一种模糊神经网络控制器参数的混沌优化设计

通过模糊控制与神经网络相串联的方式构成模糊神经网络系统，然后提出一种基于模拟退火策略的混沌优化算法，将该算法引入模糊神经网络参数域中进行优化，实现混沌粗搜索与细搜索相结合优化目的，体现出具有更强的模糊神经网络参数全局最优解的搜索能力。采用该控制器对一个非线性对象进行控制。仿真实验表明，该方法能有效地实现模糊神经网络控制器参数优化，控制具有无振荡、超调小、调节时间短等优点，算法结构简单，容易实现。     

基于混沌搜索的二级倒立摆模糊控制器设计

利用混沌优化的模糊控制方法对二级倒立摆系统进行闭环控制。用混沌算法优化控制器的参数,首先将混沌变量引入到模糊控制器的参数域,并进行全局范围内直接寻优,当获得全局近似最优解后,再缩小寻优区间,根据性能指标,在次优解附近继续寻优,得到全局最优参数。控制结果说明该方法是有效可行的。     

模糊神经网络的混沌优化算法设计

提出了一种基于混沌变量的多层模糊神经网络优化算法设计.离线优化部分采用混沌算法,将混沌变量引入到模糊神经网络结构和参数的优化搜索中,使整个网络处于动态混沌状态,根据性能指标在动态模糊神经网络中寻找较优的网络结构和参数.在线优化部分采用梯度下降法,把混沌搜索后得到的参数全局次优值作为梯度下降搜索的初始值,进一步调整模糊神经网络的参数,实现混沌粗搜索和梯度下降细搜索相结合的优化目的,能较快地找到全局最优解.最后对二阶延迟系统进行仿真,结果表明混沌优化方法控制精度高、超调小、响应快和鲁棒性强.     

基于模拟退火策略的混沌优化算法的模糊神经网络控制器的设计

提出了一种基于模拟退火策略的混沌优化算法的模糊神经网络控制器,该模糊控制器由4层BP神经网络表示,控制器参数由混沌粗搜索与细搜索相结合的优化策略优化.对非线性对象的仿真表明了优化方法的有效性和可行性,且控制具有无振荡、超调小、响应快、调节时间短、结构简单、实现容易等特点.     

基于一种混沌BP算法的神经模糊控制器的优化

在模糊控制器设计问题的研究中,结合神经网络和模糊控制的优点,设计了一种全网络化的模糊控制器,使模糊推理的实现过程网络化,清晰化.针对BP算法学习速度慢、易陷入局部最小的缺点,引入混沌思维,提出了基于混沌Logistic方程的BP混合学习算法(CBP),将用于神经模糊控制器参数的优化设计中,使设计的神经模糊控制器具有更优的性能.通过仿真对算法及控制器进行验证,仿真结果表明,上述算法能有效地优化神经模糊控制器的参数和结构,所设计的神经模糊控制器具有较好的性能.     

利用混沌搜索全局最优的一种混合算法

把共轭梯度法与混沌优化方法相结合，提出了一种混合优化算法，该算法能使共轭梯度法跳出局部最优，最终获得全局最优，算法的收敛性也进行证明，仿真表明算法是有效的。     

基于PSO的模糊控制器参数优化设计

本文提出了将微粒群优化(PSO)算法应用于模糊控制器的参数优化设计中,针对常用的工业对象模型进行了仿真实验,仿真结果表明基于微粒群算法优化模糊控制器参数可以获得满意的控制效果,PSO算法为模糊控制器的设计提供了一种的新的思路.     

具有参数在线修正机构的模糊控制器

本文分析了模糊控制器三个参数对系统动态及稳态性能的影响，提出了一种新的模糊控制器参数在线修正算法，通过仿真实验效果良好，改善了模糊控制的性能，因而可扩大应用范围，更有实用价值。     

基于模糊T-S模型的批过程建模与最优控制

基于模糊T-S模型,提出一种具有自学习能力的模糊方法用于批过程建模和最优控制.通过引入与均方误差相关的动态误差传递因子,使用改进的梯度下降法,本方法能够辨识模糊T-S预测模型.对于批过程的受限非线性最优控制,基于所辨识的预测模型,运用庞特里亚金最小值原理和平行分布补偿算法,本方法能够把一个复杂非线性系统最优控制设计问题转化为一些基于复杂T-S预测模型的局部线性系统的最优问题,从而给出一种有效和简单的模糊最优控制策略.所提方法用于一个半连续式反应器的建模和最优控制,仿真结果表明新方法是有效和准确的.     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。     

基于模糊推理的自校正控制器现状及展望

本文综述了基于模糊推理的自校正控制器现状,并探讨了模糊控制若干研究课题。     

基于模糊预测的间歇PID控制器

将模糊预测和间歇ＰＩＤ控制器相结合，提出了变控制周期控制器．根据对被调量未来偏差和偏差变化率的模糊预测，合适地选择间歇ＰＩＤ控制器的控制周期，有利于改善具有大纯时滞对象控制系统的动态品质．最后由仿真结果说明了该方法的有效性     

基于DSP的工业机器人控制器的设计与实现

提出了一种基于DSP技术的工业机器人控制器的设计，该控制器采用一台工业PC机以 及一块DSP多轴运动控制卡，较好地实现了机器人的实时控制，提高了机器人控制器的运动 控制性能，最后给出了相关的实验和结论．     

基于控制器输出误差方法的自适应模糊控制及其在机器人轨迹跟踪控制中的应用

本文提出一种自适应模糊控制器并将之用于机器人轨迹跟踪控制 ,该控制器采用控制器输出误差方法 (COEM) ,根据控制器的输出误差而不是对象的输出误差来在线地调整模糊控制器的参数 ,无须对对象进行辩识 .仿真结果表明该控制器用于机器人轨迹跟踪控制具有很好的性能 ,是一种有效的控制器     

一种新型自学习模糊控制器

本文设计了一种新的自学习模糊控制器,其模 糊规则与隶属函数分别由整数编码遗传算法与混沌优化算法在线学习,仿真结果验证了设计 的合理性与有效性．     

间接自适应模糊控制器的设计与分析

针对一类不确定非线性系统,基于王立新1994年提出的监督控制方案并利用Ⅱ型模糊系统的逼近能力,提出了一种间接自适应模糊控制器设计的新方案.该方案通过引入最优逼近误差的自适应补偿项来消除建模误差的影响,从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差上确界已知的条件.理论分析证明了闭环控制系统是全局稳定的,跟踪误差收敛到零.仿真结果表明了该方法的有效性.     

由倍周期分叉走向混沌的Logistic Map及其控制器设计

详细讨论了Logistic Map映射由倍周期分叉走 向混沌的过程,并根据离散系统Devaney 混沌定义（以μ=4为例）证明该映射确实发生 了混 沌,最后基于反馈方法提出了一种简单实用的混沌控制方法．无论对于定值控制,还是随动 控制,仿真结果表明本文提出的控制方法都优于文献\[1\]提出的逆系统方法．     

小脑模型控制系统的遗传算法最优设计

首次采用遗传算法实现小脑模型控制固定增益的最优设计，并采用超调受限最优化方法进行优化，而且结合线材缠绕坟系统张力控制进行了控制仿真试验，同时采用遗传算法对同一被控对象进行ＰＩＤ最优控制设计，试验结果表明本文方法是有效的，它克服了以往小脑模型控制设计的反复度错的缺点，进而使控制系统设计工作量大大减少，试验还表明，采用遗传算法对小脑模型控制的固定增益进行最优设计，比对ＰＩＤ最优控制设计容易，而且稳定。     

基于退火遗传算法的复杂机电系统控制参数最优整定

针对复杂机电系统中可调参数多、调整范围大、参数之间耦合强、常规方法难于整定与组态的难题，提出了基于退火遗传算法的参数最优整定方法．将遗传算法和模拟退火算法巧妙地结合起来、取长补短，构成一种新的高效、鲁棒的寻优算法，应用于平整机主传动速度控制系统的参数优化问题，使系统的性能指标达到最优．     

一种新型模糊神经元网络控制器的设计方法

本文根据模糊基函数展开的性质构造出一种简化形式的模糊神经元网络（ＦＮＮ）。这种网络可以对任一种非线性函数进行全局逼近，因此它可以用于非线性控制系统。因为这种ＦＮＮ具有自适应性，所以用它实现的器可以更好地达到理想的控制效果，通过在模型参控制中的应用证明了此种ＦＮＮ的有效怀。