基于遗传算法的可调因子模糊PID控制器的设计

传统的PID控制算法简单、易于实现,但对于非线性、不确定性的控制对象,控制效果并不理想。本文将不依赖于被控对象的数学模型,适应能力好的模糊控制和常规PID控制相结合,并对模糊算法中对系统性能有重要影响的量化因子用遗传算法进行优化,提出一种基于遗传算法的可调因子模糊PID控制器。仿真结果表明该控制器具有良好的动态性能和静态性能。     

基于遗传算法优化的模糊控制技术

在传统模糊控制的基础上,提出了一种基于遗传算法优化的自调整模糊控制算法．通过对模糊变量隶属函数参数编码优化,实现了模糊控制规则的在线自调整,并通过物理实验证实了算法的可行性．     

一种基于遗传模糊算法的足球机器人射门方法

为了提高足球机器人的射门成功率,给出了一种基于遗传模糊算法的足球机器人射门实现方法．通过建立一个多输入多输出模糊控制器,用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作,并采用遗传算法优化模糊规则和隶属度函数,增强了模糊控制系统适应动态变化环境的能力．实验结果证明了方法的正确性．     

融合遗传算法的模糊控制器设计

通过了解模糊控制器优化的原理,对遗传算法进行改进,提出一种新的基于遗传算法的优化算法,并将其应用到模糊控制器设计当中．以工业过程控制为对象,通过二阶系统模型的计算机仿真,表明改进后的遗传算法比原始算法有更好的控制性能,可实现模糊控制规则的自校正和量化因子的寻优,方法简单、有效,对模糊控制器的工程设计有很大的实用性．     

基于多级遗传算法的模糊隶属度函数的优化

针对遗传算法的在应用过程中出现的过早收敛问题,提出基基于多级遗传算法的模糊控制,通过高级遗传算法的操作遗传算法可以获得不同种类的优良模式的新个体,从而它们提供了更加平等的竞争机会,并且在低级遗传算法在中采用Ｍｅｔｒｏｐｏｌｉｓ判别准则对遗传算法的复制算子加以改进,有效地破坏群体中个体的单一性,增加多样性,使隶属度参数得到优化,从而改善了控制性能,倒立摆仿真实验表明这种方法是有效的,是解决早收敛问题     

一种基于融合函数的二级倒立摆模糊控制器设计

采用模糊控制理论研究二级倒立摆控制问题。设计融合函数以降低模糊控制器输入变量维数,引入一种与系统动态性能密切相关的性能指标,提出应用混沌优化算法优化加权矩阵来提高控制系统的性能。本方案在实物二级倒立摆上进行了实验,结果证明该设计方法有效。     

用遗传算法优化模糊控制器

提出一种带迁移算子的遗传算法,并用于优化模糊控制器,在对倒立摆和大纯滞后等复杂对象的控制仿真实验中均获得很好的结果;并对提高遗传算法多参数优化的效率及目标函数的影响进行了初步的讨论。     

基于遗传算法的足球机器人模糊PID优化控制策略

以足球机器人系统为实验平台,论证了遗传算法模糊PID控制技术应用于足球机器人运动控制的可行性,并提出了具体实施方法。将传统PID控制与模糊控制相结合,通过PID算法提高控制准确性,通过模糊推理实现在线调整kp、ki、kd等关键参数,提高系统的控制性能。改进了模糊控制中的控制规则和隶属函数,提高了合理性和系统控制精度。仿真结果表明,该方法比一般PID控制方法具有更好的控制性能指标。     

一种通用的模糊控制器

本文立足于模糊产品的硬件化这一发展方向,利用 MCS—51系列单片机以一种简化模糊推理算法为基础,提出了一种硬件实现的模糊控制器(FC)的简便方案。     

设计遗传算法规则自生成模糊控制器

提出了以遗传算法设计自生成规则变换的模糊控制器。而模糊控制器是由个体表示的盒式变换相联系，而提出一个短的编码串，控制器的结构是由输入变量的隶属度函数的个数，隶属度函数的形状和指数函数组成。那么，以适当的函数来选择合适的模糊控制器的搜索过程以达到期望的性能。最后，以倒立摆的控制过程来证明该方法的效果。     

Matlab遗传算法工具箱的设计

介绍了使用Ｍａｔｌａｂ语言实现遗传算法,建立遗传算法工具箱（ＧＡｓ ｔｏｏｌｂｏｘ）．开发的遗传算法工具箱支持二进制和浮点式编码方式,并且提供了多种选择、交叉、变异的方法,用以提高遗传算法的性能．使用工具箱对一系列非线性、多峰值函数问题进行了测试,显示了优良的性能．通过测试、发现浮点式遗传算法的寻解效率和精确度都优于二进制算法以及传统的寻优方法．     

模糊PID同步发电机励磁控制器的设计

同步发电机励磁控制系统,是同步发电机控制系统的重要组成部分,它的性能对同步发电机系统的供电质量及其运行的可靠性和稳定性有着直接影响.将传统PID控制和模糊控制技术相结合,设计一种参数自适应的模糊PID励磁控制算法用于三相同步发电机的励磁控制.经过现场试验及结果分析,此种算法具有良好的励磁调节特性,是值得推广的一种算法.     

基于遗传算法的模糊控制器的设计

研究基于遗传算法的模糊控制器的设计方法,同时对于常规模糊控制器及自修正的模糊控制器进行设计,通过对比3种模糊控制器的控制效果,对控制器性能进行评价,建立基于遗传算法的模糊控制器的程序设计流程图,在MATLAB环境中设计针对工业过程中常见的二阶纯滞后模型的仿真程序,仿真结果显示3种控制器的控制效果,性能及实现方法的对比以表格的形式作出总结。     

基于遗传算法的彩色图象分割

遗传算法是一种模拟生物自然选择与进化过程的随机、并行搜索算法，该算法已用于解决工程问题．文章根据遗传算法的思路和熵的概念，提出了基于遗传算法的彩色图象最佳熵阀值分割方法，给出了算法的主要步骤并分析了算法及实验结果，实验表明遗传算法能有效地对彩色图象进行分割，也存在一些缺点需进一步改进．     

基于遗传算法的自学习模糊控制器的设计

提出了一种自学习模糊控制器的设计方法,这种方法采用改进的连续空间遗传算法对动态系统的控制进行优化,获得基于一定性能指标的期望的状态轨迹及相应的控制序列;采用基于神经网络的模糊推理系统监督学习模糊控制器的参数,可以在知识缺乏的环境完成神经模糊控制器的自动设计。本文最后以倒立摆系统为控制对象给出了一个设计实例和仿真结果。     

Multi-objective optimization based on Genetic Algorithm for PID controller tuning

To get the satisfying performance of a PID controller, this paper presents a novel Pareto-based multi-objective genetic algorithm (MOGA), which can be used to find the appropriate setting of the PID controller by analyzing the pareto optimal surfaces. Rated settings of the controller by two criteria, the error between output and reference signals and control moves, are listed on the pareto surface. Appropriate setting can be chosen under a balance between two criteria for different control purposes. A controller tuning problem for a plant with high order and time delay is chosen as an example. Simulation results show that the method of MOGA is more efficient compared with traditional tuning methods.     

基于神经网络的模糊控制器

将神经网络的非线性与自学习特性有机地应用于模糊控制系统中，用神经元节点及其相应的内部函数代替模糊控制系统的各个模糊子集及其隶属函数，而神经元节点间的连接代替模糊推理机，设计了一类基于神经网络的模糊器，以克服复杂非线性系统难以确定模糊子集的划分及其隶属函数和模糊推理规则等问题。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统 ,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在两个瓶颈 :模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象 ,并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题 ,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中 ,根据已知的模糊控制规则 ,对模糊隶属函数自动寻优。以工业过程控制为对象 ,针对具有纯滞后二阶系统进行了计算机仿真 ,并进行了对比性研究。仿真结果表明 ,采用该方法可获得一个基于一定性能指标的最优或次优的隶属函数参数 ,且该模糊控制系统具有过渡过程的时间短、超调小等优点。     

模糊PID自整定在加热炉上的应用

分析在加热妒温控系统中,常规PID控制器的不足,指出如何引入模糊控制才能使控制方案更合乎控制要求,并由此设计出模糊PID自整定控制器。经过仿真证明控制性能显著提高,且在实际应用也取得了很好的控制效果。