改进遗传算法优化设计模糊控制系统的研究

对T-S模糊控制器的自动设计进行了研究,提出了一种基于遗传算法的自动设计方法。运用并行分布补偿(PDC)思想将T-S模糊控制器分解为多个局部线性控制器,运用极点配置法设计各个局部线性控制器,所配置的极点参数由改进遗传算法进行鲁棒优化。以单极倒立摆为控制对象,运用所提出的方法进行了T-S模糊控制器的设计,实现了对单极倒立摆的模糊控制。仿真结果表明,该方法实现了T-S模糊控制的自动设计,在T-S模糊控制系统的训练精度、鲁棒性等方面具有更好的效果。     

基于遗传算法和模糊逻辑的智能飞控技术研究

设计了基于遗传算法和模糊逻辑控制的智能飞行控制系统及采用论域自调整的模糊控制器，控制器以角度跟踪误差及其微分信号为输入来控制相应的气动舵面偏转，实现对该姿态的跟踪控制。文中给出了控制器输入输出的隶属函数，设计了相应的规则库。并在此基础上进一步利用遗传算法对模糊控制器进行优化设计，给出了遗传算法各个参数的选择原则。仿真结果表明，基于遗传算法和模糊逻辑的智能飞控系统具有良好的控制效果。     

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.     

基于初态修正的ILGA控制器参数整定

针对迭代学习遗传算法（ILGA）对PID控制器参数进行整定时要求系统初态等于理想初态的问题，采用在迭代前对实际初态自学习逼近理想初态的方法，放松了迭代学习遗传算法的应用条件，并具有迭代学习次数少，整定PID控制器的最佳控制参数快的特点．简化了控制器的设计过程。给出仿真算例显示了该方法在PID控制器参数自动寻优上的有效性。     

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.     

基于遗传算法的交流伺服系统模糊控

针对交流伺服系统的特点和要求．研究和设计了一种基于遗传算法的自寻优位置模糊控制器。该设计利用实时仿真系统，并采取遗传算法实现了在线模糊控制参数的自动寻优，有效地解决了伺服系统精度和快速特性的问题。实验证明该系统性能良好。     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

氧乐果合成反应温度的模糊自学习控制方法

针对氧乐果合成反应温度控制具有参数时变、时滞后特性而不易控制的问题,提出一种基于遗传算法的模糊自学习控制方法。还提出了改进遗传算法的若干策略。改进的遗传算法仅根据在线获得的信息便能够实现控制器的多个加权因子的快速全局寻优,从而实现模糊控制规则的修正与完善。仿真结果表明,基于遗传算法设计的自学习模糊控制器能适应参数时变、时滞后系统的控制。     

参数自整定模糊控制器在弧焊焊缝跟踪中的应用

本文阐述了焊缝跟踪参数自整定模糊控制器的工作原理，提出了比例因子和量化因子自动调节的方案和实现方法，介绍了模糊控制器的具体设计步骤和单片机参数自整定模糊控制系统的软硬件设计。结果表明，在焊缝跟踪中采用参数自整定模糊控制器可以明显改善系统的性能。     

基于寿命的变种群模糊遗传算法

针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点，提出了一种种群数变化的模糊遗传算法．该算法对进化种群数进行宏观调控的同时，再用个体寿命限制个体的生存期，实现对种群数的微观调控．并采用模糊控制器控制交叉率，使其能够根据进化的实际情况自动调整．实验数据表明这种方法能够有效防止早收敛，大大改善遗传算法收敛性能．     

基于遗传算法的管道机器人分层模糊控制

为了适应空调管道的复杂环境,提高空调管道清扫机器人控制性能,降低控制复杂度,构建了一个分层的自适应模糊控制器.通过多输入系统进行分层输入和叠加输出,大量简化了模糊逻辑推理,减少了控制规则数.应用遗传算法对控制器参数进行优化,有效地融合了控制信息,达到了较理想的控制特性.实验和仿真结果表明,模糊控制器适应性强,优化后模糊控制器具有很好的控制效果,实现了机器人在管道中自主导航.     

遗传算法在电液伺服系统分层模糊控制中的应用

针对模糊控制中规则数和可调参数多的问题,对遗传算法在分层模糊控制系统中的应用进行了研究,考虑遗传算法具有强大的全局搜索能力,提出了基于遗传算法的分层模糊控制的设计方案。该方案采用2个模糊控制器分层连接,即第一层采用基于遗传算法优化的模糊控制器,第二层采用典型的模糊控制器,从而大大减少了模糊规则和可调参数的个数,便于实时控制。电液伺服系统的实际仿真结果验证了该方案的有效性。     

基于遗传算法的模糊神经网络控制器设计及其稳定性分析

首先根据联结主义思想模糊控制器设计问题转化为对模糊神经网络参数的设计和优化,然后通过遗传算法对模糊神经网络的参数进行集中优化,得到了被控对象的一个最优或次优的控制器－模糊神经控制器,稳定性分析为此设计理论依据。     

嵌套式模糊自适应遗传算法

针对简单遗传算法(SGA)收敛速度慢和早熟收敛现象,将模糊逻辑理论应用于遗传算法,并采用两级嵌套的遗传算法,随主遗传算法GA1求解优化问题的进化进程用模糊控制的方法自适应地调整遗传算法的交叉概率和变异概率;利用另一个遗传算法GA2优化模糊规则库,实现了一种嵌套式模糊自适应遗传算法(NFAGA)。仿真结果表明,这种算法的全局搜索收敛速度和解的质量明显优于SGA和一般的自适应遗传算法(AGA)。     

Comments on “Constraining the optimization of a fuzzy logiccontroller”

Genetic algorithms (GAs) are a highly effective and efficient means of solving optimization problems. Gene encoding, fitness landscape and genetic operations are vital to successfully developing a GA. F. Cheong and R. Lai (see ibid., vol. 30, p. 31-46 (2000)) described a novel method, which employed an enhanced genetic algorithm with multiple populations, to optimize a fuzzy controller, and the experimental results revealed that their method was effective in producing a well-formed fuzzy rule-base. However, their encoding method and fitness function appear unnatural and inefficient. This study proposes an alternative method of concise genetic encoding and fitness design.     

分层并行遗传算法和遗传复合形算法及其应用

基于复合形算法、遗传算法、分层和并行思想,设计了一种求解复杂多目标、多约束和多变量工程优化问题的分层并行遗传或复合形算法,编制了界面友好和计算可靠性高的VC++软件。对于一类复杂三多工程综合优化问题,进行了遗传算法、复合形算法、分层并行遗传算法和分层并行遗传复合形算法的大量计算,结果表明：分层并行遗传算法计算效率最高;为解决复杂的三多工程综合优化问题提供了有效的可行方法。     

用GA寻优线性系统模糊控制器规则

控制精度和自适应能力一直是模糊控制应用中较难解决的问题，解决这一问题的关键在于选取适当的控制规则，而遗传算法可以较好地解决常规的数学优化技术所不能有效解决的问题。该文给出了对于具有修正因子的控制规则，采用遗传算法对其参数进行自调整的方法，它可提高模糊控制器的性能。通过仿真实验表明了该方法对于线性系统的控制是有效的。     

基于蚁群算法的模糊控制规则的过滤简化

针对设计高维模糊控制器过程中会遇到的“规则爆炸”问题,利用蚁群算法进行控制规则的过滤简化。为了用尽量少的规则得到尽可能好的控制效果,利用蚁群算法在饵决组合优化问题中的强大优势,在已有的完备规则中优选出若干条规则嵌人模糊控制器。采用带有时间窗口的蚁群算法去克服遗传算法优选模糊控制规则时可能产生的规则不连续的问题。该文还从遗传算法和蚁群算法工作机制的角度分析了对这两种算法加入约束条件的可操作性。以单级倒立摆控制系统为对象进行仿真研究,最后的仿真结果表明该文方法可以使模糊控制规则具有更好的简化效果和鲁棒性,并能具有好的控制效果。     

基于DE-EDA多目标优化的受电弓模糊控制

针对传统控制器参数整定算法不能兼顾多个性能指标的问题,就受电弓-接触网的接触力控制问题设计了基于差分进化-分布估计算法（DE-EDA）的模糊控制器。以接触力的方差、误差的积分和控制器输出能量为优化目标,以模糊控制器量化因子和比例因子为优化变量,建立多目标优化模型。与LQR受电弓最优控制进行对比,仿真结果表明了所提出的基于DE-EDA多目标优化的模糊控制器的有效性与优越性。