具有遗传算法优化BP神经网络调节的HVDC PID控制器设计

高压直流输电(HVDC)定电流控制是直流输电系统的控制方式之一,为了使HVDC PID控制器具有较好的自适应性,实现控制器参数自动调整,提出一种具有遗传算法优化BP神经网络调节的HVDC PID控制器。该控制器首先利用遗传算法对BP神经网络的初始权值进行优化,再利用BP神经网络对PID三个参数进行在线调整。仿真研究表明:具有遗传算法优化BP神经网络调节的PID控制器可以保证系统动态响应具有较好的快速性和对系统扰动的自适应性,是可行的。     

基于LonWorks的GA优化复合模糊PID控制系统设计

设计了基于LonWorks的复合模糊PID控制系统,分析了该系统的硬件组成和软件实现方案.在控制嚣设计上,改进了传统的模糊PID控制器结构,采用三个子模糊控制器组成一个复合模糊PlD控制器.把过渡时间作为各子模糊控制器的公共输入并采用遗传算法(GA)对复合模糊PID控制器的隶属度函数进行了优化.通过Mstlab仿真表明,该控制器在参数确定上更具客观性,在控制带有大滞后环节和非线性环节的工业对象时响应速度更快、抗干扰能力更强、动态性能更好.     

遗传自适应模糊控制器的研究

主要研究了一种基于遗传算法的自适应模糊控制器的实现与性能分析。利用遗传算法的整体寻优性能对三维模糊控制器的调整因子进行优化组合,来达到对复杂被控对象的最佳控制效果。从实验数据结果分析表明,经遗传算法优化后的控制参数作用于模糊控制器,将使该控制器具有良好的动静态控制指标。最后还采用８０９８单片机实现了模糊自适应遗传控制器对窑炉炉温的控制,并取得了良好的效果。     

基于T-S模糊神经网络的AGV轨迹跟踪研究

针对AGV在轨迹跟踪过程中出现的问题,通过对小车运动学模型进行分析,采用T-S模糊神经网络模型,设计了一种模糊神经网络控制器,利用Matlab软件进行仿真,并与普通PID控制器进行对比。仿真结果表明:基于T-S的模糊神经网络控制器提高了AGV小车运行的稳定性和鲁棒性,优于普通控制算法。     

基于遗传算法优化神经网络的管道泄漏检测方法研究

介绍了遗传算法的基本思想和操作原理,并对遗传算法优化神经网络的方法进行阐述,重点分析了遗传算法对神经网络的网络连接权和阈值的优化。将遗传算法与神经网络相结合应用于管道泄漏检测中,该算法既有神经网络的学习能力和鲁棒性,又有遗传算法的很强的全局搜索能力,能够快速准确地识别管道泄漏。通过试验进行对比,证明遗传算法优化后的神经网络效果更好。     

基于改进GA的FNNC在水泥回转窑温度控制中的应用

神经网络和模糊控制在解决复杂的对象方面有独特优势,将模糊理论的知识表达容易和神经网络较强的学习能力这两个优势有机结合起来,用以提高系统的学习能力和表达能力.模糊神经网络(FNN)是近几年的研究热点,但由于采用对神经网络进行训练的BP算法是梯度算法,容易陷入局部极小.本文提出把动态的交叉率、变异率与在传统的遗传算法(GA)中加入动态学习的BP算子结合起来改良传统的遗传算法,即在遗传操作中,利用动态交叉率和变异率来改善全局样本的收敛速度:而在BP运算中加入动态学习率得到最大的优化收敛,不仅发挥了神经网络的泛化的映射能力,采用的遗传算法也极大地提高网络的学习速度和控制性能.     

基于自适应学习速率的模糊神经网络控制器

针对模糊神经网络控制器中很难确定一个最佳学习速率的问题,将带有动量因子的自适应学习速率BP算法引入模糊神经网络控制器中。采用模糊推理自适应调节学习速率,同时引入动量因子,提高系统的收敛速度,并基于Lyapunov定理给出了系统稳定的证明过程。针对同一数学模型,用Matlab编程仿真3种方法的实验结果表明:优化后的模糊神经网络控制器较普通模糊神经网络控制器和模糊控制器具有更优越的控制性能。     

免疫遗传算法在胶乳聚合反应釜温度控制中的应用

提出一种免疫遗传算法优化的模糊神经元控制器,利用免疫遗传算法的全局搜索功能和神经元的自学习能力,提高了模糊控制器的控制精度和抗干扰能力.将该控制器用于胶乳聚合反应釜的温度控制,仿真结果表明该控制器可以有效地消除静态误差,并对聚合反应生产过程中的温度骤变有很好的鲁棒性,实际应用效果也表明了该方法的优越性.     

遗传算法-神经网络-流动注射光度法同时测定镍和铁

在遗传算法的应用研究中,总共做了两方面的工作。其一利用遗传算法对神经网络结构参数进行优化;其二对神经网络的初始权重进行优化。得到优化的遗传神经网络GA-BP-ANN。将此网络应用于解析流动注射-光度分析测得的铁(镍)-(5-Br-PADAP)络合物的重叠光谱,建立了不经分离同时测定铁和镍的新化学计量学方法。     

基于神经网络的预分解窑系统分解炉出口温度建模

在对水泥预分解窑系统的结构与工艺流程进行分析的基础上,分别利用BP神经网络、模糊神经网络和改进的遗传算法神经网络建立预分解窑系统分解炉出口温度控制模型。通过对仿真结果的对比分析,发现改进的遗传算法神经网络具有更好的温度控制精度和准确度。     

Strategies for Optimizing Feed Rate of Fed-Batch Yeast Fermentation by Fuzzy-Neural Network

In this paper,a novel fuzzy neural network model,in which an adjustable fuzzy sub-space was designed by uniform design,has been established and used in fed-batch yeast fermentationas an example.A brand-new optimization sub-network with special structure has been built andgenetic algorithm,guaranteeing the optimization in overall space,is introduced for the feed rateoptimization.On the basis of the model network,the optimal substrate concentration and theoptimal amount of fed-batch at different periods have been studied,aided with the optimizationnetwork and the genetic algorithm separately.The above results can be used as a basis for theestablishment of a fuzzy neural network controller.     

模糊核聚类在优化模糊控制隶属函数中的应用

针对模糊控制器隶属函数的设计与优化缺乏自学习能力的缺点,将模糊核聚类算法与TrustRegion(信赖域)方法结合起来。首先利用模糊核聚类算法对模糊控制输入、输出样本集进行聚类,然后用Trust-Region最优化方法对聚类结果进行曲线拟合,实现了模糊控制输入、输出空间的划分、隶属函数类型的确定和参数的优化。在Matlab中的仿真结果表明:模糊控制器经过笔者提出的算法优化后控制品质有较大的改善和提高。     

模糊控制系统组态平台的设计及应用

提出一种模糊控制系统可视化组态平台设计和实现方法.在该平台上可以方便地实现对隶属函数和规则集的设计并用遗传算法加以优化.系统提供多种改进的模糊控制算法,根据实际被控对象特点组态控制系统,通过仿真设计控制器参数,并可以在线整定控制系统的可调参数,以实现对复杂工业过程的复合控制.对实际工业对象的控制结果表明,该平台组态灵活方便,复合控制算法比常规控制具有更强的鲁棒性和更好的稳态性能,能使系统的响应满足既快速又不振荡的要求.     

THE FUZZY NEURAL NETWORK CONTROLLER IN YEAST FED-BATCH FERMENTATION

On the basis of the optimized substrate feeding rate of glucose acquired from an artificial neural network model of yeast fed-batch fermentation, an adaptive fuzzy neural network controller (FNNC) was developed, and on-line experiments were performed to examine the feasibility of the controller for actual use. The objective is to obtain a high concentration of cell mass in the shortest fed-batch culture time. Experimental results reveal that FNNC-controlled on-line feeding of substrate performs well.     

航空发动机磨损趋势预测模型研究

文章讨论了神经网络的BP算法和遗传算法,提出用遗传算法来优化BP神经网络,应用遗传算法训练神经网络权重,实现网络结构的优化,用优化后的BP人工神经网络建立了航空发动机磨损故障趋势预测模型,利用发动机的光谱监测数据作为预测磨损趋势的特征参数,进行了模型的训练和预测试验,并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较,证明了基于遗传算法的人工神经网络是航空发动机磨损故障趋势预测的一种理想方法。     

典型大时变时滞系统神经网络模糊PID控制及应用

针对典型大时变时滞系统,设计了一种基于神经网络的模糊PID控制器.该控制器综合模糊逻辑、神经网络与PID调节的各自优点,既具有模糊控制简单和有效的非线性控制作用,又具有神经网络的学习和适应能力,同时还具备PID控制的广泛适应性.该控制器能实现系统参数大范围失配情况下的闭环鲁棒稳定,并使闭环系统达到设定值无静差跟踪及满意的动态性能.     

Application of genetic algorithm to self-organizing fuzzy controller in fed-batch culture ofScutellaria baicalensis G. plant cell

A self-organizing fuzzy controller is constructed for control of substrate concentration in fed-batch operation of a cell culture process. A genetic algorithm is used to generate fuzzy rules of the self-organizing fuzzy controller and to modify the universe of discourse automatically. The fuzzy controller is designed for the application ofScutellaria baicalensis G. plant cell culture process as a model system. A substrate feeding strategy of a two stage culture method to maximize flavone glycoside production in fed-batch culture ofScutellaria baicalensis G. plant cell is proposed based on structured model of growth and product synthesis. As a two stage culture, the feeding strategy consists of the first period at 22 g/L of glucose concentration to promote cell growth and the second period at 10 g/L of glucose concentration to promote flavone glycoside synthesis. The designed self-organizing fuzzy controller is applied to regulate the glucose concentration at a given set-point to increase flavone glycoside synthesis. The simulation results show that the proposed feeding strategy in a fed-batch culture enhances flavone glycoside production and the self-organizing fuzzy logic controller generated by genetic algorithm improves controller performance.