一种基于遗传算法的模糊控制规则的优化方法

模糊控制规则的选择是模糊控制器设计的关键问题之一,文中在对现有应用遗传算法优化模糊控制规则的方法进行研究的基础上,以模糊控制规则的完整性和一致性为出发点,提出了一种用遗传算法来优化模糊控制规则的改进算法,具体给出了遗传算法设计中的各种函数和算子的确定,并将优化过的规则用于设计模糊控制器,进行仿真研究,取得了令人满意的效果。     

模糊控制规则优化方法研究

模糊控制规则的选择是模糊控制器设计的关键问题之一,在现有应用遗传算法优化模糊控制规则的方法进行研究的基础上,以模糊控制规则的完整性和一致性为出发点,提出了一种用遗传算法来优化模糊控制规则的改进算法,具体给出了遗传算法设计中的各种函数和算子的确定,并将优化过的规则用于设计模糊控制器,进行仿真研究,取得了令人满意的效果。     

基于遗传算法优化的舵机伺服系统模糊控制

针对舵机伺服系统中存在的非线性因素和工作环境的未知干扰,提出将基于遗传算法优化的模糊控制算法应用到液压舵机伺服控制系统中;该方法利用遗传算法对采用串联二进制编码的隶属函数参数进行联合优化,并将优化过的控制规则用于设计模糊控制器;运用Simulink对系统模型进行仿真;仿真结果表明:基于遗传算法优化的模糊控制器,在液压舵机伺服系统中,具有良好的控制效果和较强的鲁棒性,为舵机伺服系统的控制提供了一条新的思路。     

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.     

基于改进蚁群算法的模糊控制器优化设计

研究控制器优化问题,由于模糊控制系统参数无法同时优化,使得系统选择参数困难,使系统控制效果存在一定的缺陷,安全性和可靠性降低。为解决上述问题,提出了一种多种群进化蚁群算法对模糊控制器优化设计。采用懒蚂蚁效应的改进蚁群算法进行优化,在传统蚁群算法的基础上,采用多个种群并行,对算法的初始化、路径构建以及信息素更新改进,并引入到模糊控制器的隶属函数、模糊规则的优化搜索中,搜索出适应于不同控制阶段的模糊控制器参数及控制规则,并进行仿真。仿真结果证明了改进算法对模糊控制器的参数具有良好的搜索速度和精度,使系统有很强的鲁棒性。     

基于遗传算法的锅炉汽包水位的模糊控制

锅炉汽包水位的控制是一个大滞后、时变性和非线性的控制问题,采用传统的控制方式难以取得满意的控制效果,模糊控制对其可以取得比较好的控制效果,但模糊控制的效果很大程度上依赖于专家经验.利用遗传算法对模糊控制器的隶属函数和模糊控制规则进行了优化.     

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.     

MATLAB在综合模糊自适应控制系统仿真中的应用

该文介绍了用MATLAB(SIMULINK) 语言针对一类非线性系统把模糊控制,模糊逻辑逼近及模糊滑模控制相结合的一种综合自适应模糊滑模控制方法,进行仿真的步骤和方法.直接和间接自适应模糊控制器,它们只能利用模糊控制规则或模糊描述信息.而综合自适应模糊控制器能利用上述两种信息.仿真表明算法的有效性.可以看出SIMULIK是控制系统动态仿真的有力工具,而且相对于以往任何一种仿真方法,MATLAB 语言更方便、高效,具有无可比拟的优越性.     

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。     

胎面生产线辅线速度链模糊自适应PID控制

针对常规PID控制在胎面挤出联动生产线辅线速度链整定中,参数整定不尽人意的问题,设计出一种基于模糊控制理论的自适应PID控制器。通过建立模糊控制规则和进行模糊推理来确定PID的参数,实现对辅线速度的调节。利用Matlab的模糊逻辑控制工具箱对算法进行仿真,仿真结果表明,该控制器与常规PID控制器相比,具有调节时间短、超调量小、跟踪调节性能好、鲁棒性等优点。实践证明,这种模糊自适应PID控制器比常规的PID控制器具有更好的控制特性。     

蚁群算法优化模糊规则

模糊控制器设计的关键是根据专家经验确定模糊规则。然而,在专家经验难以获取的情况下将无法进行设计,这就要求模糊规则能够自动优化。模糊规则的优化过程为前件选择后件的过程,是一个组合优化问题,本文应用蚁群算法对其进行优化。蚁群算法是一种新型的模拟进化算法,已被广泛且有效的应用到求解复杂的组合优化问题中。仿真结果显示了蚁群算法应用于优化模糊规则的可行性和有效性,扩大了蚁群算法的应用范围,也为模糊控制器的设计提供了新的思路。     

Reinforcement Interval Type-2 Fuzzy Controller Design by Online Rule Generation and Q-Value-Aided Ant Colony Optimization

This paper proposes a new reinforcement-learning method using online rule generation and Q-value-aided ant colony optimization (ORGQACO) for fuzzy controller design. The fuzzy controller is based on an interval type-2 fuzzy system (IT2FS). The antecedent part in the designed IT2FS uses interval type-2 fuzzy sets to improve controller robustness to noise. There are initially no fuzzy rules in the IT2FS. The ORGQACO concurrently designs both the structure and parameters of an IT2FS. We propose an online interval type-2 rule generation method for the evolution of system structure and flexible partitioning of the input space. Consequent part parameters in an IT2FS are designed using Q-values and the reinforcement local-global ant colony optimization algorithm. This algorithm selects the consequent part from a set of candidate actions according to ant pheromone trails and Q-values, both of which are updated using reinforcement signals. The ORGQACO design method is applied to the following three control problems: (1) truck-backing control; (2) magnetic-levitation control; and (3) chaotic-system control. The ORGQACO is compared with other reinforcement-learning methods to verify its efficiency and effectiveness. Comparisons with type-1 fuzzy systems verify the noise robustness property of using an IT2FS.     

MULTITUNING FUZZY CONTROL SYSTEMS DESIGN

A multituning fuzzy control system structure that involves two simple, but effective tuning mechanisms, is proposed: one is called fuzzy control rule tuning mechanism (FCRTM); the other is called dynamic scalar tuning mechanism (DSTM). In FCRTM, it is used to generate the necessary control rules with a center extension method. In DSTM, it contains three fuzzy IF-THEN rules for determining the appropriate scaling factors for the fuzzy control system. In this paper, a method based on the genetic algorithm (GA) is proposed to simultaneously choose the appropriate parameters in FCRTM and DSTM. That is, the proposed GA-based method can automatically generate the required rule base of fuzzy controller and efficiently determine the appropriate map for building the dynamic scalars of fuzzy controller. A multiobjective fitness function is proposed to determine an appropriate parameter set such that not only the selected fuzzy control structure has fewer fuzzy rules, but also the controlled system has a good control performance. Finally, an inverted pendulum control problem is given to illustrate the effectiveness of the proposed control scheme.     

一种新型自适应复合控制器在锂电池充电系统中的应用

为了解决锂电池充电系统的不确定性和参数整定困难的问题,本文提出了一种基于蚁群算法优化的模糊＋变论域模糊PID复合控制器的新方法。该控制器在系统波动频繁时,采用模糊控制使其具有最优的动态性能;当系统进入稳定阶段,采用PID参数自适应的变论域模糊控制以提高准确度。而用蚁群算法对PID参数值进行离线优化,并将优化后的值作为在线调节的初值,使系统更加稳定。将提出的复合控制策略应用于锂电池充电控制系统中。仿真结果表明,该系统具有良好的抗干扰性和鲁棒性。     

求解旅行商问题的改进蚁群算法研究

针对蚁群算法收敛速度慢的问题,对蚁群算法信息素更新规则进行研究,提出一个基于迭代思想的信息素更新规则。对信息残留因子进行实验,确定在新的信息素更新规则下信息素挥发系数的最佳合理值。最后针对eil51问题和dantzig42问题两个例子的仿真实验对比基本蚁群算法。实验结果表明,改进的蚁群算法在收敛性和求得最优解方面都明显优于基本蚁群算法和其它人工智能算法。     

蚁群算法在学生成绩管理系统中的应用:分类规则挖掘算法的实现

本文采用一种基于蚁群算法的分类规则挖掘算法,其特征实质上是一种序列覆盖算法。在具体的形式化分析和描述中,以学生成绩系统分析为例,给出了蚁群算法中的蚂蚁个体运动规则和基于蚁群算法的分类规则挖掘算法,按顺序让蚁群搜索规则,移去它覆盖的数据,并不断加以重复,直到搜索完所有的类别属性,且使剩余数据在最小范围内,从而得到一组规则。在对其进行规则剪枝后,最后得到一组最优规则。     

机组检修计划优化模型及改进蚁群算法求解

根据传统发电机组检修计划优化的背景,建立了考虑经济性与技术性的新的检修计划优化模型,并根据蚁群算法收敛速度慢,易于陷入局部最优的缺点,通过模糊控制规则对蚁群算法影响信息素更新方式的两个参数进行动态变换,使其满足在蚁群搜索过程的不同状态下自适应调整,以影响收敛速度和搜索状态,并将改进算法应用到文中提出的机组检修计划优化模型,仿真验证改进算法及模型可取得良好效果.     

基于遗传算法和蚁群算法融合的QoS路由算法*

面向QoS路由问题,设计了一种基于遗传算法和蚁群算法融合的QoS路由算法(QoS routing algorithm according to the combination of the genetic algorithm and ant colony algorithm,GAACO_QoS).利用遗传算法生成初始解,将其转换为蚁群算法所需的信息素初值,然后利用蚁群算法求取最优解.设置遗传算法控制函数来控制遗传算法和蚁群算法融合的适当时机.通过与遗传算法以及蚁群算法的比较,进一步说明算法的有效性.     

Rule base reduction for knowledge-based fuzzy controllers with application to a vacuum cleaner

A rule base reduction and tuning algorithm is proposed as a design tool for the knowledge-based fuzzy control of a vacuum cleaner. Given a set of expert-based control rules in a fuzzy rule base structure, proposed algorithm computes the inconsistencies and redundancies in the overall rule set based on a newly proposed measure of equality of the individual fuzzy sets. An inconsistency and redundancy measure is proposed and computed for each rule in the rule base. Then the rules with high inconsistency and redundancy levels are removed from the fuzzy rule base without affecting the overall performance of the controller. The algorithm is successfully tested experimentally for the control of a commercial household vacuum cleaner. Experimental results demonstrate the effective use of the proposed algorithm.