习能力，提出了一种模糊神经网络预测控制模型。利用该模型对发酵过程的预测控制，实验曲线表明，可获得较高的预测精度和较好的控制效果。     

基于遗传算法和模糊PID的励磁控制器

随着电力系统的发展,常规PID励磁控制器已经不能满足系统运行的动态和静态性能要求,为了克服这一缺点,设计了一种新型模糊PID控制器,在常规模糊PID励磁控制器基础之上,提出了一种利用遗传算法优化的模糊控制器.介绍了同步发电机自动励磁系统及模糊PID励磁控制器的构成,模糊PID控制器的原理及作用.仿真研究结果表明利用该方法设计的励磁控制器具有更好的动静态特性.     

模糊预测控制及其应用研究*

本文提出一种新的模糊预测控制算法。它将预测控制与模糊控制相结合，应用于一类复杂的工艺过程的终点控制，获得了优良的控制效果，如抗干扰性和模型失配等。本算法在对电弧炉炼钢的氧化过程控制的仿真研究中取得十分满意的兄啊过，它对培养训练操作人员十分有效。     

基于遗传算法的模糊PI控制器

模糊PI控制器具有鲁棒性强、控制灵活等优点,但是将其应用于纯迟延系统时超调量较大、响应速度慢。针对此提出了一种基于遗传算法的模糊PI控制器,使用遗传算法对模糊逻辑系统参数进行训练。在以往的模糊逻辑系统建立过程中,主要依靠专家知识或工作人员经验来确定其主要参数（如模糊推理规则和隶属函数参数等）,而该文利用遗传算法对样本数据进行优化来获取系统参数。在遗传算法中,将推理规则和隶属函数参数的确定结合在一起,从而确定最优的模糊逻辑系统。仿真试验结果表明,由该方法得到的控制器用于纯迟延系统具有响应快,超调量小等优点。     

基于遗传算法的模糊控制器设计

将改进的遗传算法引入到模糊控制器的设计中,用以自动寻优模糊隶属函数和比例咽子。以二阶系统为例进行了计算机仿真研究结果表明这种方法是有效的。     

一种基于遗传算法优化的模糊控制器研究

模糊控制中的模糊推理规则和隶属函数的选取往往依据相关专家或技术人员的实际经验,具有较大的人为主观性,尤其在面对具有较强的非线性系统和未知动态环境条件下,其控制性能达不到客观要求。本文采用改进的遗传算法优化模糊控制中的比例因子,从而对控制规则和隶属函数进行优化。仿真结果表明,经过优化后的模糊控制器和传统的Fuzzy-PID控制器相比,其控制规则和隶属函数更加客观合理,控制系统的动、静态性能都有较大提高。     

模糊预测控制在时滞系统中的应用

几乎所有控制中都存在时滞,也叫死区时间,在此时间里,生产过程的实际值根本不会对控制器的调节作用起任何反应.时滞的存在会带来超调,震荡等诸多问题.测量方面有了时滞,控制器不能及时发现变量的变化,控制方面有了时滞,控制作用不能及时产生效应.本文结合模糊控制和模糊预测算法,预测控制量和输出量,减少了时滞,提高了控制质量.     

基于遗传算法的多模型模糊控制

在非线性系统的多个平衡点建立线性模型的基础上，提出了多模型系统的模糊加权控制策略，采用遗传算法对模糊系统的隶属函数进行优化，综合了遗传算法强大的空间搜索能力，高精度和模糊控制器快速性的优点，使模糊控制达到较好的控制效果，仿真结果证明了所给方法的有效性。     

基于遗传算法的模糊规则的生成

模糊控制是人工智能的一重要研究领域,已经在很多方面得到了应用。模糊规则是一个智能系统的核心部分,所以模糊规则自动生成的研究一直以来吸引了很多的学者。遗传算法(Genetic Algorithm,GA)是模拟达尔文的遗传选择和自然淘汰的生物进化进程的计算模型,它是一种高度并行的随机化搜索的自适应的组合优化算法。该文提出了一种利用遗传算法自动生成模糊规则的方法,因为遗传算法的全局优化能力,所以可以得到相对较为合适的模糊规则,通过仿真结果,也可以看出它确实是一种切实可行的方法。     

基于模糊遗传算法的神经模糊控制器的综合优化

针对遗传算法的特点,提出一种用模糊控制的方法来调整交叉概率和变异概率的改进模糊遗传算法及其算法结构,并将其应用于神经模糊控制器的综合优化设计。在以二阶模型为控制对象的仿真结果表明,此种模糊遗传算法不仅加快了解的收敛速度,而且大大提高了解的质量。